搜索引擎如何使用机器学习：我们确定知道的事情

smr731786

当我们在 2010 年代初第一次听说机器学习时，起初看起来很可怕。 但是一旦向我们解释了这一点（并且我们意识到技术已经被用来为我们提供解决方案），我们就开始研究实际问题：机器学习基本上使用算法来计算趋势、价值或基于特定事物的其他特征 关于历史数据。 谷歌甚至宣布自己是一家专注于机器学习的公司。 如果您想详细了解这项技术的战术方面，Eric Enge 在 Moz 上有一篇很棒的文章，从数学角度解释了机器学习如何影响 SEO。 搜索引擎总是喜欢尝试如何使用这种不断发展的技术，但我们知道他们目前使用机器学习的九种方式以及它与 SEO 或数字营销的关系。 搜索引擎使用机器学习进行模式检测，以帮助识别垃圾邮件或重复内容。 他们插入了低质量内容的共同属性，例如： 能够检测这些类型的模式大大减少了真人检查所有内容所需的人力。 尽管人类质量评估者仍然存在，但机器学习已经帮助谷歌自动筛选页面以剔除低质量页面，而无需真正的人首先查看它们。

机器学习是一项不断发展的技术 新西兰手机号码列表 因此分析的页面越多，它就越准确（理论上）。 根据 2016 年谷歌 Gary Illyes 的播客，RankBrain 不仅有助于识别查询中的模式，还有助于搜索引擎识别可能的新排名信号。 搜索这些信号是为了让 Google 可以继续提高搜索查询结果的质量。 Illyes 在播客节目中还提到，谷歌的更多信号可能会基于机器学习。 由于搜索引擎能够教会技术如何自己运行预测和数据，因此可以减少体力劳动，员工可以转向机器无法完成的其他事情，例如创新或以人为本的项目。 然而，尽管机器学习正在慢慢改变搜索引擎查找和排名网站的方式，但这并不意味着它对我们的 SERP 产生重大影响（目前）。 在同一个播客采访中，Illyes 说这只是他们整体排名信号平台的一部分，并且作为他们整体算法的一小部分进行加权。 谷歌的最终目标是利用技术为用户提供更好的体验。 如果这意味着用户将无法获得他们正在寻找的体验，他们不想让整个过程自动化。

所以不要假设机器学习会很快接管所有搜索排名； 这只是搜索引擎拼图的一小部分，希望能使我们的生活更轻松。 根据华盛顿大学 2017 年 7 月的一项研究，搜索引擎中的机器学习可能会因查询类别或措辞而异。 研究人员使用俄罗斯搜索引擎 Yandex 来分析不同查询的结果。 他们发现显示的结果类型在很大程度上取决于查询类别或措辞。 这意味着机器学习可以在某些查询中比在其他查询中或多或少地对变量赋予更多的权重。 总体而言，已发现通过机器学习个性化的自定义搜索可将结果的点击率 (CTR) 提高约 10%。 随着用户在 Yandex 中输入更多的查询，我们发现 CTR 持续增加。 这可能是因为搜索引擎正在“学习”特定用户的偏好，并且可以将其信息基于以前的查询以尽可能呈现最有趣的信息。 会议演示中经常使用的一个示例是单会话查询字符串以及结果如何根据您上次搜索的内容而变化。 例如，如果我在隐身浏览器中搜索“New York Football stadium”，我得到的响应是“MetLife Stadium”。然后，如果我在同一浏览器中仅搜索“jets”，Google 会假设因为我上次查询的是 football stadium，此查询也适用于足球。

nihaolai

好好好好好好好好好好好好好好好好好顶