Yandex está trabajando activamente para mejorar el trabajo de búsqueda. Cada cambio en los algoritmos de búsqueda tiene como objetivo aumentar su efectividad para los usuarios.
El objetivo principal de la búsqueda es proporcionar al usuario información completa, útil y relevante que lo ayude a resolver el problema rápidamente y sin un esfuerzo innecesario.
Los resultados de la búsqueda están completamente formados por algoritmos de científico de máquina, lo que garantiza los resultados imparciales. La intervención manual en los cambios en el procedimiento para mostrar resultados es imposible.
Para buscar las páginas más adecuadas, la búsqueda tiene en cuenta muchos factores, incluida la solicitud del usuario, el contenido de las páginas, la interacción con ellas, la conexión entre las páginas y la ubicación del usuario. Los algoritmos evalúan automáticamente la calidad del sistema utilizando métricas, que se calculan sobre la base de datos sobre la interacción con los resultados de búsqueda.
Para el aprendizaje automático, se utilizan datos sobre las interacciones del usuario con los resultados de la búsqueda, así como la evaluación de especialistas (Asssorov), que verifican manualmente la relevancia y la calidad de los resultados. Para garantizar la objetividad, las evaluaciones de los evaluadores están controladas por un sistema que incluye la contratación, la capacitación y las herramientas para trabajar con calificaciones. Estas estimaciones ayudan a mejorar los algoritmos de clasificación, pero no se usan directamente para influir en los resultados de la búsqueda.
Todos los cambios en el sistema de clasificación pasan por la introducción automática de nuevos algoritmos, se controlan utilizando métricas basadas en datos de usuarios (proxima) e interacción con los resultados de búsqueda (excedente).
Cada posible cambio en los algoritmos de búsqueda se estima mediante dos métricas clave:
Para evaluar la calidad de la búsqueda, Yandex utiliza activamente los evaluadores que ayudan a evaluar la relevancia y la calidad de sitios y resultados específicos. Estas estimaciones ayudan a comprender cuán útil es un cambio en los usuarios, pero no afectan la clasificación directamente.
Para verificar los cambios, se mantienen experimentos en línea, en los que los usuarios se dividen al azar en dos grupos: uno ve la versión actual de la búsqueda, y la otra es nueva. Habiendo recopilado los datos, los expertos concluyen si el cambio es positivo para los usuarios, utilizando métricas clave de calidad, la principal de los cuales es el excedente.
La métrica de proxima se basa en evaluaciones de los evaluadores y señales adicionales sobre la calidad del contenido. Incluye muchos factores para una evaluación precisa de la calidad de la página:
La métrica de proxima continúa desarrollándose, incluidas nuevas señales sobre la calidad de las páginas y la resolución de problemas de los usuarios.
El excedente métrico evalúa la utilidad de la emisión, es decir, cuán efectivamente, los usuarios resuelven sus problemas a través de los resultados de búsqueda.
Tiene en cuenta tanto la cantidad como la calidad de las interacciones del usuario con los resultados de búsqueda. Para la formación de la emisión, se seleccionan aquellos elementos que son del mayor valor en el excedente predicho.
El sistema también optimiza la ubicación de los elementos en la página para aumentar el valor predicho del excedente y el proxima para toda la emisión. Si el excedente real difiere de la esperada, el algoritmo ajusta los resultados en el proceso de reentrenamiento.
El excedente se calcula de acuerdo con las siguientes reglas:
La métrica tiene en cuenta ambos clics en enlaces y acciones sin clics (por ejemplo, si el usuario ha encontrado la información necesaria en una respuesta de fábrica). Todas estas interacciones pueden afectar la métrica, aumentándola.
Para obtener más información y consultas sobre problemas de SEO para su sitio, puede comunicarse con nuestro equipo a través del correo electrónico: info@seo.computer o a través de whatsapp: +79202044461.
ID 155