随着谷歌在评分和排名网页方面的方法越来越复杂，营销人员更难跟上SEO的最佳做法。谷歌推出的人工智能让许多搜索引擎优化（SEO）行业的人目瞪口呆。多年来行之有效的优化策略很快就会过时或改变。这是为什么呢？有没有可能找到一个可以预测的优化方程，就像以前那样？这是内幕消息。
我们能用机器学习谷歌的机器学习算法排名吗？
谷歌的旧时光
谷歌的机器前学习搜索引擎单一地整体运行。也就是说，当变化来临时，他们是一起大规模地来的。过去，大而突然的运动，有时是构造性的，是司空见惯的。应用于一个行业/搜索引擎的结果应用于所有结果。这并不是说每一个网页都受到了每一个算法排名变化的影响。每个算法排名都影响到特定类型的网页页面。Moz的算法排名改变了历史页面，详细描述了谷歌算法排名更新的历史，以及哪些网站和页面受到了影响。
SEO行业一开始，人们就破译了这些算法排名，并确定哪些网页受到了影响（以及如何）。由于这样的洞察力，企业的兴衰取决于决策的成败，那些能够足够快地纠正错误的企业才是赢家。那些无法从中吸取教训的人不能成为赢家。这些教训变成了其他所有人的“道路规则”，因为总是有一个不变的真理：算法排名惩罚对每条垂直线都是一样的。如果你的竞争对手做了谷歌不喜欢的事情而被封杀了，那么你就会确信，只要你不犯同样的错误，你就没事。但最近的证据开始表明，这个SEO习语不再有效。机器学习对每个关键字环境都有特定的惩罚。SEO专业人员不再有一套他们可以遵循的静态规则。
Moz的市场科学家Pete Meyers博士最近指出，“谷歌在从启发式方法到机器学习方法的道路上已经走过了漫长的道路，但是我们在2016年所处的位置离人类语言理解还有很长的路要走。要想真正发挥SEO工作人员的作用，我们仍然需要了解这台机器是如何思考的，以及它在哪些方面不符合人类行为。如果您想要进行真正的下一个级别的关键字研究，您的方法可以更人性化，但是您的过程应该尽可能地复制机器的理解。”Moz已经在其搜索引擎中汇集了一些指南和博文，以了解谷歌最新的人工智能，并发布了最新的工具Keyword Explorer，来解决这些变化。
谷歌分解排名更新
在我解释如何为SEO工作人员做事情之前，我首先要谈谈技术是如何使谷歌的搜索引擎达到现在的状态的。直到最近，谷歌才拥有了一种计算能力，开始让“实时”更新成为现实。2010年6月18日，谷歌修改了其索引结构，被称为“Caffeine”，这使得谷歌可以比以往任何时候都更快地更新搜索索引。现在，一个网站可以发布新的或更新的内容，并且几乎可以立即在谷歌上看到更新。但这是怎么做到的呢？在Caffeine更新之前，谷歌和其他搜索引擎一样运作。它爬行和抓取并索引了它的数据，然后通过大量的SPAM过滤器和算法排名来发送索引数据，这些数据最终决定了谷歌搜索引擎结果页面的最终排序。
然而，在Caffeine的更新之后，选择新鲜的内容可以通过一个简短的评分过程（这是暂时的），然后直接进入搜索结果。一些次要的事情，比如更新页面的标题标签或元描述标签，或者已经发表的文章已经被“审查”的网站，都将成为这个新过程的候选。听起来不错，对吧？事实证明，这就造成了一个巨大的障碍，即在你的网站上的改变和改变对你排名的影响之间建立联系。对其搜索结果的更新，以及随后的算法排名评分过程，都让许多SEO工作人员误以为某些优化是有效的，但实际上他们并没有这样做。这是未来谷歌的先驱，它将不再以序列化的方式运行。谷歌的博客有效地阐述了新的Caffeine范例：“Caffeine平行处理几十万页。”
从模糊的角度来看，Caffeine为谷歌的核心排名信号提供了广泛的掩护。只有一丝不苟的SEO团队，仔细地隔离每一个更新，现在可以破译出在这个新的并行算法排名环境中哪些优化负责特定的排名变化。当我联系到Searchmetrics公司的创始人兼首席技术官Marcus Tober提出评论时，他说，“谷歌现在考虑了数百个排名因素。RankBrain使用机器学习将多个因素组合成一个，这意味着每个查询的因素都有不同的权重。这意味着，即使是谷歌的工程师，也很有可能不知道其高度复杂算法排名的确切组成。”
“通过深入的学习，它是独立于人类干预的发展。随着搜索的发展，我们的方法也随着谷歌的算法排名变化而发展。我们分析主题、搜索意图和销售渠道阶段，因为我们也在我们的平台上使用了深度学习技术。我们强调内容相关性，因为谷歌现在优先考虑满足用户的意图。”为了确定相关性，这些孤立的测试周期现在非常重要，因为谷歌索引上的日常变化不一定与排名变化联系在一起。
原子算法排名的分裂
似乎这还不够，2015年末，谷歌在其搜索引擎中发布了机器学习，该搜索引擎继续将排名的变化与过去的标准做法区分开来。正如业内资深人士John Rampton在TechCrump中所报道的那样，谷歌内部的核心算法排名现在可以根据搜索结果独立运行。这意味着对一个关键字有效的方法可能不适用于另一个关键字。谷歌搜索排名的这种拆分在业界造成了巨大的悲痛，因为传统工具（它们对数百万关键词任意进行优化）已不再能够在这个宏观层面上运作。现在，搜索者意图实际上决定了在特定环境中哪些算法排名和排序因子比其他算法排名和排序因子更重要。
不要把这与最近宣布的移动与台式机将有一个单独的索引的公告混为一谈，在这个索引中将有一个明确的区分。有多种工具可以帮助SEO工作人员了解它们在不同索引中的位置。但是，在同一索引中，那么SEO工作人员如何处理不同的排序算法排名呢？挑战在于根据关键字对这些算法排名移位进行分类和分析。其中一项技术，解决了这个问题，并引起了广泛的关注，是由Carnegie Mellon大学的校友Scott Stouffer发明的。在谷歌多次试图聘用他之后，Stouffer决定与人合建一个由人工智能驱动的企业SEO平台，名为Market Brew，这是基于近年来授予的多项专利。
Stouffer解释说。“早在2006年，我们就意识到机器学习最终会被部署到谷歌的评分过程中。一旦发生这种情况，我们就知道算法过滤器将不再是SEO规则的静态集合。搜索引擎将足够聪明，能够根据机器学习来调整自己，过去什么最适合用户。所以我们创建了Market Brew，它本质上是为了“机器学习机器”。”
“我们的通用搜索引擎模型可以训练自己输出非常相似的结果到真实的东西。然后，我们使用这些预测模型作为一种 ‘Google Sandbox，快速测试一个A/B网站的各种变化，立即预测该品牌的目标搜索引擎的新排名。”因为谷歌的算法排名在关键字之间的工作方式不同，Stouffer说不再有清晰的划分。关键字和用户意图、先前的成功和失败等内容的组合决定了谷歌如何衡量其各种核心算法。
预测和分类算法排名转移
我们作为SEO工作人员，是否能够从数量上理解关键字之间的算法排名差异/权重？正如我前面提到的，有一些使用现有工具来聚合这些信息的方法。也有一些新的工具出现在市场上，使SEO团队能够为特定的搜索引擎环境建模，并预测这些环境是如何在算法排名上改变的。很多答案取决于你的关键词的竞争力和广度。例如，如果一个品牌只专注于一个主关键字，并且后续的长尾关键词短语有许多变体，那么它可能不会受到这种处理搜索结果的新方式的影响。一旦SEO团队发现了问题，他们就明白了。另一方面，如果一个品牌必须担心跨越不同环境中的不同竞争对手的许多不同关键字，那么对这些新技术的投资可能是有根据的。SEO团队需要记住，他们不能简单地将他们在一个关键字环境中学到的东西应用到另一个关键字环境中。必须采用某种适应性分析。
总结
技术正迅速适应谷歌的新搜索排名方法。现在有工具可以跟踪每个算法排名的更新，确定哪些行业和类型的网站受到的影响最大。为了应对谷歌对人工智能的新重视，我们现在看到了新的搜索引擎建模工具的加入，这些工具试图准确预测哪些算法排名正在变化，因此SEO工作人员可以随时调整策略和战术。对于工程师和数据科学家来说，我们正进入一个SEO的黄金时代。随着谷歌的算法排名继续变得更加复杂和相互交织，SEO行业已经用新的强大工具来帮助理解我们所处的这个新的SEO世界。
欢迎与我们交流您的想法。
这篇文章是由lunarpages主机中文导航（https://lunarpages.cn/）提供的，专业提供服务器托管、云服务器、lunarpages主机等相关主机技术、最新资讯。