راهنمای سیستم‌های سئو سایت رتبه بندی گوگل

گوگل از سیستم‌های رتبه‌بندی خودکار استفاده می‌کند که با بررسی فاکتورها و سیگنال‌های مختلف، سئو سایت رتبه بندی گوگل صدها میلیارد صفحه وب و سایر محتواهای موجود در فهرست جستجوی خود را تحلیل می‌کند تا در کسری از ثانیه مرتبط‌ترین و مفیدترین نتایج را نمایش دهد. این صفحه راهنمایی برای درک برخی از سیستم‌های مهم رتبه‌بندی گوگل است.

بخشی از این سیستم‌ها مربوط به سیستم‌های رتبه‌بندی هسته‌ای (Core Ranking Systems) هستند که به‌عنوان فناوری‌های اصلی، نتایج جستجو را در پاسخ به کوئری‌ها تولید می‌کنند. علاوه بر این، برخی سیستم‌های دیگر نیز برای نیازهای خاص رتبه‌بندی طراحی شده‌اند.

سیستم‌های رتبه‌بندی گوگل در سطح صفحه عمل می‌کنند و با استفاده از سیگنال‌ها و الگوریتم‌های مختلف، نحوه رتبه‌بندی صفحات را تعیین می‌کنند. در کنار این، سیگنال‌های کلی سایت (Site-wide signals) و دسته‌بندی‌کننده‌های سایت (Classifiers) نیز بررسی می‌شوند و در درک بهتر صفحات نقش دارند. اما داشتن سیگنال‌های مثبت کلی برای یک سایت به این معنی نیست که تمام صفحات آن همیشه رتبه بالایی بگیرند، همان‌طور که وجود سیگنال‌های ضعیف برای کل سایت نیز به این معنا نیست که همه صفحات آن ضعیف رتبه‌بندی شوند.

گوگل به‌طور مداوم سیستم‌های رتبه‌بندی یا الگوریتم های خود را از طریق آزمایش‌ها و ارزیابی‌های دقیق بهبود می‌بخشد و در صورت نیاز، به‌روزرسانی‌های مرتبط را به تولیدکنندگان محتوا و سایر کاربران اطلاع می‌دهد.

برای درک بهتر نحوه عملکرد این سیستم‌های رتبه‌بندی و تعامل آن‌ها با سایر فرآیندها، می‌توانید به سایت How Search Works مراجعه کنید. این سایت نشان می‌دهد که چگونه گوگل اطلاعات جهان را سازماندهی کرده و آن را به‌صورت دسترس‌پذیر و مفید در اختیار کاربران قرار می‌دهد.

BERT

BERT (Bidirectional Encoder Representations from Transformers) یک سیستم هوش مصنوعی است که گوگل از آن برای درک بهتر ترکیب کلمات و معانی مختلف آن‌ها در جملات استفاده می‌کند. این فناوری به گوگل کمک می‌کند تا هدف و مفهوم جستجوهای کاربران را به‌صورت دقیق‌تری تفسیر کند.

سیستم‌های اطلاعات بحران

گوگل سیستم‌هایی را توسعه داده است که در زمان بحران، اطلاعات مفید و به‌موقعی را در اختیار کاربران قرار می‌دهند. این سیستم‌ها شامل موارد زیر هستند:

بحران‌های شخصی

گوگل تلاش می‌کند تا جستجوهای مربوط به بحران‌های شخصی را شناسایی کرده و اطلاعات حمایتی را نمایش دهد. این سیستم برای برخی از کوئری‌های مرتبط با خودکشی، آزار جنسی، مسمومیت، خشونت مبتنی بر جنسیت و اعتیاد به مواد مخدر، خطوط تماس اضطراری و محتوای معتبر از سازمان‌های قابل‌اعتماد را ارائه می‌کند. می‌توانید اطلاعات بیشتری درباره نحوه نمایش این داده‌ها در نتایج جستجوی گوگل مطالعه کنید.

هشدارهای SOS

در زمان وقوع بلایای طبیعی یا بحران‌های گسترده، سیستم هشدارهای SOS گوگل اطلاعاتی را از منابع محلی، ملی و بین‌المللی نمایش می‌دهد. این اطلاعات ممکن است شامل شماره‌های اضطراری، وب‌سایت‌های رسمی، نقشه‌ها، ترجمه عبارات ضروری، فرصت‌های کمک مالی و موارد دیگر باشد. هشدارهای SOS بخشی از سیستم هشدارهای بحران گوگل هستند که در مواقع سیل، آتش‌سوزی‌های گسترده، زلزله، طوفان و سایر بلایای طبیعی به کاربران کمک می‌کنند.

سیستم‌های حذف محتوای تکراری (Deduplication Systems)

در بسیاری از جستجوهای گوگل، ممکن است هزاران یا حتی میلیون‌ها صفحه مرتبط یافت شود که برخی از آن‌ها شباهت زیادی به یکدیگر دارند. در چنین مواردی، گوگل تنها مرتبط‌ترین نتایج را نمایش می‌دهد تا از نمایش محتوای تکراری و غیرضروری جلوگیری کند. اگر نیاز داشته باشید، می‌توانید نتایج حذف‌شده را مشاهده کنید.

علاوه بر این، حذف محتوای تکراری در Featured Snippets نیز اعمال می‌شود. اگر یک صفحه وب به‌عنوان Featured Snippet (نتیجه برجسته) انتخاب شود، گوگل آن را در صفحه اول نتایج تکرار نمی‌کند. این کار باعث می‌شود نتایج جستجو مرتب‌تر باشند و کاربران راحت‌تر به اطلاعات مرتبط دسترسی پیدا کنند.

سیستم دامنه با تطابق دقیق (Exact Match Domain System)

سیستم‌های رتبه‌بندی گوگل هنگام ارزیابی میزان ارتباط یک محتوا با جستجوی کاربر، یکی از فاکتورهایی که بررسی می‌کنند کلمات موجود در نام دامنه است. بااین‌حال، سیستم Exact Match Domain (دامنه با تطابق دقیق) طوری طراحی شده که از تأثیر بیش‌ازحد نام دامنه در رتبه‌بندی جلوگیری کند.

برای مثال، فردی ممکن است دامنه‌ای با نام “best-places-to-eat-lunch” ثبت کند تا با این ترفند، تمامی این کلمات در نتایج جستجو رتبه بالایی بگیرند. اما این سیستم گوگل، چنین تاکتیک‌هایی را شناسایی کرده و از تأثیر غیرمنطقی آن بر رتبه‌بندی جلوگیری می‌کند.

سیستم‌های نمایش محتوای جدید (Freshness Systems)

گوگل دارای سیستم‌هایی با عنوان “Query Deserves Freshness” است که برای نمایش محتوای جدیدتر در جستجوهایی که به اطلاعات به‌روز نیاز دارند، طراحی شده‌اند.

برای مثال، اگر کسی درباره فیلمی که به‌تازگی منتشر شده جستجو کند، احتمالاً به دنبال نقدهای جدید است، نه مقالات قدیمی درباره مراحل ساخت آن.

همچنین، اگر کاربری عبارت “زلزله” را جستجو کند، در شرایط عادی ممکن است اطلاعاتی درباره آمادگی و منابع مرتبط نمایش داده شود. اما اگر زلزله‌ای به‌تازگی رخ داده باشد، سیستم‌های گوگل محتوای جدید مانند اخبار و گزارش‌های به‌روز را در اولویت قرار می‌دهند.

سیستم‌های تحلیل لینک و PageRank

گوگل از سیستم‌های مختلفی برای درک نحوه ارتباط صفحات با یکدیگر استفاده می‌کند. این سیستم‌ها به گوگل کمک می‌کنند تا بفهمد هر صفحه درباره چه موضوعی است و کدام صفحات ممکن است برای یک جستجوی خاص مفیدتر باشند.

یکی از این سیستم‌ها PageRank است که یکی از سیستم‌های رتبه‌بندی هسته‌ای (Core Ranking Systems) محسوب می‌شود و از زمان راه‌اندازی اولیه گوگل نقش مهمی داشته است. PageRank بر اساس بررسی لینک‌های بین صفحات، میزان اعتبار و ارتباط آن‌ها را ارزیابی می‌کند. هرچند که نحوه عملکرد PageRank از آن زمان تاکنون تغییرات زیادی کرده است، اما همچنان بخشی از سیستم‌های اصلی رتبه‌بندی گوگل به شمار می‌رود. کسانی که علاقه‌مند هستند، می‌توانند با مطالعه مقاله تحقیقاتی و ثبت اختراع PageRank اطلاعات بیشتری درباره آن کسب کنند.

سیستم‌های نمایش اخبار محلی

گوگل از سیستم‌هایی برای شناسایی و نمایش منابع خبری محلی استفاده می‌کند. این سیستم‌ها در بخش‌هایی مانند “Top stories” (مهم‌ترین اخبار) و “Local news” (اخبار محلی) به نمایش در می‌آیند و به کاربران کمک می‌کنند تا به اخبار مرتبط با موقعیت جغرافیایی خود سریع‌تر دسترسی داشته باشند.

MUM

MUM (Multitask Unified Model) یک سیستم هوش مصنوعی پیشرفته است که هم قابلیت درک زبان و هم توانایی تولید محتوا را دارد. این سیستم در حال حاضر برای رتبه‌بندی کلی نتایج جستجو استفاده نمی‌شود، اما برای کاربردهای خاصی به کار گرفته شده است.

برای مثال، از MUM برای بهبود نتایج جستجوی مرتبط با واکسن COVID-19 و همچنین بهینه‌سازی نمایش Featured Snippets (نتایج برجسته) استفاده شده است.

Neural Matching

Neural Matching یک سیستم هوش مصنوعی است که گوگل برای درک مفاهیم در کوئری‌های جستجو و صفحات وب استفاده می‌کند. این سیستم کمک می‌کند تا گوگل بفهمد چگونه مفاهیم موجود در یک عبارت جستجو با محتوای صفحات وب مرتبط هستند و بهترین تطابق را بین آن‌ها برقرار کند.

سیستم‌های تشخیص محتوای اصلی

گوگل از سیستم‌هایی برای نمایش برجسته محتوای اصلی (Original Content) در نتایج جستجو استفاده می‌کند. این شامل گزارش‌های اورجینال است که باید بالاتر از صفحاتی که فقط به آن‌ها استناد کرده‌اند، نمایش داده شوند.

برای این منظور، گوگل از Canonical Markup (تگ کنونیکال) پشتیبانی می‌کند که به تولیدکنندگان محتوا کمک می‌کند مشخص کنند که کدام صفحه نسخه اصلی است، در صورتی که یک محتوا در چندین جای مختلف منتشر شده باشد.

سیستم‌های کاهش رتبه بر اساس حذف محتوا

گوگل سیاست‌هایی دارد که به کاربران اجازه می‌دهد برخی انواع محتوا را از نتایج جستجو حذف کنند. در صورتی که حجم بالایی از درخواست‌های حذف مربوط به یک سایت خاص دریافت شود، گوگل از این داده‌ها برای کاهش رتبه (Demotion) آن سایت در نتایج جستجو استفاده می‌کند. این شامل موارد زیر می‌شود:

حذف‌های قانونی

• اگر سایت خاصی درخواست‌های زیاد و معتبر برای حذف محتوای دارای حق نشر (Copyright Infringement) دریافت کند، گوگل محتوای دیگر آن سایت را نیز در نتایج جستجو پایین‌تر نمایش می‌دهد تا کاربران کمتر به محتوای نقض‌کننده دسترسی پیدا کنند.

• این کاهش رتبه برای سایت‌هایی که درگیر تخلفات مربوط به افترا، کالاهای تقلبی، و حذف‌های قانونی مرتبط با حکم دادگاه هستند نیز اعمال می‌شود.

• در مورد محتوای مرتبط با سوءاستفاده جنسی از کودکان (CSAM)، گوگل نه‌تنها این محتوا را حذف می‌کند، بلکه تمام صفحات سایت‌هایی که مقدار زیادی از این محتوا دارند را در رتبه‌بندی کاهش می‌دهد.

حذف اطلاعات شخصی

• اگر سایت خاصی حجم بالایی از درخواست‌های حذف اطلاعات شخصی را دریافت کند، مخصوصاً در مواردی که سوءاستفاده مالی از حذف محتوا دارد، گوگل محتوای دیگر آن سایت را نیز پایین‌تر نمایش می‌دهد.

• اگر الگوی مشابهی در سایت‌های دیگر نیز دیده شود، گوگل کاهش رتبه را برای آن سایت‌ها نیز اعمال می‌کند.

• این سیاست همچنین شامل حذف محتواهای مربوط به دکسیینگ (Doxxing – افشای اطلاعات خصوصی افراد)، تصاویر خصوصی منتشرشده بدون رضایت، یا محتوای جعلی غیرتوافقی می‌شود

سیستم رتبه‌بندی بخش‌های صفحه (Passage Ranking System)

Passage Ranking یک سیستم هوش مصنوعی است که گوگل از آن برای شناسایی بخش‌های خاص (Passages) یک صفحه وب استفاده می‌کند. این سیستم کمک می‌کند تا گوگل بتواند میزان ارتباط یک صفحه با جستجوی کاربر را بهتر درک کند، حتی اگر اطلاعات موردنظر در یک بخش خاص از صفحه قرار گرفته باشد.

RankBrain

RankBrain یک سیستم هوش مصنوعی است که گوگل برای درک بهتر ارتباط بین کلمات و مفاهیم از آن استفاده می‌کند. این سیستم باعث می‌شود که گوگل بتواند نتایج مرتبط را حتی اگر دقیقاً شامل همان کلمات جستجو شده نباشند، به کاربران نمایش دهد. RankBrain محتوا را از نظر مفهومی بررسی می‌کند تا ارتباط آن را با سایر کلمات و ایده‌های مرتبط درک کند.

سیستم‌های نمایش اطلاعات معتبر (Reliable Information Systems)

گوگل از چندین سیستم مختلف برای نمایش معتبرترین اطلاعات ممکن در نتایج جستجو استفاده می‌کند. این سیستم‌ها به روش‌های مختلفی عمل می‌کنند، از جمله:

• نمایش صفحات معتبرتر (Authoritative Pages)

• کاهش رتبه محتوای بی‌کیفیت (Demotion of Low-Quality Content)

• اولویت‌دهی به روزنامه‌نگاری باکیفیت (Elevating Quality Journalism)

در مواقعی که اطلاعات معتبر درباره یک موضوع خاص در دسترس نباشد، سیستم‌های گوگل هشدارهای محتوایی (Content Advisories) نمایش می‌دهند. این هشدارها زمانی ظاهر می‌شوند که:

1. موضوع بسیار جدید و در حال تغییر باشد و هنوز اطلاعات کافی در دسترس نباشد.

2. سیستم‌های گوگل اعتماد بالایی به کیفیت نتایج موجود نداشته باشند.

در این شرایط، گوگل به کاربران توصیه‌هایی ارائه می‌دهد تا روش‌های موثرتری برای جستجو را پیدا کنند و به نتایج مفیدتری دست یابند.

سیستم بررسی کیفیت نقد و بررسی (Reviews System)

سیستم Reviews گوگل برای پاداش دادن به نقد و بررسی‌های باکیفیت طراحی شده است. این سیستم محتواهایی را که شامل تحلیل‌های عمیق، تحقیقات اورجینال و مطالبی هستند که توسط متخصصان یا علاقه‌مندان آگاه به موضوع نوشته شده‌اند، در رتبه‌های بالاتر نمایش می‌دهد.

سیستم تنوع سایت‌ها در نتایج جستجو (Site Diversity System)

سیستم Site Diversity به‌گونه‌ای طراحی شده که معمولاً بیش از دو صفحه از یک سایت را در نتایج برتر نمایش ندهد. این کار باعث می‌شود که یک سایت خاص بر تمامی نتایج برتر مسلط نشود.

با این حال، در برخی موارد خاص که سیستم‌های گوگل تشخیص دهند که نمایش بیش از دو نتیجه از یک سایت برای یک جستجوی خاص مفید است، ممکن است این محدودیت اعمال نشود.

همچنین، سیستم Site Diversity معمولاً ساب‌دامین‌ها (Subdomains) را بخشی از دامنه اصلی در نظر می‌گیرد. به‌عنوان مثال:

• اگر سایتی دارای example.com و subdomain.example.com باشد، این دو از نظر گوگل یک سایت محسوب می‌شوند.

• اما در برخی موارد خاص که ساب‌دامین‌ها محتوای کاملاً مجزایی داشته باشند، ممکن است گوگل آن‌ها را به‌عنوان سایت‌های جداگانه در نظر بگیرد.

سیستم‌های شناسایی اسپم (Spam Detection Systems)

همان‌طور که کاربران نمی‌خواهند ایمیل‌هایشان پر از اسپم (Spam) شود، نتایج جستجوی گوگل نیز باید از محتوای بی‌کیفیت و اسپم محافظت شود.

گوگل برای مقابله با حجم بالای محتوای اسپم در اینترنت از سیستم‌های پیشرفته شناسایی اسپم مانند SpamBrain استفاده می‌کند.

این سیستم‌ها برای شناسایی و حذف محتوا و رفتارهایی که با سیاست‌های مقابله با اسپم گوگل مغایرت دارند طراحی شده‌اند. سیستم‌های شناسایی اسپم گوگل به‌صورت مداوم به‌روزرسانی می‌شوند تا با روش‌های جدید تولید اسپم مقابله کنند و همچنان نتایج جستجوی مفید و مرتبط را به کاربران نمایش دهند.

سیستم‌های بازنشسته (Retired Systems)

برخی از سیستم‌های رتبه‌بندی گوگل در طول زمان یا به سیستم‌های جدیدتر ادغام شده‌اند یا به بخشی از سیستم‌های اصلی رتبه‌بندی (Core Ranking Systems) تبدیل شده‌اند. در ادامه برخی از مهم‌ترین این سیستم‌ها را بررسی می‌کنیم:

سیستم محتوای مفید (Helpful Content System)

سیستم Helpful Content که در سال ۲۰۲۲ تحت عنوان “Helpful Content Update” معرفی شد، با هدف اطمینان از نمایش محتوای اورجینال و مفید که برای انسان‌ها نوشته شده است، توسعه یافت.

این سیستم محتوایی را که صرفاً برای جذب ترافیک از موتورهای جستجو تولید شده بود، شناسایی و رتبه‌بندی آن را تنظیم می‌کرد. در مارس ۲۰۲۴، این سیستم تکامل یافت و به بخشی از سیستم‌های اصلی رتبه‌بندی گوگل تبدیل شد.

الگوریتم مرغ مگس‌خوار (Hummingbird)

Hummingbird یک تحول اساسی در سیستم‌های رتبه‌بندی گوگل بود که در آگوست ۲۰۱۳ معرفی شد. این الگوریتم توانایی گوگل را در درک ارتباط معنایی بین کلمات و مفاهیم جستجوها بهبود بخشید.

با گذشت زمان، سیستم‌های رتبه‌بندی گوگل تکامل پیدا کردند و Hummingbird دیگر به‌عنوان یک الگوریتم مستقل وجود ندارد، بلکه در ساختار اصلی رتبه‌بندی گوگل ادغام شده است.

الگوریتم پاندا (Panda System)

الگوریتم Panda که در سال ۲۰۱۱ معرفی شد، با هدف نمایش محتوای باکیفیت و اورجینال در نتایج جستجو طراحی شده بود.

این سیستم محتوای کم‌کیفیت، تکراری یا ضعیف را شناسایی کرده و رتبه آن را کاهش می‌داد. در سال ۲۰۱۵، الگوریتم پاندا به بخشی از سیستم‌های اصلی رتبه‌بندی گوگل تبدیل شد.

الگوریتم پنگوئن (Penguin System)

الگوریتم Penguin که در سال ۲۰۱۲ معرفی شد، برای مقابله با لینک‌سازی اسپم (Link Spam) طراحی شد.

این سیستم سایت‌هایی را که از لینک‌سازی غیرطبیعی برای افزایش رتبه خود استفاده می‌کردند، شناسایی کرده و جریمه می‌کرد. در سال ۲۰۱۶، الگوریتم پنگوئن نیز به بخشی از سیستم‌های اصلی رتبه‌بندی گوگل تبدیل شد و به‌طور مداوم در فرآیندهای رتبه‌بندی مورد استفاده قرار گرفت.

ترجمه :

A guide to Google Search ranking systems