Анализ Google Discover: Свежесть, локальность и LLM в ранжировании
Ключевые факты
- 1 Бонус за свежесть контента действует в узком окне (предположительно 4-8 часов).
- 2 Растет значимость локальной авторитетности контента.
- 3 Google извлекает сущность автора из HTML для построения связей в Графе знаний.
- 4 Google может использовать LLM вместо классического ML для отбора и фильтрации контента в Discover.
Анализ Дэмиена Анделла фокусируется на нескольких ключевых изменениях в механизме отбора контента для Google Discover. Во-первых, Google комбинирует борьбу с кликбейтом с жестким бонусом за свежесть материала, который, по наблюдениям, действует в узком окне (предположительно, 4–8 часов после публикации). Во-вторых, значительно возрастает важность локального контента, что приводит к формированию так называемой «локальной авторитетности» на уровне страны или региона. В-третьих, Google активно извлекает имя автора не только из структурированных данных (Schema), но и напрямую из HTML, чтобы определить его сущность в Графе знаний и связать с другими работами, что напрямую влияет на E-E-A-T. Наконец, Google, вероятно, экспериментирует с заменой классических моделей машинного обучения (ML) на большие языковые модели (LLM) для улучшения фильтрации спама и более точного подбора контента по интересам пользователя.