Encontrei algumas coisas interessantes no último documento do DOJ vs. Teste do Google. O Google apelou da decisão que afirma que eles precisam fornecer informações proprietárias aos concorrentes.

Principais vantagens:

• O Google foi obrigado a fornecer informações aos concorrentes para não ser um monopólio ilegal. O Google não quer revelar seus extensos dados do usuário.
• Os dados do Google sobre qualidade e atualização da página são proprietários. Eles não querem entregá-lo.
• As páginas indexadas são marcadas com anotaçõesincluindo sinais que identificam páginas de spam.
• Se os spammers obtivessem esses sinais de spam, seria difícil impedir o spam.
• Os dados do usuário são importantes para o sistema Glue do Google que armazena informações sobre cada consulta pesquisada, o que o usuário viu e como interagiu com os resultados da pesquisa.
• Os dados do usuário são importantes para treinar o RankEmbed BERT – um dos sistemas de aprendizagem profunda por trás da Pesquisa.

OK, vamos entrar nas coisas interessantes!

O Google tem sinais proprietários de qualidade e atualização de página

Isso realmente não é uma surpresa. eu achei interessante isso sinais de frescor estão no centro dos segredos proprietários do Google.

Novamente, aqui está mais sobre a importância dos sinais de atualização proprietários do Google:

As páginas rastreadas são marcadas com ‘anotações de compreensão de página proprietária’

Cada página no índice do Google é marcada com anotações para ajudá-lo a compreender a página. Isso inclui sinais para identificar spam e páginas duplicadas. Já escrevi antes sobre como cada página do índice tem uma pontuação de spam.

Pontuações de spam podem ser usadas para sistemas de classificação de engenharia reversa

O Google não quer compartilhar informações com seus concorrentes sobre essas questões.

Se as pontuações de spam forem divulgadas, isso poderá levar a mais spam e mais dificuldade para o Google no combate ao spam.

O Google constrói o índice usando essas páginas marcadas

As páginas nas quais o Google adicionou anotações de compreensão de página são organizadas com base na frequência com que o Google espera que o conteúdo precise ser acessado e na atualização do conteúdo.

Apenas uma fração das páginas entra no índice do Google

O Google argumenta que fornecer aos concorrentes uma lista de URLs indexados permitirá que eles “renunciem ao rastreamento e à análise da web em geral e, em vez disso, concentrem seus esforços no rastreamento apenas da fração de páginas que o Google incluiu em seu índice”. Construir esse índice custa muito tempo e dinheiro ao Google. Eles não querem dar isso de graça.

O papel dos dados do usuário nos sistemas de classificação do Google

Esta é a parte mais interessante. Sinto que não prestamos atenção suficiente ao uso que o Google faz dos dados dos usuários. (Fique ligado no meu Canal do YouTube pois em breve lançarei um vídeo muito interessante com minhas idéias sobre como os dados do lado do usuário são tão importantes – provavelmente o fator MAIS importante nos sistemas de classificação do Google.)

Os dados do usuário são usados ​​para construir modelos GLUE e RankEmbed

Google Glue é uma enorme tabela de atividades do usuário. Ele coleta o texto das consultas pesquisadas, o idioma do usuário, localização e tipo de dispositivo, além de informações sobre o que apareceu na SERP, o que o usuário clicou ou passou o mouse, quanto tempo permaneceu na SERP e muito mais.

RankEmbed BERT é ainda mais interessante. RankEmbed BERT é um dos sistemas de aprendizagem profunda que sustenta a Pesquisa. No Pandu Nayak testemunho, aprendemos que o RankEmbed BERT é usado para reclassificar os resultados retornados pelos sistemas de classificação tradicionais. RankEmbed BERT é treinado em dados de cliques e consultas de usuários reais.

Os sistemas de IA por trás da pesquisa estão aprendendo continuamente a melhorar ao apresentar resultados satisfatórios aos pesquisadores. O Google analisa no que eles estão clicando e se retornam às SERPs ou não. O Google também realiza experimentos ao vivo que analisam o que os usuários escolhem clicar e permanecer. Essas ações ajudam a treinar o RankEmbed BERT. Ele é ainda mais ajustado pelas classificações dos avaliadores de qualidade. Em breve publicarei mais sobre isso. O ponto principal que quero enfatizar é que a satisfação do usuário é de longe a coisa mais importante que devemos otimizar!

No documento de Liz Reid que estamos analisando hoje, podemos ver que os dados do usuário são usados ​​para treinar, construir e operar modelos RankEmbed.

Mais uma vez, aprendemos que os dados do usuário usados ​​para treinar esses modelos incluem consulta, localização, horário da pesquisa e como o usuário interagiu com o que foi exibido a ele.

Isso se refere às ações que os usuários realizam nos resultados da Pesquisa Google. O que eu realmente quero saber é qual a função que os dados do Chrome usam. O Google verifica se as pessoas estão interagindo com suas páginas, preenchendo seus formulários, preparando suas receitas e muito mais? Eu acho que sim. O resumo do julgamento deste julgamento sugere que os dados do Chrome são usados ​​nos sistemas de classificação, mas não são compartilhados muitos detalhes.

O Google afirma que se alguém tivesse os dados do usuário Glue e RankEmbed, poderia treinar um LLM com eles

Esses dados do usuário são a chave para o sucesso do Google.

Vale a pena ler na íntegra declaração de Liz Reid.

Mais recursos:

Esta postagem foi publicada originalmente em Marie Haynes Consultoria.

Imagem em destaque: Universo N/Shutterstock