Google использует контекстную вероятность клика для ранжирования, а не сырой CTR
Ключевые факты
- 1 Google использует контекстную вероятность клика, а не сырой CTR, для ранжирования.
- 2 Параметры `click_age_probability`, `relative_click_order` и `dense_glue_trad_imp_mobile` влияют на ранжирование.
- 3 Системы NavBoost и Glue работают как реранкеры поверх Mustang, используя данные о кликах.
- 4 Панду Наяк давал показания о работе этих систем в суде DOJ.
- 5 Google сравнивает клики с ожидаемым показателем для конкретного контекста (запрос, позиция, устройство, возраст документа).
- 6 Удовлетворенность пользователя после клика является критическим фактором, делая кликбейт неэффективным.
- 7 Core Updates могут изменять базовые линии измерения кликовой модели.
Марк Уильямс-Кук утверждает, что Google не использует сырой CTR как прямой фактор ранжирования, а вместо этого применяет контекстно-обусловленную вероятность клика. Это подтверждается утечками внутренних параметров, таких как `click_age_probability` (вероятность клика с учетом возраста документа), `relative_click_order` (позиция в пересортированной выдаче по кликам) и `dense_glue_trad_imp_mobile` (вес показа, специфичный для устройства и макета). Эта система является результатом совместной работы NavBoost и Glue, как описывал Панду Наяк под присягой в суде DOJ. NavBoost и Glue функционируют как реранкеры, работающие поверх основной системы ранжирования Mustang. Google сравнивает клики с ожидаемым показателем для конкретного запроса, позиции, устройства и возраста документа, а не с глобальным бенчмарком, что делает прогнозирование CTR крайне сложным. Помимо вероятности клика, важен и фактор удовлетворенности пользователя. Системы Google определяют, остался ли пользователь доволен найденным контентом, что делает кликбейт и некачественный контент неэффективными в долгосрочной перспективе. Изменения в элементах выдачи (например, рекламные блоки) могут влиять на калибровку модели вероятностей. Система CTR глубоко интегрирована с другими сигналами ранжирования, удовлетворенности, структурой контента и оценкой доверия. Каждый Core Update, вероятно, меняет базовую линию измерения кликовой модели, сдвигая ожидания по всему корпусу. Логика вероятности CTR также применяется в Google Ads, что указывает на согласованность методологии калибровки.