検索マーケティング コミュニティは、検索ランキング要因のように見えるものをリストしたファイルを含む、リークされた Yandex リポジトリの意味を理解しようとしています。 Ryan Jones (@RyanJones) は、このリークは大したことだと考えており、[Yandex 機械学習モデルのいくつかをロード](https https://twitter.com/RyanJones/status/1620266355323961344) をテスト用に自分のマシンに。実用的な SEO の手がかりを探している人もいるかもしれませんが、検索エンジンの仕組みについての一般的な理解を得るためには、より役立つというのが一般的な合意です (@RyanJones、2023 年 1 月 29 日）。ライアンが言ったように、「[If] ハックやショートカットが必要な場合は、ここにはありません。しかし、検索エンジンの仕組みについてもっと理解したい場合は、ゴールドがあります。」
Ryan は、流出した Yandex ランキング要因のリストを調べることで多くのことを学べると考えていますが、このリストだけを調べるだけでは十分ではありません。 Yandex は Google ではありませんが、PageRank や BERT など、Google が発明した多くの技術を使用していると彼は説明します。彼はまた、それらに適用される係数と重みは検索エンジンによって異なる可能性が高いと述べていますが、テキストの関連性を分析するために使用されるコンピューター サイエンスの方法は非常に似ています。さらに、リークされたリストに記載されているものよりもコードで計算されたランキング要因が多く、SEOがポジティブであると想定している要因に負の重みが割り当てられていること、またはその逆であることに注意してください.リンク: https://www.seobility.net/en/blog/yandex-ranking-factors/
Yandex は検索エンジンに 1,923 のランキング要素を使用していると広く信じられています。しかし、Link Research Tools の創設者である Christoph Cemper (LinkedIn プロフィール) は、友人から、他にも多くのランキングがあると聞いています。当初考えていた以上の要因。これらの情報源によると、Yandex は 275 のパーソナライゼーション要素、220 の「Web 鮮度」要素、3186 の画像検索要素、および 2,314 のビデオ検索要素を採用しています。驚くべきことに、検索エンジンは何百ものリンク関連のランキング要因も利用しています。これは、Google が最初に SERP で使用すると主張した 200 以上のランキング シグナルよりもはるかに多いことを示しています。
Google の検索エンジン アルゴリズムの最近のデータ リークにより、アルゴリズム全体を本当に知っているのは誰かという疑問が生じました。ランキング要因がリークされたとき、それらがどのように整理されていたかは驚くべきことであり、多くの人が、すべてのランキング要因を含む包括的なスプレッドシートが Google にあるかどうか疑問に思っています。
SEO の専門家である Christoph Cemper は、このトピックについて Search Engine Journal にコメントし、Google の従業員でさえアルゴリズム全体を知らないことは「常にばかげているように思われた」と述べています。彼は続けて、このような複雑なシステムは文書化する必要があり、コードさえ漏洩する可能性があると述べています。したがって、このデータ リークは、Google のアルゴリズムを現在の用語で考えるのをやめさせるのに役立つかもしれません。
最近リークされた Yandex ファイルは、検索エンジン (Yandex) が検索結果をランク付けする方法の一部を表示する機会を提供しましたが、データは Google の仕組みを示していません。明らかにされた洞察の中には、MatrixNet と呼ばれる Yandex ニューラル ネットワークに関連するものがあります。これは、2009 年に [archive.org の発表へのリンク] (https://web.archive.org/web/20160311035825/https://yandex) を介して導入されました。 .com/company/technologies/matrixnet/){rel="nofollow"}.一部の主張に反して、MatrixNet は Google の RankBrain と同等ではないことに注意することが重要です。これは、Google の限定的なアルゴリズムであり、検索クエリの 15% を理解することに重点を置いており、これまでに見たことがないものです。 2015 年 10 月、ブルームバーグは記事を公開しました (Archive.org スナップショット google-turning-its-lucrative-web-search-over-to-ai-machines){rel="nofollow"}) は、その年、Yandex MatrixNet の導入から 6 年後に Google のアルゴリズムに RankBrain が導入されたことを明らかにしました。この記事によると、RankBrain は目的が限定されており、これまで見たことのない検索クエリを効果的に処理するために、なじみのないクエリと意味が似ている単語やフレーズを推測するように設計されています。対照的に、MatrixNet は、検索クエリを分類し、それに応じて適切なランキング アルゴリズムを適用する機械学習アルゴリズムです。 2016 年の英語版の発表 (こちら) では、このアルゴリズムが Google のプラットフォームでの現代の Web 検索でどのように機能するかについて詳しく説明しています。
MatrixNet は、ユーザーが複雑な数式を生成し、特定の検索クエリ用にカスタマイズできる強力なランキング アルゴリズムです。これにより、あるタイプのクエリのランキングの品質が、他のタイプの検索の全体的なパフォーマンスに影響を与えないようにします。他のランキング アルゴリズムとは異なり、MatrixNet を使用すると、ユーザーはシステム全体を完全にオーバーホールすることなく、特定のパラメーターを調整および微調整できます。さらに、MatrixNet は、ランキング式のさまざまな要因の感度レベルを自動的に選択できます。これらの高度な機能により、MatrixNet は、RankBrain や他の同等のアルゴリズムとは一線を画しています。 https://www.deepcrawl.com/blog/rankbrain-matrixnet-same/
MatrixNet は、Yandex ランキング ファクター ドキュメントを調べる際に考慮すべき重要な要素です。これらのドキュメントを理解するには、Yandex アルゴリズムを理解することが重要です。そのために、読者は Yandex の人工知能と機械学習アルゴリズムの概要を説明した記事を読むことができます こちら。ハンドル名 @dom_woodman を持つ Twitter ユーザーの Dominic Woodman は、リークについて興味深い観察を行い、これらの要因のいくつかが一致していることを発見しました。アンカー テキストを変更するなどの SEO プラクティスを使用します (こちら によるツイート)。
Alex Buraks (@alex_buraks) は最近、SEO 目的での内部リンク最適化の重要性に関する Twitter スレッドを公開しました。 Google の John Mueller 氏は、重要なページが目立つようにリンクされていることを確認するようパブリッシャーに長い間奨励してきました。彼は 2020 年に次のように述べています。おそらくこれはあまり重要ではないと思います」(John Mueller 共有)。これは、重要なページをサイト訪問者がアクセスするメイン ページの近くに配置することで、そこからリンクされている場合に、それらのページがより重要であると見なされることを示唆しています。
Google の John Mueller は最近、クロールの深さがランキング要因であるという問題に取り組みました。彼は、これはランキング要因ではなく、どのページが重要であるかを Google に知らせるシグナルであることを明らかにしました。 Alex Buraks は次に、ホームページからのクロールの深さをランキング ルールとして使用する Yandex ルールを引用し、重要なページをメイン ページの近く (1 クリック離す) に保ち、重要度の低いページは 3 クリック以内に離す必要があることを示唆しています。 .これは、ホームページから遠ざかるにつれて重要性が割り当てられるという点で理にかなっています。合理的なサーファー モデルやランダム サーファー モデルなどの Google の研究論文もあり、ランダムなサーファーがリンクをたどって特定の Web ページにたどり着く確率を計算します。 ツイートへのリンク: [合理的なサーファー モデルへのリンク:](https:/ /www.seobythesea.com/2016/04/googles-reasonable-surfer-patent-updated/)
SEO の専門家である Alex Buraks 氏は最近、メイン ページからの被リンクの方が内部ページからの被リンクよりも重要であるとツイートしました。彼のツイートは、この声明を表す図を示す写真にリンクしています。この経験則は、インバウンドリンクを引き付けるホームページや内部ページの近くに重要なコンテンツを確実に配置するのに役立つため、SEO にとって重要です。
最近、検索エンジンが Web ページを読み取る方法にリークが発見されました。このリークはまだ初期段階ですが、検索エンジン最適化の将来のユーザーがこれらのサービスの仕組みをよりよく理解できるようになる可能性があります。このリークをさらに調査および分析することで、人々は検索エンジンの仕組みとそれらを駆動するさまざまなコンポーネントについてより深い洞察を得ることができます。主な画像: Shutterstock/san4ezz.このトピックの詳細については、Search Engine Journal のニュースと SEO カテゴリをご覧ください。