تعداد کلیک های کاربران فاکتور رتبه بندی گوگل است: ناوبوست

این بزرگترین رمز و راز و بحث در مورد الگوریتم رتبه بندی جستجوی گوگل است. برای مدت طولانی، جامعه SEO بحث کرده است: آیا نرخ کلیک (“CTR”) لیست نتایج جستجو یک عامل رتبه بندی است؟ یا «نرخ پرش» و «زمان ماندگاری» مرتبط نزدیک؟

من تمام آنچه گوگل تا به حال در این مورد گفته است، همراه با برخی از مشاهدات و نظرات را به شما ارائه می‌کنم.

کلیک ها، Navboost، نرخ پرش و زمان ماندن

اگر در سئو جدیدتر هستید، توضیح مفهوم کلیک یا نرخ کلیک (“CTR”) به عنوان عوامل رتبه بندی ساده است. هنگامی که کاربر جستجوی کلمه کلیدی را انجام می دهد، می تواند بر روی لیستی در صفحه نتایج جستجوی گوگل کلیک کند. گوگل می‌تواند این کلیک‌ها را به‌عنوان نوعی رای برای محتوای نتایج حساب کند. و به لیست‌هایی که کلیک‌های بیشتری را برای کلمه کلیدی مورد نظر جلب می‌کنند، توانایی رتبه‌بندی بیشتری بدهد. این کار از طریق الگوریتم Navboost صورت میگیرد. طبقه گفته دادگاه امریکایی:

به طور مشابه، “زمان ماندن” می تواند شمارش مدت زمان ماندن فرد در یک صفحه وب پس از کلیک کردن بر روی صفحه ای از نتایج جستجو باشد.

“جهش” زمانی اتفاق می‌افتد که شخصی به یک صفحه وب کلیک می‌کند و بدون پیمایش به صفحه دیگری از آن خارج می‌شود. فرض بر این است که اگر یک پرش خیلی سریع اتفاق بیفتد، کاربر ممکن است محتوای صفحه را برای درخواست خود نامطلوب ببیند.

“زمان اقامت” همچنین مدت زمانی است که کاربر ممکن است قبل از کلیک کردن در جای دیگر یا بازگشت به نتایج جستجو در صفحه وب بماند. همه این سیگنال‌ها بر روی لیست‌های کلیک در نتایج جستجو متمرکز می‌شوند.

دلایل مشکوک بودن که گوگل از CTR به عنوان یک عامل رتبه‌بندی استفاده می‌کند

فراتر از مثال های حکایتی من، دلایل خوبی وجود دارد که گمان کنیم گوگل می تواند از کلیک روی پیوندها در نتایج جستجو به عنوان یک عامل رتبه بندی استفاده کند. در اینجا چند مورد وجود دارد:

1. گوگل مدت هاست که کلیک روی لینک های خود را دنبال می کند

اگر این داده ها استفاده نشده است، چرا کلیک ها را ردیابی کنید؟ وقتی برای اولین بار به HTML نتایج گوگل نگاه کردم و دیدم که پیوندها در حال ردیابی هستند، سعی کردم به یاد بیاورم. ممکن است زمانی در اوایل دهه 2000 باشد.

آنها با این همه داده چه می کنند؟ پس از ورود تجزیه و تحلیل جستجو به ابزارهای وب مستر گوگل (که بعداً به کنسول جستجوی گوگل تغییر نام داد)، این داده های کلیک حداقل در گزارش های وب مستر استفاده شد.

اما، قبل از گزارش تجزیه و تحلیل جستجو توسط گوگل جمع آوری شد.

2. گوگل کلیک روی تبلیغات را ردیابی می کند

داده های کلیک بر رتبه بندی در بخش تبلیغات پولی تأثیر می گذارد. بنابراین، چرا آنها همین کار را در ارگانیک انجام نمی دهند؟

تعجب آور نیست اگر گوگل از روش مشابهی در ارگانیک استفاده کند که در جستجوی پولی استفاده می کند، زیرا آنها اساساً این کار را با امتیاز کیفیت خود انجام داده اند.

بیش از 15 سال پیش، گوگل امتیاز کیفیت خود را منتشر کرد که بر رتبه بندی تبلیغات تأثیر می گذارد – و اکنون شواهد زیادی وجود دارد که نشان می دهد گوگل از معیارهای کیفیت در رتبه بندی های ارگانیک استفاده می کند.

در حالی که بخش‌های مختلف گوگل – مانند جستجوی کلمات کلیدی در مقابل نقشه‌ها – از روش‌ها و معیارهای رتبه‌بندی متفاوتی استفاده می‌کنند، گوگل گاهی اوقات روش‌های متقابل را گرده افشانی می‌کند.

3. گوگل در سال 2009 فاش کرد که کلیک روی نتایج جستجو بر رتبه بندی تحت جستجوی شخصی تأثیر می گذارد

اگر از آن برای نتایج جستجوی شخصی سازی شده استفاده می شود یا در گذشته استفاده شده است، به وضوح می توان از آن برای نتایج معمولی نیز استفاده کرد.

4. یک محقق مستقل تعداد کلیک‌ها را به‌عنوان یک عامل رتبه‌بندی بررسی کرد و دریافت که روشی بالقوه ارزشمند است

دکتر تورستن یوآکیمز تعداد کلیک ها را به عنوان یک عامل رتبه بندی بررسی کرد و آن را یک روش بالقوه ارزشمند دانست. قابل ذکر است که وی دریافت:

«نتایج نظری در یک آزمایش کنترل‌شده تأیید می‌شوند. این نشان می‌دهد که این روش می‌تواند به طور موثر عملکرد بازیابی یک موتور فراجستجو را با گروه خاصی از کاربران تطبیق دهد، و از نظر کیفیت بازیابی پس از تنها چند صد نمونه آموزشی، از گوگل بهتر عمل می‌کند.
بنابراین، در یک مطالعه محدود، موثر بودن آن مشخص شد. با توجه به این موضوع، چرا گوگل از آن استفاده نمی کند؟ البته، تعاریف او برای “عملکرد بهتر از گوگل” و تعیین سودمندی احتمالاً با معیارهای استفاده شده توسط گوگل متفاوت است.

5. بینگ از نرخ کلیک و نرخ پرش به عنوان فاکتورهای رتبه بندی استفاده می‌کند

موتور جستجوی مایکروسافت بینگ تایید کرد که آنها از کلیک و نرخ پرش به عنوان فاکتورهای رتبه بندی استفاده می کنند. با این حال، آنها اخطارهایی را در مورد آن ذکر کردند، بنابراین از برخی زمینه های تعامل کاربر دیگر نیز برای ارزیابی استفاده می شود.

موتورهای جستجو مطمئناً از سیگنال ها و روش های مختلفی برای رتبه بندی محتوا در نتایج جستجو استفاده می کنند. اما، این یک نقطه مقابل جالب برای لفاظی است که سیگنال “بیش از حد نویز” برای مفید بودن است. اگر یک موتور جستجو بتواند از سیگنال استفاده کند، پتانسیل دیگری وجود دارد.

6. اگر گوگل مردم را متقاعد کند که CTR یک عامل رتبه بندی نیست، جستجوی گوگل را به عنوان هدفی برای فعالیت کلیک مصنوعی کاهش می‌دهد

این باعث می شود به نظر برسد انگیزه قابل توجهی برای کم اهمیت جلوه دادن و رد کردن فعالیت های کلیک به عنوان عوامل رتبه بندی وجود دارد. موازی برای این کار، قابلیت تکمیل خودکار است، که در آن جستجوهای کاربران، و احتمالاً روی فعالیت کلیک می‌کنند، در گذشته بسیار مستعد دستکاری ربات‌ها بودند.

گوگل مدت‌هاست که از فعالیت‌های مصنوعی، مانند درخواست‌های خودکاری که توسط نرم‌افزارهای بررسی رتبه‌بندی می‌شود، بیزار بوده و برای شناسایی و تخفیف چنین فعالیت‌هایی تکامل یافته است.

با این حال، فعالیت ربات‌ها در نتایج جستجو با هدف بهبود رتبه‌بندی از طریق کلیک‌های مصنوعی، احتمالاً به سرعت از آنچه قبلاً انجام می‌دهند، مهم‌تر می‌شود. این به طور بالقوه می تواند تأثیر منفی بر خدمات مشابه حملات DDoS ایجاد کند.

با وجود سال‌ها و سال‌ها بیان اینکه CTR یک عامل رتبه‌بندی نیست، من مشاغل زیادی را دیده‌ام که در طول زمان در پلت‌فرم‌های microtask ارسال شده‌اند تا افراد بتوانند جستجوی کلمات کلیدی را انجام دهند و روی لیست‌های خاص کلیک کنند. اظهارات ممکن است بازدارندگی انجام نداده باشند، و ممکن است گوگل در حال حاضر به طور موثر چنین تلاش های دستکاری را کاهش داده باشد (یا امیدواریم برخی از این فعالیت های مصنوعی را از داده های Analytics دور نگه دارند).

7. سیستم‌های هوش مصنوعی گوگل به طور بالقوه می‌توانند از CTR استفاده کنند و کارمندان گوگل نمی‌دانند که آیا یا چه زمانی بر رتبه‌بندی تأثیر می‌گذارد یا خیر

سه سال پیش، وقتی در مورد اینکه گوگل چگونه می‌تواند از یادگیری ماشینی برای ارزیابی کیفیت صفحات وب استفاده کند، نوشتم. قویاً پیشنهاد کردم که تعاملات کاربر، مانند نرخ کلیک، در مدل‌های یادگیری ماشینی ایجاد شده برای یک سیستم امتیازدهی کیفیت گنجانده شود.

بسته به اینکه گوگل چگونه سیستم‌های ML خود را می‌سازد، جنبه‌ای از این ایده ممکن است اتفاق بیفتد. تمام نقاط داده بالقوه در مورد وب سایت ها و صفحات وب را می توان در الگوریتم ریخت. این سیستم می‌تواند فاکتورهای رتبه‌بندی را انتخاب کرده و آنها را بر اساس آنچه که با ارزیابی‌های ارزیابی‌کننده کیفیت انسانی نتایج جستجو مطابقت دارد، وزن کند.