Google poodhaluje tajemství své vyhledávací inteligence

New York Times včera vydal obsáhlý článek Google Keeps Tweaking Its Search Engine, ve kterém dva inženýři oddělení kvality vyhledávání Googlu, Amit Singhal a Udi Manber, překvapivě otevřeně hovoří o zajímavých detailech vyhledávacích a řadících algoritmů.

Z článku vybírám informace důležité z pohledu optimalizace pro vyhledavače (SEO):

• Google funguje ve 112 jazycích, indexuje desítky miliard stránek a denně zpracuje stovky milionů dotazů (tj. tisíce dotazů za vteřinu).
• Tým kvality vyhledávání provede téměř denně nějakou změnu ovlivňující chování vyhledavače.
• Nedávno se zlepšila schopnost vyhledavače pochopit, co uživatel hledá krátkými a víceznačnými dotazy. Ví nápříklad, že dotazem “apples” lidé hledají ovoce, kdežto dotazem “Apple” počítače nebo iPody.
• Asi stokrát denně některý z deseti tisíc zaměstnanců Googlu nahlásí prostřednictvím interního systému Buganizer nějaký problém ve vyhledávání.
• Některé problémy se řeší okamžitě, např. když nedávno v důsledku presidentských voleb ve francii začal Google vracet nepříliš relevantní výsledky na dotaz “french revolution”.
• Každý dotaz dostane QDF (query deserves freshness) skóre určující poměr nových (nebo čerstvě aktualizovaných) a již dlouho etablovaných stránek ve výsledcích hledání. QDF skóre vychází z obsahu blogů aj. aktuálních stránek (o čem se právě píše) a z analýzy vyhledávacích trendů (co se právě hledá).
• Řazení odkazů ve výsledcích vyhledávání ovlivňuje přes 200 kritérií, kterým v Googlu říkají signály (signals). Slavný PageRank je jen jedním z těchto signálů.
• Některé signály jsou na samotných stránkách (slova, odkazy apod.), některé pocházejí z historie změn stránek v čase a některé se čerpají ze vzorců ukrytých v trilionech hledání, která Google za ty roky zpracoval.
• Roste podíl signálů spojených s personalizací a historií hledání jednotlivých uživatelů. To se ovšem vztahuje jen na přihlášené uživatele.
• Jednotlivé dotazy jsou označeny klasifikátory, které pomáhají určit, co uživatel hledá — např. produkt ke koupi, informace o místě nebo osobu. Nedávno Google vyvinul nový klasifikátor identifikující jména lidí, kteří nejsou slavní. Jiný klasifikátor identifikuje známé značky.
• Signály a klasifikátory slouží pro výpočet klíčových kritérií relevance stránek. Jedním z kritérií je tematičnost (topicality), která měří vztah stránky k obecnější kategorii dotazu. Jedna stránka se může s různou mírou týkat více tematických kategorií.
• První desítka výsledků vyhledávání je namíchána tak, aby diversita odkazů odpovídala víceznačnosti dotazu. Stránky s nejvyšším skóre relevance ji tedy obsadí jen tehdy, je-li dotaz dostatečně jednoznačný.

Článek podrobně rozebírá též Rand Fishkin v Remarkable Openness from Google’s Black Box Thanks to Saul Hansel (SEOmoz) nebo Philipp Lenssen v Behind the Scenes of Google Rankings (Google Blogoscoped).