|
內容目錄
在介紹演算法前,我們要先了解 Google 運作的原理。為方便理解,我們可以將 Google 想像成一座巨大的圖書館、而每個網站是一本書。
首先,會有圖書館工作人員造訪各書店、出版社。接著根據館藏規則,選擇適合的書籍加入圖書館藏書中。最後,在用戶來圖書館查找想要的資訊時,根據其想了解的資訊給予對應的書籍。透過上面的例子,我們可以將搜尋引擎的運作拆解為四個階段:
Google 會透過海量的網站檢索器(Crawler,也就是常聽到的「爬蟲」)造訪數以千萬計的網站,研究網站上的資料,如文字、多媒體素材、甚至是程式碼等。
這個階段主要是讓爬蟲造訪、知道有網站的存在。因此,提升網站被爬蟲檢索的機會(網站的「易爬性」)是此階段的要點:
當 Google 爬蟲造訪完網站後,會將適合的網站收錄於搜尋引擎伺服器當中。須特別注意,即便網站資料在 Google 伺服器中已被收錄,未必會呈現於搜尋結果排名上。
用戶在進行關鍵字搜尋時,Google 會分析其搜尋意圖,並依照之前索引的網站抓取相關內容。因此網站與用戶搜尋關鍵字之間的關聯性是很重要的。若想提升關聯性建議重點加強網站內容的關鍵字佈局與外部連結(External Link)。
Google 會根據不同要素,如網站安全性、權威性、內容相關性、甚至是用戶搜尋的裝置、位置或語言等,給予不同網站評分並排名,也就是我們看到的搜尋結果頁(SERP,Search Engine Results Page)。影響排名的重點因素包含但不限於:
透過上面四個階段可以了解搜尋引擎的運作原理。而在不同的階段,各有不同的 Google 演算法發揮作用,協助搜尋引擎判斷哪些網站實際帶給用戶價值。
Google 演算法每年可能會有 1 到 2 次的重大更新、上百甚至上千次的微更新。若想詳細了解演算法的演進,Google 官方有整理很詳細的 Google 演算法歷史沿革提供給大家參考。以下 Ranking 精選 7 支對於 SEO 影響較大的演算法進行介紹(依更新時間排序):
根據 Google 搜尋排名系統指南於 2022 年 11 月更新,分享了許多現行的核心搜尋排名系統演算法。另外,公布許久的熊貓演算法與企鵝演算法已整合至核心排名系統或其他演算法當中;另蜂鳥演算法也已不復存在。以下關於此三支演算法之相關內容供參考演算法發展的概況。
*熊貓演算法於 2015 年已整合至 Google 核心排名系統。
熊貓演算法可視為 Google 內容質量的守門員。為確保使用者搜尋時都能獲得優質資訊,在 2011 年 Google 熊貓誕生了,旨減少內容農場或低質量網站的存在、並透過排名機制獎勵好的網站內容。熊貓演算法主要針對以下內容進行審查:
為更進一步保障用戶的獲得內容的權利,Google 於 2018 年更新 E-A-T 演算法,用於審視特定類別產業所產出的網站內容,以 YMYL 為大宗。
YMYL 全稱「Your Money Your Life」,如金融、醫療、健康、法律等類型產業,為避免網路使用者獲取錯誤資訊,影響其財富與生存,Google 會讓擁有權威背書、提供正向影響的網站取得更高的排名。而所謂的 E-A-T 則是 Expertise、Authority、Trustworthiness 的縮寫,用以判定網頁內是否專業原創、網站權威度是否有足夠、安全機制是否穩固。
*企鵝演算法於 2016 年已整合至 Google 核心排名系統。
Google 在 2012 年發布了企鵝演算法,用以解決低品質反向連結與關鍵字填塞等黑帽 SEO 操作狀況。但凡被企鵝演算法判定為黑帽操作,有可能受到降低排名,甚至取消排名的懲罰,須特別注意!
若因商業合作或其他需求需建立大量外部連結時,建議可在 HTML 中標記「nofollow」以避免被演算法視為惡意操作。Nofollow 標籤的用意即在於提醒 Google 「此連結僅提供資訊,不代表本網站」。
*蜂鳥演算法據 Google 文件說明,已進一步發展為其他演算法系統。
蜂鳥演算法發布於 2013 年,與上面兩支演算法以「提升搜尋結果品質」為目的不同,蜂鳥演算法意在協助搜尋引擎建立知識圖譜(Knowledge Graph)以認知事物、建立「主體」概念。
以下圖為例,搜尋關鍵字「班尼迪克蛋」後右方出現的區域即為知識圖譜,代表 Google 對此關鍵字已建立主體概念,憑藉過往用戶的搜尋資料與網站內容,搜尋引擎認知到「班尼迪克蛋 = 火腿蛋鬆餅」。
2014 年公布的 Google 鴿子是影響 Local Search (在地化搜尋)的重點演算法,根據用戶進行搜尋時所在的地理位置調整其搜尋排名結果。搜尋「餐酒館」這組關鍵字為例,可以看到下方位於首位的搜尋結果是根據地點與距離呈現的資訊。
若是經營實體店家或希望用戶搜尋到公司位置的品牌,可以透過建立 Google My Business 店家資料來符合鴿子演算法,更有機會在搜尋結果頁上取得高排名。
延伸閱讀:【Local SEO】用 Google 我的商家優化案例解析 Local SEO 效益!
RankBrain 於 2015 年正式推出,是 Google 首次對外公布透過 AI 訓練的一支演算法。RankBrain 針對關鍵字搜尋進行語意假設,後根據其假設預設用戶的搜尋意圖並提供結果。
以「玉子燒」這組搜尋為例,下圖可看到搜尋結果以「玉子燒做法」居多,而非「有販售玉子燒的餐廳」或是「玉子燒哪裡買」等結果,就是因為 Google 根據 RankBrain 演算法判搜尋這組關鍵字的意圖大多是想了解玉子燒的做法。
同時,RankBrain 會根據用戶在網站之中的行為,例如點擊、跳轉頁面等等,去判斷提供的搜尋結果是不是符合用戶需要的內容。透過點擊率、停留時間、跳出率這些可量化的數據調整其排名,並藉由搜尋意圖的假設與驗證的不斷循環,讓提供給用戶的搜尋結果與體驗更臻至完善。
BERT 是「Bidirectional Encoder Representations from Transformers」的簡稱,其公布於 2019 年,可視為蜂鳥演算法的進一步發展。是基於「自然語言處理(NLP,Natural Language Processing)」AI 訓練字詞與預測前後文,以梳理內容脈絡。如果蜂鳥演算法是讓 Google 能夠認知到「字(主體)」的概念,BERT 就是進一步將「字」延伸到整個「文本(主體所在的情境)」。作為 Google 設計的 AI 演算法,BERT 同樣具備假設與驗證的循環,透過對文本脈絡的假設與用戶體驗回饋的驗證,讓搜尋引擎能深度了解用戶行為。
最後是在 2021 年公布但尚未全面更新的演算法-MUM 演算法,全名 Mutitask Unified Models。雖尚未全面更新於排名系統,但預測其會是 Google 接下來發展的重點。其關注要點在於目標受眾與關鍵字議題間的「相關性」。透過前三支演算法,搜尋引擎對於搜尋議題、語意的認知都有了進一步的提升,隨後重視的便是網站的內容在經過一層一層的驗證後,是否最終能帶給目標受眾價值。
總結RankBrain、BERT、MUM 等演算法,我們可以觀察到 Google 演算法不斷的透過學習與驗證,試圖將用戶的搜尋意圖有更透徹的分析。其背後的原因也不難理解-Google 搜尋引擎是以「匯整全球資訊,供大眾使用,使人人受惠」為使命,越接近人類的思考了解我們的需求,Google 就越有可能解決我們提出的問題。
從上我們認識了演算法與其是如何影響搜尋引擎運作的每個階段,不免會有這樣的問題-細節如此之多,該如何才能兼顧呢?Ranking SEO 工具能解答上面的問題:
Ranking 提供網站 SEO 健檢報告功能,針對 Google 演算法看重的各項指標提供評分與項目優化建議。以其中最直接影響爬蟲的「檢索與索引」為例,一張表格便能分析 Sitemap、Meta nofollow 等項目是否妥善建立。其他如網站安全性、使用體驗等指標也整合於同一個頁面,所有細節一次兼顧。
網頁優化評測則可視為網站健檢的延伸,其中「內容分析」與「連結檢查」兩個是影響關聯性的關鍵指標。透過檢視 HTML 架構狀況與連結正確性,打造爬蟲友善的網頁內容,以貼近 Google 演算法。
體驗 SEO 高效優化:點此免費取得 7 天試用
如文章中所提到的,Google 演算法每年更新上百餘次,而每次的更新或多或少都對排名有所影響。除了密切追蹤 Google 官方發布的訊息外,更重要的是追蹤自己網站的數據變化、持續優化 SEO,才能因應變化莫測的演算法。
除了搭配好的 SEO 工具進行監測與優化外,若是無暇應付 Google 密切的演算法更新,Ranking 提供市場領先的 SEO 專案服務,以白帽手法操作、貼近 Google 核心、從網站架構到內容一條龍經營,會是品牌應對市場的最佳選擇:點此了解 Ranking 優質專案服務。
期許用深入淺出的方式帶你進入 SEO 世界,提供實用性高的優質文章,簡化 SEO 複雜流程及技術,讓每個人都能快速理解 SEO 行銷,一起登上 Ranking 火箭讓排名再創高峰!※若有行銷相關問題或者業務合作歡迎隨時與我們聯繫!