Sherpa SEO 🏔: post #43 — TG.ME

معرفی History Component در پتنت “Document scoring based on query analysis”

❇️ در مطلب قبلی درباره Freshness یک داکیومنت صحبت کردیم اما امروز قصد دارم تا کمی زاویه دیدمون رو وسیع تر کرده و به یکی از شاخص‌های مهم رتبه بندی گوگل یعنی "Historical Data" بپردازیم.

💥جرقه ایده نوشتن این موضوع زمانی به ذهنم رسید که در حال مطالعه پتنت “Document scoring based on query analysis” بودم؛ در حین مطالعه نکات زیادی دستگیرم شد و از همین رو بهتر است با دیدی وسیع تر این #الگوریتم_گوگل را موشکافی کنیم.

🔰 همانطور که قبلا هم اشاره کردیم ما هیچگاه مطمئن نیستیم که یک الگوریتم در هسته گوگل فعال است یا نه؛ اما روش‌های تجربی وجود دارد که می‌توانیم احتمال فعال و مورد استفاده بودن یک #پتنت را به صورت تقریبی پیش بینی کنیم.

📌 یکی از این روش‌ها، استناد به نام نویسنده‌های پتنت مورد نظر است. از اسامی مانند Jeffrey Dean, Paul Haahr, Monika Henzinger,Karl Pfleger و Steve Lawrenceدر این پتنت نام برده شده که هر کدام به صورت جداگانه وزنه سنگینی در این غول جستجو محسوب می‌شوند؛ همین موضوع این اطمینان را به ما می‌دهد که این الگوریتم با درصد شانس بالایی در هسته گوگل فعال است.

🆕 در این پتنت درباره چالش‌های مختلفی مثل ارزیابی Freshness محتوا، شناسایی Spam و امتیازی که گوگل به یک داکیومنت می‌دهد را مورد تحلیل و بررسی قرار می‌دهد.

به صورت جزئی‌تر این پتنت به چندین نکته بسیار مهم اشاره دارد:

این الگوریتم نشان می‌دهد که فرآیند بررسی و ارزیابی گوگل به صورت روندی محاسبه می‌شود. است و مطلق نیست؛ به زبان ساده‌تر گوگل روند‌های صعودی 📈 و نزولی 📉 را در فرآیند بررسی داکیومنت‌ها تحلیل و تفسیر می‌کند.

همانطور که اشاره کردیم این الگوریتم هم، به ابعاد مختلفی مانند Freshness محتوا، لینک‌ها و Inception Date میپردازد.

یکی از تصاویر مهم موجود در این Patent عکس (شماره 1) زیر است:

همانطور که مشاهده می‌کنید سه بخش در مکانیزم عملکرد این الگوریتم نقش دارند:

بخش Document Locator که مرتبط با Information Retrieval است که قبلا درباره IR صحبت کرده‌ایم.
بخش Ranking Component که به سکشن رتبه بندی اشاره دارد.
🕒 اما بخش بسیار مهمی که امروز قرار است درباره آن صحبت کنیم History Component است.

در واقع History Component یک فناوری است که توسط گوگل ثبت شده که وظیفه آن جمع آوری اطلاعات و داده‌ها برای یک داکیومنت مشخص است.

اما چه اطلاعاتی را می‌توان به عنوان History Data در History Component ذخیره کرد؟

🔹اطلاعات Inception Date

🔹تغییرات محتوایی

🔹تحلیل و بررسی کوئری‌ها

🔹انکرتکست‌ها

🔹ترافیک

🔹رفتار کاربر

🔹اطلاعات مرتبط با دامین

🔹تاریخچه رتبه بندی (قبلا چه رتبه‌هایی داشته)


📣 تا به امروز من History Component را در دو Patent گوگل دیدم:

1️⃣ پتنت Document scoring based on query analysis

2️⃣ پتنت Document scoring based on traffic associated with a document

😎 بعد از درز اطلاعات گوگل فهمیدیم که چقدر مبحث Historical Data تاثیر بسزایی روی رتبه بندی داکیومنت‌ها دارد پس از همین رو هیچوقت نباید از آن غافل شد.

تمام این توضیحات را دادیم تا متوجه شویم که در الگوریتم “Document scoring based on query analysis” گوگل از چهار شاخص اصلی برای سنجش یک صفحه استفاده می‌کند، برای درک بهتر سعی می‌کنم تا هر شاخص را با مثالی بررسی کنم تا درک آن ساده‌تر شود:

1️⃣ شاخص Inception Date

فرض کنید یک مقاله درباره آخرین گوشی‌های هوشمند موجود در بازار در وبلاگ یک سایت حوزه فناوری و تکنولوژی منتشر کرده‌اید که 10 بکلینک نیز بدست آورده است، در این سناریو این مقاله ممکن است در کوئری بهترین گوشی‌های هوشمند از مقالات قبلی که اعتبار بالایی هم دارند رتبه بهتری بدست آورد.

2️⃣ شاخص بروزرسانی محتوا Content Updates

در این الگوریتم نشان داده شده که بروزرسانی محتوا تاثیر بسیار زیادی دارد، فرض کنید شما یک وبسایت در حوزه سلامتی دارید و به صورت مرتب و ماهانه اطلاعات آن را بروزرسانی می‌کنید، در این شرایط شما نسبت به رقبایی که محتوا خود را کمتر بروزرسانی می‌کنند.
Telegram
Sherpa SEO 🏔
ضمیمه
👍5👌2❤‍🔥1
August 11, 2024 580 12