搜索质量评估者和实时测试
RankBrain 解释RankBrain是 Google 基于人工智能的查询解释系统，可帮助 Google更好地理解查询，从而对最相关的页面进行排名。加里·伊利斯 (Gary Illyes) 在 AMA 中将其解释为“公关性感机器学习排名”，它使用历史搜索数据来预测用户可能会点击什么来进行新查询，然后补充说“这是一个非常酷的工程作品，节省了每当传统算法出现在查询字符串中时，例如“哦，看不是”！ ”。
从答案中我们了解到，如果 RankBrain 确实对 Google 越来越有用，但同时由于数据较旧，它似乎无法很好地工作。
用户体验和行为信号
关于谷歌排名因素最具争议的话题之一是搜索引擎是否以及多少使用 [url=https://zh-cn.b2bfaxlead.com]b2b传真线索[/url] 用户体验和行为信号进行排名。谷歌一直否认将它们用于直接排名信号，并且在 AMA Illyes 中基本上证实了这一点，他说：“停留时间、点击率、点击率，无论菲什金的新理论是什么，通常都是胡说八道。这项研究比人们想象的要简单得多。”
AMA 还探讨了 Google 如何使用点击数据和其他用户数据（而非直接排名信号）来评估搜索结果。我们讨论了搜索质量评估者以及如何评估谷歌搜索结果，以及一些现场实验，例如谷歌检查不同场景如何影响搜索者的行为。
核心排名不会 直接受到这种行为的影响，当谷歌想要推出新算法或“核心”更新时，它必须与评级者一起测试（请参阅评级者指南）或通过现场实验进行测试。
在这方面，Illyes 表示，“当我们对一部分用户进行排名和/或 UX 测试时，1% 的用户获得更新，而其余用户则获得当前正在使用的更新（基础）。实验持续，有时持续数周，然后对实验和基线之间的一些指标进行比较。指标之一是两者之间结果的点击次数有何不同。
使用机器学习编写内容
谷歌通常不赞成机器和计算机编写内容，事实上，该指南已告诉网站管理员阻止搜索引擎对自动生成的内容建立索引。但通过机器学习和人工智能，也许该技术可以使内容比人类编写的内容更好。如果是这样，谷歌会同意吗？
伊利斯含蓄地答应了，并表示“如果你能生成与人类内容没有区别的内容，那就继续吧。我实际上正在考虑写一些关于如何使用 ML 和 NLP 进行 SEO 的文章。”
頁:
[1]