Яндекс публикует информацию о том, как он принимает решение о том, является ли изменение алгоритма улучшением. Это самая показательна страница во всей документации, потому что на ней названы две метрики, по которым тестируется любое изменение ранжирования.
Заявленные принципы
- Результаты генерируются исключительно алгоритмами машинного обучения и не могут быть переупорядочены вручную.
- Релевантность вычисляется на основе запроса, содержимого страницы, истории взаимодействия пользователей с этими страницами, языка, местоположения, связей между страницами и множества других факторов.
- Полнота индексирования является главным приоритетом, применяемым единообразно для каждого типа источника. Контент удаляется из результатов только за спамдексинг, вред для пользователей или нарушения закона.
- Формат представления выбирается по вероятности достижения цели пользователя — а не по источнику.
Проксима — метрика качества страниц
Сформирована на основе оценок ассесоров плюс дополнительных сигналов. Она оценивает релевантность запросу (включая экспертную оценку профильными специалистами), вероятность достижения цели пользователя на этой странице и сайте, качество, полезность и уникальность контента, баланс между полезным и навязчивым контентом, дополнительные сигналы о качестве контента и авторитетности автора для сложных тем, таких как здоровье, юридические и финансовые услуги, а также удобство потребления контента.
Если читать ее как чек-лист, это самое конкретное определение того, что означает «хороший контент» в Яндексе, а пункт об навязчивости делает плотность рекламы фактором ранжирования, а не вопросом вкуса.
Профицит — метрика удобства использования результатов
Измеряет, насколько быстро достигается цель пользователя, на основе качества и количества взаимодействий с отдельными результатами и другими элементами страницы. Выбираются форматы с более высоким прогнозируемым Профицитом, а расположение всей страницы результатов оптимизируется сразу по обеим метрикам.
Как на самом деле работают ассесоры
Они оценивают страницы и элементы результатов, но их оценки никогда не попадают в ранжирование напрямую — они являются обучающими данными для алгоритмов машинного обучения и проверкой того, является ли предлагаемое изменение улучшением. Беспристрастность обеспечивается за счет найма, обучения, инструкций, инструментов и намеренного пересечения между ассесорами. Изменения, прошедшие проверку, затем тестируются в реальном эксперименте на контрольной группе.
Почему это стоит прочитать
Потому что это отвечает на вопрос, стоящий за каждым обсуждением ранжирования: что именно оптимизируется. Работа, которая повышает Проксиму и Профицит, долговечна; работа, которая не делает ни того, ни другого, — нет, независимо от того, что она делает с позицией в этом месяце.
Как мы это применяем
We use the Proxima criteria as the content brief on Yandex-facing projects, because it is the search engine’s own definition of quality rather than an inferred one. The line clients react to most is the balance between useful and intrusive content — it makes the pop-up conversation a ranking conversation. And the fact that assessor scores never touch ranking directly ends the recurring myth that a site can be manually penalised or promoted by a person.
Связанные услуги