Алгоритм палех яндекс: что это за поисковый алгоритм?

что это за поисковый алгоритм?

«Палех» – алгоритм поисковой выдачи для низкочастотных запросов, анонсированный Яндексом в 2016 году. Он назван в честь поселка в Ивановской области, где гербом является жар-птица.

Именно с хвостом жар-птицы ассоциируются низкочастотные запросы, их сложность. Вот схематическое изображение, которое предоставил сам Яндекс.

Алгоритм Палех

Алгоритм Палех

Клюв – это высокочастотные запросы. Туловище – среднечастотные.

Дело в том, что из 280 миллионов ежедневных запросов 100 миллионов являются низкочастотными. В последнее время веб-мастера все чаще и чаще стали использовать НЧ-запросы, так как они не имеют большой конкуренции и по ним проще выйти в топ.

Низкочастотные запросы бывают разными, угадать все невозможно. Суть данного алгоритма заключается в том, что ранжирование стало осуществляться не только по введенному запросу, но и по другим фразам со схожим смыслом. То есть теперь Яндекс пытается не просто найти совпадения в запросе и странице, а понять смысл и найти ответ на ваш вопрос.

Искусственные нейронные сети

Кроме НЧ-запросов, существует множество уникальных, которые вводятся по одному разу. Они сложны для обработки поисковой системой, ведь по ним нет подробной и детальной статистики. Поэтому разработчики Яндекса решили использовать искусственные нейронные сети. Именно ИНС легли в основу алгоритма «Палех». Главная особенность таких сетей – способность самообучаться. Они созданы по подобию человеческого мозга и могут поглощать огромное количество информации. На ее основе ИНС проводит анализ и выдает правильный результат.

Зачем был создан «Палех»

Яндексу важно понимать, удовлетворил ли он потребности пользователя. То есть нашел ли человек то, что искал. Когда пользователь вводит запрос, переходит на первый сайт и больше не возвращается к поиску, Яндекс понимает, что показал правильный результат. В дальнейшем он покажет его и другим людям. В случае с высокочастотными запросами таких данных много и, следовательно, легко подобрать верную выдачу.

С низкочастотными же запросами все гораздо сложнее. Яндексу требовалось много времени, чтобы подобрать оптимальный вариант выдачи по тому или иному НЧ-запросу. И сами пользователи далеко не с первого раза могли найти то, что искали. Именно для решения подобных проблем и был создан алгоритм «Палех».

как нейронные сети помогают поиску Яндекса — Блог Яндекса

Мы запустили новый поисковый алгоритм — «Палех». Он позволяет поиску Яндекса точнее понимать, о чём его спрашивают люди. Благодаря «Палеху» поиск лучше находит веб-страницы, которые соответствуют запросам не только по ключевым словам, но и по смыслу. За сопоставление смысла запросов и документов отвечает поисковая модель на основе нейронных сетей.

«Длинный хвост»

Каждый день поиск Яндекса отвечает примерно на 280 миллионов запросов. Какие-то из них, например [вконтакте], люди вводят в поисковую строку практически каждую секунду. Какие-то запросы уникальны — их задают один раз, и они, возможно, больше никогда не повторятся. Уникальных и просто редких запросов очень много — около ста миллионов в день.

График частотного распределения запросов в Яндексе часто представляют в виде птицы, у которой есть клюв, туловище и длинный хвост. Список самых распространённых запросов не особо велик, но их задают очень-очень часто — это «клюв» птички. Запросы средней частотности образуют «туловище». Низкочастотные запросы по отдельности встречаются чрезвычайно редко, но вместе составляют существенную часть поискового потока и поэтому складываются в «длинный хвост».

Новый алгоритм позволяет поиску Яндекса лучше отвечать на сложные запросы из «длинного хвоста». Такой хвост есть у сказочной Жар-птицы, которая часто появляется на палехской миниатюре. Поэтому мы дали алгоритму название «Палех».

Запросы из «длинного хвоста» очень разнообразны, но среди них можно выделить несколько групп. Например, одна из них — запросы от детей, которые пока не освоили язык общения с поиском и часто обращаются к нему как к живому собеседнику: [дорогой яндекс посоветуй пожалуйста новые интересные игры про фей для плантика]. Ещё одна группа — запросы от людей, которые хотят узнать название фильма или книги по запомнившемуся эпизоду: [фильм про человека который выращивал картошку на другой планете] («Марсианин») или [фильм где физики рассказывали даме про дейтерий] («Девять дней одного года»).

Особенность запросов из «длинного хвоста» в том, что обычно они более сложны для поисковой системы. Запросы из «клюва» задают многократно, и для них есть масса разнообразной пользовательской статистики. Чем больше знаний о запросах, страницах и действиях пользователей накопил поиск, тем лучше он находит релевантные результаты. В случае с редкими запросами поведенческой статистики может не быть — а значит, Яндексу гораздо труднее понять, какие сайты хорошо подходят для ответа, а какие не очень. Задача осложняется тем, что далеко не всегда на релевантной страничке встречаются слова из запроса — ведь один и тот же смысл в запросе и на странице может быть выражен совершенно по-разному.

Несмотря на то, что каждый из запросов «длинного хвоста» по отдельности встречается крайне редко, мы всё равно хотим находить по ним хорошие результаты. К решению этой задачи мы привлекли нейронные сети.

Семантический вектор

Искусственные нейронные сети — один из методов машинного обучения, который стал особенно популярен в последние годы. Нейросети показывают отличные результаты в анализе естественной информации: картинок, звука, текста. Например, нейронную сеть можно обучить распознавать на изображениях те или иные объекты — скажем, деревья или собак. В ходе обучения ей показывают огромное количество картинок, где есть нужные объекты (положительные примеры) и где их нет (отрицательные примеры). В результате нейросеть получает способность верно определять нужные объекты на любых изображениях.

В нашем случае мы имеем дело не с картинками, а с текстами — это тексты поисковых запросов и заголовков веб-страниц, — но обучение проходит по той же схеме: на положительных и отрицательных примерах. Каждый пример — это пара «запрос — заголовок». Подобрать примеры можно с помощью накопленной поиском статистики. Обучаясь на поведении пользователей, нейросеть начинает «понимать» смысловое соответствие между запросом и заголовками страниц.

Компьютеру проще работать с числами, чем с буквами, поэтому поиск соответствий между запросами и веб-страницами сводится к сравнению чисел. Мы научили нейронную сеть переводить миллиарды известных Яндексу заголовков веб-страниц в числа — а точнее, в группы из трёхсот чисел каждая. В результате все документы из базы данных Яндекса получили координаты в трёхсотмерном пространстве.

Вообразить такую систему координат человеку довольно трудно. Давайте упростим задачу и представим, что каждой веб-странице соответствует группа не из трёхсот, а из двух чисел — и мы имеем дело не с трёхсотмерным, а всего лишь с двумерным пространством. Тогда получится, что каждое число — это определённая координата по одной из двух осей, а каждая веб-страница просто соответствует точке на двумерной координатной плоскости.

Точно так же в набор чисел можно перевести и текст поискового запроса. Другими словами, мы можем разместить запрос в том же пространстве координат, что и веб-страницу. Замечательное свойство такого представления состоит в том, что чем ближе они будут расположены друг к другу, тем лучше страница отвечает на запрос.

Такой способ обработки запроса и его сопоставления с вероятными ответами мы назвали семантическим вектором. Этот подход хорошо работает в тех случаях,  когда запрос относится к области «длинного хвоста». Семантические векторы позволяют нам лучше находить ответы на сложные низкочастотные запросы, по которым имеется слишком мало пользовательской статистики. Более того, представляя запрос и веб-страницу в виде вектора в трёхсотмерном пространстве, мы можем понять, что они хорошо соответствуют друг другу, даже если у них нет ни одного общего слова.

Мы начали использовать семантический вектор несколько месяцев назад, постепенно развивая и улучшая лежащие в его основе нейронные модели. О том, как мы обучали нейронную сеть преобразовывать запросы и документы в семантические векторы, читайте в блоге Яндекса на «Хабрахабре».

Дальше — больше

Семантический вектор применяется не только в поиске Яндекса, но и в других сервисах — например, в Картинках. Там он помогает находить в интернете изображения, которые наиболее точно соответствуют текстовому запросу.

Технология семантических векторов обладает огромным потенциалом. Например, переводить в такие векторы можно не только заголовки, но и полные тексты документов — это позволит ещё точнее сопоставлять запросы и веб-страницы. В виде семантического вектора можно представить и профиль пользователя в интернете — то есть его интересы, предыдущие поисковые запросы, переходы по ссылкам. Далёкая, но чрезвычайно интересная цель состоит в том, чтобы получить на основе нейронных сетей модели, способные «понимать» семантическое соответствие запросов и документов на уровне, сравнимом с уровнем человека.

Алгоритм Яндекса «Палех» | Новый поисковый алгоритм «Палех»

В ноябре 2016 года анонсировано нововведение в самом популярном поисковике Рунета. Яндекс запустил новый алгоритм, получивший название «Палех» и базирующийся на нейронных сетях.

Суть нового поискового алгоритма «Палех» от Яндекса

Пользователями в день задается огромное количество как одинаковых, так и уникальных, редких запросов. Сотрудники Яндекса сравнивают весь пул поисковых фраз с птицей: самые популярные — клюв, среднечастотные — туловище, редкие — хвост. Последние могут быть заданы всего лишь один раз за всю историю, однако в совокупности их много — около 40%. При поиске по таким запросам были обнаружены сложности, которые новый алгоритм «Палех» должен исключить. Метод машинного обучения «Матрикснет» для построения формулы ранжирования использует данные о поведении людей, преобразованные в факторы. Этот подход хорошо работает для популярных запросов, где таких данных много. При оценке же уникальных фраз подобных факторов у «Матрикснета» нет, что влияет на качество поиска. Более того, в запросах «хвоста» не всегда точным образом заданы ключевые слова. К примеру, во фразе «фильм где день повторялся снова и снова» никак не фигурирует слово «сурок».

На помощь Яндексу при ранжировании таких запросов и пришел поисковый алгоритм «Палех». Его название символизирует длинный хвост жар-птицы, зачастую изображаемой на миниатюрах этого поселка в Ивановской области.

Математической моделью нового алгоритма «Палех» в Яндексе послужили нейронные сети. Преимуществом такого подхода является возможность обучения, в процессе которого машиной могут быть обнаружены сложные взаимосвязи между данными. В случае с поисковым алгоритмом «Палех» запросы были представлены как множество чисел со своими координатами. Это позволяет расположить все фразы в одном пространстве и определить близость между ними. При создании поискового алгоритма также была использована информация о поведении пользователей Яндекса в качестве положительных и отрицательных примеров для нейронной сети. Благодаря новому методу поиска «Палех» теперь может определять, насколько по смыслу близки друг другу непохожие по семантике запросы.

Влияние нового поискового алгоритма Яндекса на SEO

Уже сейчас действие поискового алгоритма «Палех» в Яндексе может распространяться на все группы запросов, но на фразы «хвоста» оказывается более сильное влияние. Тем не менее, это всего лишь один из тысячи факторов ранжирования, который может быть использован «Матрикснетом» в случае необходимости.

Нейронные сети хорошо обучаемы и имеют большой потенциал для улучшения ранжирования в Яндексе. Сейчас поиск ведется только по заголовкам, которые, как правило, не содержат всей информации о документе. Поиск с использованием нового алгоритма «Палех» по всему контенту открывает Яндексу новые возможности для оценки релевантности текстов. По словам разработчиков, их цель — создание моделей, «понимающих» семантическое соответствие запросов и текстов на уровне мышления человека.

Пока это планы на будущее, но уже сейчас поисковик все большее внимание уделяет смыслу текстов. Для получения топовых позиций недостаточно «насытить» страницу ключевиками, она должна максимально подробно отвечать на запрос пользователя. Благодаря поисковому алгоритму «Палех» это позволит увеличить трафик по низкочастотным запросам в Яндексе, а значит, привлечь потенциальных клиентов.

Полезно 0

Алгоритм Палех — искусственный интеллект в поиске

Уже несколько лет Яндекс при ранжировании сайтов использует Матрикснет — метод машинного обучения, опирающийся на большое количество факторов: текстовые, коммерческие, поведенческие и т.д. Количество факторов каждый год растет и на данный момент составляет более 1500.

В начале ноября 2016 года Яндекс представил новый поисковый алгоритм Палех, помогающий основному алгоритму Матрикснет работать с редкими низкочастотными запросами.

По статистике Яндекса около 40% из всех вводимых пользователями запросов являются низкочастотными, даже уникальными. График распределения частотностей запросов чаще всего представляют в виде птицы, где клюв олицетворяет более общие высокочастотные запросы, процент которых относительно всех запросов низок. Далее туловище представляет собой среднечастотные запросы из Клюва со словами-уточнениями, и наконец, Хвост – очень низкочастотные редкие запросы.

В связи с тем, что низкочастотных запросов очень много, то получить наиболее релевантный ответ с помощью Матрикснета становится очень сложно. Подсказок от пользователей в виде поведенческих факторов нет, т.к. запросы сами по себе могут быть уникальны, поэтому для построения наиболее отвечающей пользовательскому вопросу выдачи Яндекс решил научиться понимать смысловое соответствие между запросом и документом.

Решением поставленной задачи для Яндекса стал еще один метод машинного обучения: ИНС – искусственные нейронные сети.

Как работает новый алгоритм Палех?

Технология ИНС уже испытана в распознавании картинок или музыки. В случае поисковых систем речь пойдет о понимании смысла текстов.

Суть данного метода в том, чтобы система обучалась на положительных и отрицательных примерах поисковой системы, накопленных ранее, по наиболее популярным запросам, сопоставляла пользовательские запросы и заголовки документов и находила наиболее релевантный ответ.

Для сопоставления системой запросов и заголовков их переводят в специальное 300-мерное пространство, где каждому запросу и заголовку соответствует группа из 300 чисел. Таким образом, выделяется семантический вектор.

Когда пользователь вводит длинный запрос в поисковую строку, Палех переводит его в 300-мерное пространство на соответствующих параллелях и показывает документ, наиболее подходящий к этому запросу в построенной системе координат.

На данный момент обрабатывается не весь текст ресурса, а только заголовки, но Яндекс говорит, что в планах работа со всем текстом. Это позволит еще лучше понимать, удовлетворяет ли требованиям пользователя сайт, и формировать максимально релевантные результаты поиска.

Примеры работы алгоритма Палех

Работу нового алгоритма Яндекса Палех можно оценить только на низкочастотных запросах, так как на ВЧ запросах приоритетнее другие факторы ранжирования.

При запросе «фильм в котором человек родил и зачал себя сам» мы получим в ответ информацию о фильме «Патруль времени» 2014 года, а не сайты с ответами на вопросы на форумах.

Что делать коммерческим сайтам с Палехом?

Новый алгоритм Яндекса практически никак не влияет на ранжирование интернет-магазинов и сайтов услуг, так как Палех направлен в первую очередь на ресурсы с большим текстовым контентом. Для продвижения сайтов продажи услуг и товаров гораздо важнее цены, юзабилити, дизайн, коммерческие и поведенческие факторы.

Но следует учитывать, что новый алгоритм влияет на коммерческие контент-проекты, такие как, например, строительные порталы, где публикуется большое количество статей строительной тематики. В общем, этот алгоритм внедрен, чтобы улучшить качество поиска для низкочастотных запросов с «большим хвостом». Преимущества получают качественные информационные сайты.

Вместо заключения

Особенности нового алгоритма года Палех:

• Большое количество вхождений слов, связанных с запросом по смыслу повышает значение нового фактора;
• По информации Яндекса: Палех пока работает только с title страниц, а не с самим содержимым;
• Качество алгоритма измеряется поведенческими метриками пользовательской удовлетворенности.
• Влияние на ранжирование коммерческих сайтов в настоящее время алгоритм Палех не имеет, но это очередной повод задуматься о способах продвижения — что пора забыть времена, когда на позицию сайта можно было повлиять только ссылками или количеством ключей в тексте.

Современные реалии требуют создания удобных сайтов для людей, написание качественного контента, который будет полезен пользователям.

Page not found — WaterMillSky®, Москва, Россия

Unfortunately the page you’re looking doesn’t exist (anymore) or there was an error in the link you followed or typed. This way to the home page.

Blog

• 05/10/2021 — SEO-2021: новости Google за апрель
• 05/03/2021 — Как Google поддерживает актуальность и полезность поиска
• 04/14/2021 — Когда и почему Google удаляет контент из результатов органического поиска
• 04/13/2021 — FAQ Google по Core Web Vitals и Page Experience. Версия март 2021 года
• 04/04/2021 — SEO-2021: новости Google за март
• 03/03/2021 — SEO-2021: новости Google за февраль
• 02/26/2021 — Как создать продающие описания для товарных страниц
• 02/01/2021 — SEO-2021: новости Google за январь
• 01/09/2021 — SEO-2020: новости Google за декабрь
• 12/21/2020 — Обзор главных событий в Google за 2020 год
• 12/17/2020 — Декабрьские обновления в Google API Search Console
• 12/16/2020 — Обновление инструмента для тестирования структурированных данных
• 12/03/2020 — SEO-2020: новости Google за ноябрь
• 11/28/2020 — Советы для бизнеса: как сделать отличный мобильный сайт
• 11/27/2020 — Ещё раз про Сеть Знаний и Панели Знаний
• 11/16/2020 — Как в поиске Google создаются подсказки для автозаполнения
• 11/14/2020 — Как Google предоставляет надёжную информацию в поиске
• 11/12/2020 — Прощай, Google Webmasters. Здравствуй, Google Search Central
• 11/11/2020 — Когда Page Experience появится в поиске Google
• 11/08/2020 — Как использовать Instagram Analytics для развития бизнеса
• 11/05/2020 — SEO-2020: новости Google за октябрь
• 10/31/2020 — Самые интересные вопросы о переносе веб-сайтов
• 10/29/2020 — Главные проблемы с мобильной индексацией новых и ранее запущенных сайтов
• 10/26/2020 — Рекомендации Google для оформления страниц Чёрной пятницы и Киберпонедельника
• 10/12/2020 — SEO-2020: новости Google за сентябрь
• 09/17/2020 — Googlebot переходит на протокол HTTP/2
• 09/17/2020 — SEO-2020: новости Google в августе
• 09/07/2020 — Информация о лицензии для изображений в Google Images
• 09/06/2020 — Новые отчёты в Search Console: технология Signed HTTP Exchange (SXG) помогает устранять ошибки AMP
• 08/26/2020 — Рекомендации для ритейла: как контролировать изображения просканированных товаров в поиске Google
• 08/18/2020 — SEO-2020: новости Google в июле
• 08/16/2020 — Видеоконференция для веб-мастеров Lightning Talk: расширенные результаты и поисковая консоль
• 08/13/2020 — Изменения в Google Search Console API
• 07/26/2020 — Подготовка сайта к мобильной индексации 2021 года
• 07/14/2020 — SEO-2020: новости Google в июне
• 07/07/2020 — Инструмент Google Rich Results Test вышел из бета-тестирования
• 07/06/2020 — Советы для бизнеса: как подготовить сайт после решения CJEU о файлах cookie
• 07/04/2020 — Как в 2020 году Google использует отчёты о спаме
• 07/01/2020 — Советы для бизнеса: домашний офис и собственные дети
• 06/27/2020 — Советы для бизнеса: как помочь местному бизнесу в 2020 году
• 06/24/2020 — Как Google боролся с поисковым спамом в 2019 году
• 06/21/2020 — Развитие оценки удобства страницы для лучшего пользовательского опыта
• 06/09/2020 — SEO-2020: новости Google в мае
• 05/26/2020 — Часто задаваемые вопросы о JavaScript и ссылках
• 05/25/2020 — Советы для бизнеса: как крупным компаниям поддержать малый бизнес
• 05/24/2020 — Советы для бизнеса: 10 моментов, которые нужно знать о контракте для внештатных сотрудников
• 05/23/2020 — Советы для бизнеса: как использовать бизнес-опыт для здравого смысла
• 05/22/2020 — Советы для бизнеса: 8 способов завершить запуск нового сайта
• 05/21/2020 — Новые отчёты в Search Console: контент с разметкой Guided Recipes появится в Google Assistant
• 05/20/2020 — Переводчик Google Translate для некоммерческого использования
• 05/19/2020 — Советы для бизнеса: лучшие онлайн инструменты для совместной удаленной работы
• 05/09/2020 — Основы SEO-оптимизации по стандартам 2020 года
• 05/07/2020 — Советы для бизнеса: восемь шагов, чтобы защитить своё дело
• 05/07/2020 — SEO-2020: новости Google в апреле
• 05/06/2020 — Search Console 2020: новые отчёты для специальных объявлений Special Announcement
• 05/02/2020 — Советы для бизнеса: организуйте самовывоз для продолжения работы
• 04/29/2020 — Советы для бизнеса: 5 простых шагов для быстрого запуска онлайн-продаж
• 04/07/2020 — SEO-2020: новости Google в марте
• 03/27/2020 — Онлайн-бизнес на паузе. Что делать владельцам сайтов
• 03/18/2020 — Новые типы семантической разметки для виртуальных, отложенных и отменённых событий
• 03/07/2020 — SEO-2020: новости Google в феврале
• 03/06/2020 — Переход всех веб-сайтов на мобильную индексацию
• 03/02/2020 — Лучшие практики для быстрого показа новостей в поиске Google
• 03/01/2020 — Экспорт данных отчётов в Search Console: ещё больше и лучше
• 02/28/2020 — Как показать новые мероприятия или события в локальном поиске Google
• 02/13/2020 — SEO-2020: новости Google в январе
• 02/10/2020 — Search Console 2020: новые отчёты для сниппетов с отзывами
• 02/09/2020 — Как самозанятым заработать больше денег на вольных хлебах
• 01/31/2020 — Новости поиска Google Search за январь 2020 года
• 01/28/2020 — Новый отчёт в Search Console 2020: обновление инструмента Removals
• 01/22/2020 — Google завершает поддержку схемы Data-Vocabulary
• 01/21/2020 — Удачный сайт-резюме или как понравиться работодателю
• 01/20/2020 — Безопасные настройки файлов Cookie для браузеров с защищенными соединениями
• 01/18/2020 — Google Search Console: первые обучающие видеоролики 2020 года
• 01/02/2020 — Обзор SEO-2019: поиск по нулевому клику, алгоритм BERT, локальный спам и многое другое
• 12/30/2019 — Почему Jimdo — лучший конструктор сайтов для творческих личностей и малого бизнеса
• 12/29/2019 — Важные события в Google за 2019 год
• 12/26/2019 — Полный список всех обновлений поисковых алгоритмов Google в 2019 году
• 12/11/2019 — Запуск нового Publisher Center
• 12/07/2019 — Программа «Early Adopters Program» для отслеживания посылок через поиск Google
• 12/04/2019 — Google Search Console 2019: новая панель сообщений
• 11/29/2019 — Эксклюзив от Jimdo: юридический текст для сайта, гарантированно совместимый с GDPR
• 11/28/2019 — Новости поиска Google за ноябрь 2019 года
• 11/21/2019 — Google Search Console 2019: отчётность по результатам поиска продуктов
• 11/02/2019 — Как получить расширенные сниппеты для сайта в виде блоков с ответами
• 09/30/2019 — Дополнительные параметры для просмотра контента веб-сайтов в поиске Google
• 09/23/2019 — Решение CJEU о файлах cookie в 2019 году: как Jimdo подготовит ваш сайт
• 07/31/2019 — «Swipe To Visit»: новая функция в мобильном поиске для Google Images
• 07/23/2019 — Браузер «Спутник» сертифицирован для ОС РОСА
• 07/07/2019 — Советы Jimdo: чек-лист для проверки юзабилити текста
• 06/10/2019 — Мобильная индексация новых доменов действует по умолчанию
• 05/30/2019 — Поисковая система «Спутник» – пять лет в полёте!
• 05/28/2019 — Браузер «Спутник». Корпоративная версия 2019 года
• 05/15/2019 — Google Карты 2019: ресторан, меню, блюда
• 05/06/2019 — SEO-2019: новости Google в апреле
• 04/09/2019 — SEO-2019: новости Google в марте
• 03/11/2019 — Google Job Search найдёт вакансии для российских пользователей
• 03/04/2019 — SEO-2019: новости Google в феврале
• 02/09/2019 — SEO-2019: новости Google в январе
• 01/10/2019 — SEO-2018: новости Google в декабре
• 01/10/2019 — Ключевое обновление: браузер «Спутник» перешел на ядро Chromium 64
• 12/30/2018 — Корпоративные решения: браузер «Спутник» поможет создавать мобильные рабочие места
• 12/21/2018 — Мобильный индекс: почему важны структурированные данные и альтернативный текст для изображений
• 12/03/2018 — SEO-2018: новости Google в ноябре
• 11/03/2018 — SEO-2018: новости Google в октябре
• 10/05/2018 — SEO-2018: новости Google в сентябре
• 09/12/2018 — SEO-2018: новости Google в августе
• 08/23/2018 — SEO-2018: новости Google в июле
• 07/15/2018 — SEO-2018: новости Google в июне
• 07/11/2018 — Платон Щукин: вечная сага об идеальных текстах
• 06/22/2018 — Кулинарные рецепты в Google Home через Google Assistant
• 06/20/2018 — Благородные цели: как Google помогает веб-мастерам и разработчикам оригинального контента
• 06/14/2018 — SEO-2018: новости Google в мае
• 06/13/2018 — Советы Jimdo: 11 золотых правил для написания профессионального контента
• 05/13/2018 — SEO-2018: новости Google в апреле
• 04/29/2018 — SEO-2018: новости Google в марте
• 04/14/2018 — Апрельское обновление: браузер «Спутник» для актуальных версий OS Windows
• 04/13/2018 — SEO-2018: новости Google в феврале
• 03/26/2018 — Запуск Google Mobile-First Indexing
• 03/18/2018 — SEO-2018: первые новости Google в январе
• 03/15/2018 — Реклама и деньги: как Google регулирует рекламную экосистему
• 03/11/2018 — Как привлечь пользователей с помощью AMP-страниц высокого качества
• 03/09/2018 — Анализ тональности текстов с помощью машинного обучения
• 03/07/2018 — Как Google Chrome защищает Интернет с помощью протокола HTTPS
• 02/24/2018 — Бесплатные виджеты: 20 лучших предложений для свадебного сайта
• 02/16/2018 — AMP-истории: новый визуальный формат для мобильных устройств
• 02/15/2018 — Яндекс Лайт.Браузер для смартфонов на Android
• 02/15/2018 — Google Featured Snippets: ещё раз о расширенных сниппетах и блоках с готовыми ответами
• 02/13/2018 — SEO-2017: новости Google в декабре
• 02/07/2018 — Как Google улучшал поисковую консоль Search Console
• 02/06/2018 — Автоматический SEO-аудит сайта с помощью расширения Lighthouse для браузера Chrome
• 01/31/2018 — Новые подробности о возможном апдейте поискового алгоритма Google Search
• 01/24/2018 — SEO-советы Джона Мюллера: как объединить четыре домена
• 01/21/2018 — Факторы мобильного ранжирования: скорость загрузки страницы
• 01/10/2018 — Реальные данные в отчёте PageSpeed Insights
• 01/09/2018 — Новая поисковая консоль: первые впечатления от знакомства
• 01/08/2018 — Опции Jimdo: уведомления и вопросы
• 01/07/2018 — SEO-2017: новости Google в ноябре
• 01/05/2018 — #NoHacked 3.0: как восстановить сайт после взлома
• 12/31/2017 — Как подготовить сайт к мобильному индексу
• 12/31/2017 — Декабрьское обновление поискового алгоритма Google
• 12/24/2017 — Инструмент Google для тестирования результатов расширенных сниппетов
• 12/23/2017 — Google представил новую серию видео по SEO для веб-мастеров
• 12/21/2017 — Правила расширенных мета-тегов: рекомендации Google для создания сниппетов
• 12/18/2017 — Мобильный браузер «Спутник» для OS Android: декабрьское обновление
• 12/18/2017 — NoHacked 3.0: как предупредить и обезвредить
• 12/16/2017 — Google NoHacked 3.0: как узнать, что сайт в безопасности
• 12/14/2017 — Поисковая оптимизация 2018: Google обновил «Руководство для начинающих»
• 12/09/2017 — Рендеринг проиндексированных AJAX-страниц
• 12/06/2017 — Рекомендации Google: язык разметки «Events»
• 11/30/2017 — SEO-2017: новости Google в октябре
• 11/11/2017 — Великие идеи для блога копирайтера
• 10/27/2017 — SEO-2017: бархатный сентябрь
• 10/26/2017 — Разработки Jimdo: новые категории и функции блога
• 10/12/2017 — Советы Google: как создать ценный контент
• 10/12/2017 — Советы для начинающих: как разработать бизнес-план
• 09/30/2017 — Доверенный браузер «Спутник» с криптографией на Astra Linux
• 09/13/2017 — Как создать сайт и получить доверие клиентов
• 09/11/2017 — SEO-2017: летние новости
• 09/07/2017 — Алгоритм Королёв: нейронный поиск по уникальным запросам
• 09/06/2017 — Обновленный браузер «Спутник» для мобильных устройств с Android
• 09/05/2017 — SEO-2017: урожайный август
• 08/29/2017 — Fast Fetch: ускоренный рендеринг рекламных AMP-объявлений
• 08/22/2017 — Новый дашборд: все ваши сайты в одном месте
• 08/21/2017 — SEO-2017: знойный июль
• 08/21/2017 — Вопросы и ответы: найдите на Google Maps и узнайте в мобильном поиске
• 08/14/2017 — Значки для рецептов: поиск изображений по вкусным миниатюрам
• 08/04/2017 — Новости поисковой консоли Google: отчеты Index Coverage и AMP Fixing Flow
• 07/10/2017 — Советы по SEO: 5 минут для оптимизации веб-страницы
• 07/07/2017 — Браузер «Спутник» работает на Windows 10 Creators Update
• 07/04/2017 — SEO-2017: мокрый июнь
• 06/28/2017 — SEO-2017: весенние новости
• 06/27/2017 — SEO-2017: оптимизируем сайт для мобильных устройств
• 06/24/2017 — Июньское обновление: мобильный браузер «Спутник» для Android
• 06/20/2017 — Google Search для работодателей: открытые вакансии для лучших соискателей
• 06/19/2017 — Баден-Баден: добрые вести в июне
• 06/17/2017 — Юбилей Jimdo: интересные факты из 10-летней истории
• 06/15/2017 — Мобильный индекс: обещанного два года ждут
• 06/13/2017 — SEO-2017: холодный май
• 06/10/2017 — Эволюция Капчи: Google внедрил API-интерфейс reCAPTCHA для Android
• 06/09/2017 — SEO-2017: бурный апрель
• 06/03/2017 — Лучшие сниппетты для пользователей
• 05/26/2017 — Избитая тема: ещё раз о спамовых ссылках в статейном продвижении
• 05/25/2017 — Google I/O 2017: 100+ анонсов передовых разработок
• 05/22/2017 — Обновленный дизайн и новые функции блога на Jimdo
• 05/19/2017 — Google Analytics 2017: расширенная поддержка AMP-страниц
• 05/12/2017 — Материалы по теме: «Спутник» с персональной лентой публикаций
• 05/12/2017 — Похожие товары: поиск картинок Google в расширенных карточках
• 05/11/2017 — Стильные советы: ищем модную одежду на Google Картинках
• 05/10/2017 — Парковка по картам: Google Maps помогут вспомнить, где находится автомобиль
• 05/09/2017 — Как Google боролся с веб-спамом: отчет за 2016 год
• 05/07/2017 — Спорный контент: как Google улучшает качество поиска
• 05/05/2017 — Полезные подсказки: теперь на русском и других языках
• 04/28/2017 — SEO-2017: солнечный март
• 04/22/2017 — Упорный алгоритм: Баден-Баден шлёт «чёрную метку»
• 04/12/2017 — Марсианский глобус: виртуальная хроника изучения Красной планеты
• 04/10/2017 — Советы Google: платить не надо, отклонить
• 04/07/2017 — Алгоритм Баден-Баден: вторая волна
• 04/04/2017 — Тесты закончились: сервис Google Optimize стал доступным для всех
• 03/31/2017 — Google Safe Browsing: обновление инструмента «Статус сайта»
• 03/29/2017 — Гэри Илш: новости о Mobile-First Индексе
• 03/26/2017 — Алгоритм Фред («Fred»): официальное подтверждение Google
• 03/23/2017 — Алгоритмы Яндекса: Баден-Баден против SEO
• 03/22/2017 — Google NoHacked: обзор 2016 года
• 03/21/2017 — Платон Щукин: 12 вопросов о переезде на протокол HTTPS
• 03/21/2017 — CTR и показатель отказов: как улучшить кликабельность сайта в Google
• 03/14/2017 — Что в интересного в URL AMP-страниц?
• 03/13/2017 — Google Карты для Android: маршрут в один клик и данные в онлайн-режиме
• 03/13/2017 — Умный перевод: нейросети на службе лингвистов
• 03/12/2017 — Мобильный помощник: универсальное приложение на каждый день
• 03/11/2017 — Золотое молчание Google
• 03/11/2017 — SEO-2017: краткий февраль
• 03/05/2017 — Яндекс-2017: зимние SEO-новости
• 03/02/2017 — Самые популярные статьи 2016 года
• 03/01/2017 — Оставайтесь в безопасности: HTTPS для каждого веб-сайта
• 03/01/2017 — Закрыто в течение дня
• 02/28/2017 — Спутник-Карты 2017: уникальный интерфейс с новым дизайном
• 02/16/2017 — Google Safe Browsing: новая защита от вредоносной активности
• 02/16/2017 — Отзывы критиков и разметка schema.org для продвижения локального бизнеса
• 02/15/2017 — Протокол HTTPS: безопасная интернет-экосистема для всех и каждого
• 02/15/2017 — SEO-2017: многообещающий январь
• 02/11/2017 — Опасный браузер: как защититься от вредоносных расширений
• 02/09/2017 — Безопасные технологии: как Google заботится о пользователях
• 02/08/2017 — Как Google сражался с «ветряными мельницами»
• 02/05/2017 — Шифрование по ГОСТу: доверенный браузер «Спутник» с российской криптографической защитой
• 02/04/2017 — Новый API для Mobile-Friendly Test
• 01/30/2017 — Google Assistant: персональный помощник в мире высоких технологий
• 01/29/2017 — Ещё раз о ссылках в виджетах
• 01/28/2017 — Советы Google: как защитить сайт от пользовательского спама
• 01/26/2017 — Осенние SEO-новости Яндекса
• 01/24/2017 — Google Firebase для Mobile: как повысить качество мобильных приложений в 2017 году
• 01/24/2017 — Технология Google AMP Lite: облегченный формат для AMP-страниц
• 01/23/2017 — Краулинговый бюджет: FAQ от Гэри Илш
• 01/19/2017 — «Спутник» для Windows: рекламоотвод, режим для чтения и часовой
• 01/12/2017 — Google против межстраничной рекламы
• 01/01/2017 — Декабрьские SEO-новости Google
• 12/31/2016 — Как выявить проблемы для страниц AMP-формата
• 12/31/2016 — Как сервис Google Search Console помогает сайтам с AMP-страницами
• 12/30/2016 — Восемь рекомендаций для AMP-страниц по оптимизации мобильного сайта
• 12/30/2016 — Что такое AMP?
• 12/29/2016 — Как настроить аналитику на AMP-страницах
• 12/29/2016 — Советы Платона Щукина: как сделать сайт безопасным
• 12/23/2016 — Мобильные приложения: прогноз погоды на Google Android
• 12/23/2016 — Как настроить объявления на AMP-страницах
• 12/22/2016 — Мобильный поиск Google: ещё быстрее и удобнее в 2017 году
• 12/18/2016 — Летние SEO-новости Яндекса
• 12/12/2016 — Яндекс, Палех и нейронные сети
• 12/12/2016 — Все ресурсы в одном наборе: новые сводные отчеты в поисковой консоли Google Search Console
• 12/09/2016 — Google-2017: «зелёная» энергия для питания дата центров
• 12/03/2016 — Google Santa Tracker 2016
• 12/02/2016 — Расширенные Rich Cards: местные рестораны и онлайн-курсы
• 12/02/2016 — Рекомендации Google: как не стать мишенью хакеров
• 12/01/2016 — Ноябрьские SEO-новости Google
• 12/01/2016 — Контент для Feature-Phone: новые правила сканирования и индексирования
• 12/01/2016 — Гудбай, Content Keywords
• 11/17/2016 — Google-Фотосканер: мобильное приложение для цифровых копий
• 11/17/2016 — Google Analytics 2016 года: дополнительные оповещения по безопасности сайта
• 11/14/2016 — «Спутник Лайт»: мобильный веб-браузер для смартфонов с iOS
• 11/14/2016 — Как начать работу с AMP-страницами для мобильных устройств
• 11/14/2016 — Контент AMP-страниц: предварительный просмотр в мобильной выдаче Google
• 11/07/2016 — Тесты Google: индексация Mobile-First
• 11/01/2016 — Октябрьские SEO-новости Google
• 10/26/2016 — Доверие и реклама: на чём зарабатывает компания Google
• 10/26/2016 — Весенние SEO-новости Яндекса
• 10/21/2016 — Используете ускоренные мобильные страницы? Пройдите тест «Проверка страниц AMP»
• 10/03/2016 — AMP-страницы: новые вопросы веб-мастеров к Google
• 10/01/2016 — Сентябрьские SEO-новости Google
• 09/30/2016 — Мобильный поиск Google: ускоренные AMP-страницы в основной выдаче
• 09/23/2016 — Знакомьтесь, алгоритм Penguin 4.0
• 09/19/2016 — Рекомендации Google: как новостному сайту перейти на протокол HTTPS
• 09/17/2016 — Google против пиратов: обновление отчёта за 2016 год
• 09/01/2016 — Августовские SEO-новости Google
• 08/20/2016 — Июльские SEO-новости Google
• 08/11/2016 — Советы Платона Щукина: как проиндексировать мобильный сайт на поддомене
• 07/24/2016 — Инновации Google: восемь интересных вещей с конференции I/O 2016
• 07/21/2016 — Июньские SEO-новости Google
• 06/23/2016 — Расширенный поиск: введение в карты Rich Cards
• 06/20/2016 — В одном наборе: сводная статистика по всем сайтам в Search Console
• 06/16/2016 — Зимние SEO-новости Яндекса
• 06/09/2016 — Советы Платона Щукина: как подружить сайт с мобильными устройствами
• 06/05/2016 — Криптография по ГОСТу: «Спутник» тестирует браузер с шифрованием
• 06/02/2016 — Майские SEO-новости Google
• 05/31/2016 — Мобильный браузер Спутник: обновление для устройств с Android
• 05/29/2016 — Эволюция Google: юбилейная конференция I/O 2016 года
• 05/27/2016 — Переводи легко: Google Переводчик 2016 для устройств с Android и iOS
• 05/26/2016 — Санкции Google: скрытое перенаправление мобильных пользователей
• 05/23/2016 — Мобильные приложения: Google Android Auto
• 05/19/2016 — Виртуальная клавиатура Google Gboard с поиском для iOS
• 05/14/2016 — Яндекс.Карты 2016 для пешеходов
• 05/05/2016 — Как в 2015 году Google боролся с веб-спамом
• 05/01/2016 — Бесконтактные платежные технологии: Яндекс.Деньги, NFC и Android
• 04/30/2016 — Апрельские SEO-новости Google
• 04/29/2016 — Отчёты Google за 2015 год – безопасный Android
• 04/29/2016 — Google Переводчик: 10 фактов к юбилею онлайн-сервиса
• 04/26/2016 — Персональный подход: личные поисковые подсказки в «Спутнике»
• 04/24/2016 — Мартовские SEO-новости Google
• 04/22/2016 — Советы Платона Щукина: Яндекс.Вебмастер
• 04/18/2016 — Февральские SEO-новости Google
• 04/15/2016 — «Спутник.Аналитика» собирает статистику и анализирует данные
• 04/11/2016 — Январские SEO-новости Google
• 03/26/2016 — Советы Платона Щукина – как сделать правильный фавикон
• 03/22/2016 — Новые фишки для браузера «Спутник» – пользовательские экраны и детский режим по таймеру
• 03/17/2016 — Карты Google Maps 2016 для Android и iPhone
• 03/10/2016 — «Спутник» поддержал конкурс «Позитивный контент-2016»
• 02/24/2016 — Как в 2015 году Google боролся с некачественными рекламными материалами
• 02/19/2016 — Пять вопросов для Google
• 02/17/2016 — Обновление Google My Maps для Android
• 02/12/2016 — 9 секретов Минусинска
• 02/03/2016 — Как переехать на протокол HTTPS: рекомендации Google
• 02/02/2016 — Яндекс приготовил Владивосток
• 01/12/2016 — Panda вошел в состав основного ядра алгоритма ранжирования Google
• 12/31/2015 — Советы Платона Щукина: настройка индексирования сайта
• 12/14/2015 — Новое кино от «Спутника»
• 12/09/2015 — Мобильный поиск от Google и развлекательный контент
• 12/03/2015 — Платон Щукин и правильные сниппеты
• 11/17/2015 — Google Карты 2015 в режиме офлайн
• 11/08/2015 — Шесть рекомендаций от Яндекса – как переехать на HTTPS
• 11/05/2015 — Яндекс рассказал о сроках и способах выхода из-под санкций
• 10/26/2015 — В браузере «Спутник» появились новые модули
• 10/06/2015 — Браузер «Спутник» для российских семей
• 09/22/2015 — Естественная ссылка от Яндекса
• 09/22/2015 — Google покарает за повторные нарушения «Руководства для Веб-Мастеров»
• 09/11/2015 — Яндекс против продавцов SEO-ссылок
• 09/08/2015 — Рождение нового образа Google
• 09/02/2015 — Google против межстраничной рекламы для установки мобильных приложений
• 08/24/2015 — Глобальное обновление панорам на Яндекс.Картах
• 08/18/2015 — Google Карты расскажут о дорожных пробках
• 08/06/2015 — Ответы на вопросы по Google Panda 4.2
• 07/23/2015 — Алгоритм Panda 4.2 в действии
• 07/16/2015 — Яндекс снова обновил Минусинск
• 07/14/2015 — Читалка от Firefox
• 06/16/2015 — Планшетный браузер от Спутника
• 06/11/2015 — Как Google заботится о безопасности и конфиденциальности пользовательских данных
• 06/07/2015 — Google, смартфоны и микро-моменты
• 06/04/2015 — Сохрани мгновения на Google Фото
• 06/02/2015 — Зачем нужно обновлять веб-браузеры
• 05/28/2015 — Спутник — первая годовщина
• 05/21/2015 — Минусинск принёс первые результаты
• 05/17/2015 — Алгоритм Минусинск начал действовать
• 05/09/2015 — Спутник – День Победы
• 04/29/2015 — Новый сервис «Спутник.Дети»
• 04/25/2015 — Текст на картинке
• 04/17/2015 — Безопасный просмотр сайтов вместе с Google
• 04/15/2015 — Яндекс против SEO-ссылок
• 04/10/2015 — Как подружить статические интернет-страницы с мобильными устройствами
• 04/03/2015 — Google против дорвеев
• 03/30/2015 — Новая версия мобильного веб-браузера от Спутника
• 03/28/2015 — «Спутник» подключил аптеки «А5»
• 03/18/2015 — Knowledge-Based Trust – очередная инновация от Google
• 03/11/2015 — Поисковый алгоритм Google будет учитывать дружественность сайтов к мобильным устройствам
• 02/23/2015 — Мобильный веб-браузер от «Спутника»
• 02/12/2015 — Юбилей у Google Карт
• 02/02/2015 — Google Карты для мобильных устройств получили стильный интерфейс
• 01/23/2015 — Google Penguin 3.X – обновления продолжаются
• 01/06/2015 — Сервис Google Карты Россия пополнился онлайн-инструментом Map Maker
• 12/22/2014 — Мэтт Каттс рассказал об ошибках Google, допущенных при борьбе с веб-спамом
• 11/20/2014 — Google выделит сайты, адаптированные для мобильных устройств
• 11/17/2014 — Каким образом Googlebot анализирует навигационные строчки на веб-странице
• 10/28/2014 — Поисковик «Спутник» запустил версию для мобильных устройств
• 10/27/2014 — Google предупредил о нежелательности блокировки файлов JavaScript и CSS
• 10/22/2014 — Google Penguin 3.0 – официальная информация
• 10/21/2014 — Penguin 3.0 в действии
• 10/17/2014 — «Спутник» поможет оформить жалобу
• 10/14/2014 — Как избежать неприятностей при покупке домена с историей
• 09/30/2014 — Как Google распознает версии веб-сайтов для мобильных устройств
• 09/16/2014 — Google поможет найти ошибки в коде JavaScript
• 09/09/2014 — Поисковый портал «Спутник» усиливает безопасность онлайн-сервисов
• 09/02/2014 — Как Google ранжирует веб-ресурсы: сайты-лилипуты против интернет-гигантов
• 08/19/2014 — Google будет лучше ранжировать авторитетные веб-сайты
• 08/12/2014 — Мэтт Каттс рекомендует создавать веб-сайт с HTML-версией
• 07/29/2014 — Гостевые посты и ссылочное продвижение
• 07/09/2014 — Как Google производит изменения в поисковых алгоритмах
• 06/25/2014 — Как узнать, за что понизились позиции сайта в Google
• 05/30/2014 — Мэтт Каттс развеял мифы в сфере SEO-продвижения веб-сайтов
• 05/22/2014 — Запуск бета-версии информационно-поискового портала «Спутник»
• 05/20/2014 — Яндекс напоминает: соблюдайте правила оптимизации сайтов
• 05/16/2014 — Ещё раз о покупных ссылках в Google
• 05/11/2014 — Как удерживать топовые позиции в Google
• 05/10/2014 — Инструмент «Синонимы» улучшает работу Яндекс.Поиска на веб-сайте
• 04/26/2014 — Мэтт Каттс снова пояснил, каким должен быть контент для сайта с точки зрения пользователей
• 04/25/2014 — Google Scraper Report поможет веб-мастерам добиться справедливости
• 04/19/2014 — Google + Spider.io – новый уровень защиты рекламных объявлений
• 04/18/2014 — В Германии создан почтовый сервис для пересылки зашифрованных сообщений
• 04/17/2014 — Google-Карты 2014 — обновление популярного картографического сервиса
• 04/02/2014 — Мэтт Каттс и ссылочное ранжирование. Вечная песня о главном
• 03/23/2014 — Поисковик Google произвёл обновления в работе алгоритма Baby Panda
• 03/16/2014 — Google работает над обновлением алгоритма «Панда»
• 03/13/2014 — Яндекс приступил к поэтапной отмене ссылочного ранжирования
• 03/11/2014 — Мэтт Каттс о роли социальных сигналов в поисковом ранжировании веб-сайтов
• 03/03/2014 — Принципы Google по отношению к контенту для видеосайтов
• 02/27/2014 — Итоги олимпийского проекта от Яндекса
• 02/20/2014 — На Google-Maps добавились панорамные изображения населенных пунктов и природных объектов России
• 02/18/2014 — Очередные изменения в Google Webmaster Tools
• 02/13/2014 — Google запретил практику гостевого блоггинга для целей SEO-продвижения
• 02/09/2014 — Google представил новый раздел FAQ, раскрывающий политику AdSense в сфере контекстной рекламы
• 02/03/2014 — Позиция Google по отношению к ссылкам в виджетах
• 01/31/2014 — Яндекс запустил уникальный веб-проект – «Зимние Олимпийские Игры 2014»
• 01/30/2014 — Почтовый сервис от Silent Circle сохранит тайну переписки
• 01/23/2014 — Как Google относится к дублированному текстовому контенту
• 01/16/2014 — Как Google решает проблемы с гостевым блоггингом на низкокачественных ресурсах
• 01/10/2014 — Коммерческая реклама в Google Display Network: плати только за реальные просмотры
• 12/31/2013 — Google делится секретами: как выйти из под фильтров поисковой системы
• 12/24/2013 — Приложение Google Analytics поможет ускорить загрузку веб-сайта
• 12/10/2013 — В рекламной сети «AdWords» добавился новый тип рекламных компаний
• 12/03/2013 — Google разработал устройство для безопасной идентификации интернет-пользователей
• 11/19/2013 — Поисковик Google получил патент на уникальный алгоритм по определению качества контента
• 11/05/2013 — Яндекс чистит выдачу – АГС-40 в действии
• 10/15/2013 — Что знает Google о заблуждениях веб-мастеров и SEO-специалистов
• 10/01/2013 — Интернет-гигант Google обновил функционал Google-Maps и приготовил новые карты для российских пользователей
• 09/10/2013 — Дополнительные возможности от Google улучшают структуризацию данных
• 08/27/2013 — Новые технологии позволят увеличить емкость жесткого диска на 95%
• 08/20/2013 — Google открывает эпоху платного интернет-телевидения
• 08/06/2013 — Новый браузер от Firefox — дополнительные возможностей для пользователей

Поисковый алгоритм Яндекса «Палех»

«Палех» – новый поисковый алгоритм Яндекса

Эволюция поисковых интернет-машин за последние 16 лет проделала огромный путь. Начиная когда-то развитие с простого обнаружения слов, сегодня крупные поисковики пришли к алгоритму так называемого «умного поиска» при помощи нейронных сетей.

Не отстаёт от актуальных мировых трендов и российский Яндекс – в начале ноября 2016 года в корпоративном блоге интернет-компании появилась статья с анонсом запуска нового поискового алгоритма «Палех».

Что такое нейронные сети – краткий ликбез, понятный и гуманитарию

Само понятие нейронных сетей появилось ещё на заре тотальной компьютеризации и зарождения интернета, однако, актуализировалось только в последние годы. Название программистами было выбрано по аналогии с научным термином биологических нейронов, которые, как известно, организуют работу нервной системы человека (и в том числе головного мозга). Ключевая задача каждого нейрона заключается в организации электрохимического импульса, – с его помощью один нейрон осуществляет взаимосвязь со всеми другими нейронами.

И этот же принцип общего одновременного взаимодействия одной части поступающих запросов с другими частями большой сети лежит в основе работы компьютерных нейросетей.

Биология нейронных сетей в виде единого живого организма

К прорывной технологической особенности машинных нейронных сетей можно отнести их «умение» работать с образами. Привычная классика подхода к обработке информация заключается в последовательной (алгоритмической) обработке символов, тогда как нейронные сети способны уже параллельно друг другу распознавать образы.

В сфере поисковых систем под символами и образами понимаются те «слова», которые люди вбивают в строку браузеров. Символы отличаются от образов своей размерностью, – условный размер вторых может на несколько порядков превышать размер символов.

«Палех» – низкочастотный словесный хвост поискового трафика Яндекса

Наглядности схематичной работе современных компьютерных нейросетей могут добавить простые факты результативности работы: сегодня машины способны работать с изображениями, звуками, текстом и другими образчиками образного мышления (присущего, казалось бы, только человеку). Машину можно обучить различать на картинках любые объекты действительности: людей, машины, животных, еду и т. д.

Работа поискового алгоритма «Палех» настроена на различении смысла забиваемых в поисковик пользователями слов. Притом даже не простых, популярных в народе, а – сложных, многосоставных, неконкретных, имеющих очень далёкое отношение к тому, что человек пытается найти (то есть, по сути образных).

Почему, собственно, новый алгоритм называется «Палехом»? Разработчики Яндекса все пользовательские запросы разделили на три части, представив их в виде туловища мифологической Жар-птицы, частой героини, отображаемой на изделиях в стиле русского палехского ремесла. Список наиболее популярных запросов (таких как «вконтакте», «новости», «музыка») довольно мал, поэтому на условном изображении Жар-птицы им отдан только «клюв». Пользовательские запросы средней частотной длины составляют её тело. И, наконец, пышный роскошный «хвост» у этой птицы образуют большие низкочастотные запросы, занимающие большую часть поискового трафика. Продвинутым анализом этих запросов и занимается новый поисковый алгоритм «Палех».

Палехская Жар-птица – мифологическое существо, как символ поискового потока Яндекса

Примеры фантастических, ассоциативно-образных многочастотных запросов

Примеры многочастотных образных запросов в Рунете бывают поистине причудливыми, если не сказать даже фантастическими. Ищущие фильм «Бойцовский клуб» люди, например, могут вбить в поисковик следующее: «офисный клерк и его воображаемый друг фильм». Интересующиеся днём Благодарения, но забывшие название торжества люди обращаются за помощью с запросом «праздник с курицами в Америке». А дети, подростки и вообще зачастую придумывают целые мини-«истории», – «как узнать сколько лет девушке Человека-паука в новом фильме?».

Понятно, что такие длинные и сложные по семантике запросы машинная система Яндекса встречает гораздо реже, чем короткие, одночастотные из «клюва» условной Жар-птицы. Соответственно, и чётко работающего алгоритма для понимания того, что всё же нужно человеку в каждом конкретном случае нет. Задача нередко осложняется тем, что человеческое слово многозначно: в поисковой выдаче вообще может выпадать с десяток ссылок на источники не имеющие отношения к искомой информации.

В решении этой сложной проблемы понимания образного, ассоциативного мышления человека и участвует нейронные системы нового поискового алгоритма «Палех».

Суть работы «Палеха» – немного простейшей математики

Для представления того, как функционирует нейросети русскоязычного поисковика при обработке многочастотных запросов, нужно понимать, что они накапливают внутри себя необходимую статистику правильности/неправильности соответствия выдачи страниц тому, что ищут люди. Эта статистика основывается на поведенческом факторе пользователей: если в выдаче нет сайтов с нужной информации, – человек ни по одной странице просто не кликнет. Или, кликнув и поняв, что на том или ином сайте необходимая информация отсутствует, он её тут же, в течение двух-трёх секунд закроет.

Понятно, что количество удачных (или неудачных) соответствий запросов с веб-страницами миллиарды. Нейронная сеть «Палех» позволяет для внутреннего математического удобства переводить это количество соответствий в группы, состоящие из трёхсот чисел каждая. Способ обработки запросов с близкими им вероятными ответами в трёхсотмерной системе координат называется семантическим вектором.

Математика семантического вектора помогает человеку искать нужную информацию

Поисковая технология семантического вектора имеет в интернете огромный потенциал развития. Она позволяет, к примеру, работать, анализировать не только заголовки, но и сами тексты различных документов. Более того, в качестве семантического вектора можно представить всю совокупность сведений о пользователе в интернете – взятые со страничек соцсетей интересы, статистику предыдущих поисковых запросов и переходов по ссылкам, и это очень полезная информация не только для поисковиков, но и для маркетологов, веб-мастеров и других, связанных с интернет-бизнесом, людей.

Не исключено, что в перспективе алгоритмы нейронных поисковых систем по способу образного мышления, понимания запросов вплотную приблизятся к людям. И как знать, каким будет этот самый интернет в эпоху, когда поисковики будут понимать любого человека буквально с полуслова…

Новый алгоритм Яндекса «Палех»

На днях Яндекс анонсировал запуск нового поискового алгоритма, который по традиции получил свое название в честь города в Ивановской области. Гербом города является жар-птица.

Герб города Палех

Именно она послужила основным аргументом к выбору названия.

И вот почему: хвост птицы символизирует сложные для понимания поиска низкочастотные запросы, туловище — среднечастотные, а высокочастотные — это клюв. Вот так схематично изображает это Яндекс:

Палех — новый поисковый алгоритм ранжирования Яндекс

Почему именно длинный хвост был выбран символом низкочастотных запросов? Смотрите сами:

Высокочастотные запросы в Яндекс.Метрике

Так выглядит верхняя строчка поисковых запросов я Яндекс.Метрике, за ней же тянется длиннющий хвост низкочастотных запросов, которые суммарно превосходят высокочастотные и среднечастотные запросы вместе взятые:

Низкочастотные запросы в Яндекс.Метрике

Низкочастотные запросы, состоящие из нескольких слов, сложнее для обработки поисковой системой, так как по ним меньше статистики. Для решения этой непростой задачи Яндекс начал использовать метод машинного обучения: искусственные нейронные сети (ИНС).

Искусственные нейронные сети — просто о сложном

Простыми словами ИНС — это метод программирования, отличительной особенностью которого является способность к самообучению. Создан он по образу нейросетей человеческого мозга. В ходе обучения ИНС поглощает огромное кол-во информации и на базе этого опыта может анализировать и выдавать верный ответ на запрос. В нашем случае это связь между поисковым запросом и релевантным заголовком на странице сайта.

Искусственные нейронные сети

Связь между запросом и заголовком искусственная нейронная сеть представляет в виде векторов, так как сложнее всего ИНС распознает именно текст, а проще всего картинки. Таким образом, переформатировав текст в векторы, нейронная сеть сравнивает их и похожие между собой векторы предлагает в качестве релевантной страницы под запрос.

Что принесет на хвосте «Палех» оптимизатору?

Для тех, кто занимается развитием и продвижением сайтов, внедрение нового алгоритма Яндекса это еще один веский аргумент в пользу продвижения по низкочастотным запросам.

Перспективы развития нового алгоритма Яндекса, лишь подтверждают верность выбранного направления, ведь в недалеком будущем речь пойдет об улучшенном распознавании не только заголовков но и всего текста в целом. Так что скорее переставайте клепать SEO текстики, открывайте Метрику, Аналитику и Вордстат, рисуйте подробную карту персонажей и вперед к топовым строчкам в выдаче!

Ну а если вы хотите сэкономить свое время и доверить работу профессионалам, то welcome!

Заказать SEO-продвижение!

Подпишись и следи за выходом новых статей в нашем монстрограмме.

Не нашли интересующую вас статью про SEO? Тогда присылайте идею для статьи на почту [email protected] и мы напишем её!

Получайте бесплатные уроки и фишки по интернет-маркетингу

AI-алгоритм Яндекса — человеческий уровень

Автор Анастасия Курмакаева

Сегодня мы поговорим о том, как эволюционировал поисковый алгоритм Яндекса за последние несколько лет, и о его ключевых обновлениях, которые стали поворотным моментом на этом пути. поисковая система анализирует поисковые запросы и возвращает результаты в зависимости от потребностей пользователей. Палех (2016), Королев (2017) и Андромеда (2018) полагаются на искусственный интеллект нейронных сетей, чтобы лучше понять цель поиска , сделав еще один шаг от анализа простых ключевых слов к пониманию их значения , равного .

Несмотря на монополию Google на большинство стран мира, Рыночная доля Яндекса в России продолжает преобладать над калифорнийским гигантом . Учитывая неудержимое расширение и технологическое развитие первого, не похоже, что что-то изменится в ближайшие годы.

🎯 По данным SEJournal, в 2019 году 52% русскоязычных пользователей по-прежнему предпочитают Яндекс, по сравнению с 46% пользователей Интернета, выбравших Google.

В том же интервью с командой Яндекса, опубликованном в SEJournal, мы также выяснили, что проникновение мобильного поиска и голосового поиска становится все более значительным среди российских пользователей, составляя соответственно 56% и 20% от общего числа.

Палех

После представления Палеха в ноябре 2016 года Яндекс продолжил совершенствовать и совершенствовать свой алгоритм поиска на основе нейронных сетей, чтобы иметь возможность отвечать на более сложные поисковые намерения и поисковые запросы с помощью машинного обучения, платит особое внимание на длиннохвостые . Его первый выпуск был ограниченным, так как он был способен анализировать только заголовки веб-страниц, но не их содержимое в целом. Кроме того, он был значительно медленнее своего преемника (мы поговорим об этом через секунду), обрабатывая около 40% из 280 миллионов ежедневных запросов к поисковой системе.

Технология « семантических векторов », используемая Палехом, основана на семантике распределения. Как они объясняют это в своем блоге — на русском языке — слова миллиардов запросов конвертируются в числа, или, скорее, в группы по 300 чисел в каждой. Они распределяются в 300-мерном пространстве, где каждый документ имеет свой собственный вектор. Если числа, соответствующие запросу, находятся рядом с числами, соответствующими документу в том же пространстве, результат считается релевантным.Чем ближе они друг к другу, тем более релевантным будет результат, возвращаемый поисковой системой пользователю.

Небольшая местность Палех в России послужила вдохновением для названия алгоритма, в котором используется своеобразный герб, изображающий огненную птицу, благодаря очень отчетливому длинному хвосту.

Яндекс распределяет длиннохвостых ключевых слов по различным категориям, от менее до более конкретных. Самые релевантные запросы и результаты не всегда содержат общие слова, что действительно затрудняет работу поисковой системы.Например:

• Поисковые запросы, по которым человек не помнит название фильма, который он недавно смотрел, но в его голове запечатлелась одна очень конкретная сцена: «фильм о человеке, который выращивает картофель на другой планете». > Марсианин.
• Люди, чаще всего дети, которые не совсем понимают, как они должны использовать поисковую систему, и говорят с ней, как если бы она была сущностью сама по себе: «яндекс, пожалуйста, дайте мне рекомендации по крутые игры для планшетов с феями »> Их поисковое намерение, вероятно, можно было бы суммировать на странице с рекомендациями фэнтезийных игр для мобильных платформ iOS или Android.

И вот здесь алгоритм нужно научить понимать и уметь отвечать на более естественные и «человеческие» запросы.

Яндекс предоставляет следующее графическое изображение в двух измерениях — для нас, смертных, — чтобы объяснить, как работает Палех:

Королев

Почти год спустя, в августе 2017 года, произошло следующее крупное обновление алгоритма искусственного интеллекта Яндекса: Королев.

Королев стоит на Палехе, но еще мощнее.В то время как предыдущее обновление было сосредоточено только на теге заголовка, чтобы найти соответствие между поисковым термином, введенным пользователем, и результатами, Королев читает и анализирует все содержимое страницы , чтобы получить гораздо более точные результаты, которые отвечают на поисковое намерение пользователя. И это еще не все: его возможности обработки документов в реальном времени увеличиваются в тысячу раз. Более того, будучи системой на основе искусственного интеллекта, ее нейронная сеть продолжает обучение благодаря тщательному анализу поведения пользователей при представлении результатов.Он сравнивает текущий запрос с другими запросами, которые ранее приводили пользователя к тому же контенту. Или он учитывает время, которое пользователь провел на странице после того, как попал на нее через X-запрос, среди других показателей релевантности.

С другой стороны, вычисление семантического вектора выполняется на этапе индексации, что позволяет поисковой системе быстро и эффективно устанавливать соединения. Это обеспечивает значительную экономию ресурсов, поскольку алгоритму достаточно обработать часть контента только один раз, чтобы иметь возможность сравнить вектор запроса с векторами контента, которые он уже знает.

В том же году, когда был запущен Королев, Яндекс также запустил своего AI-помощника: Алису. Этот выпуск расширил использование голосового поиска в поисковой системе.

Андромеда

В 2018 году выходит Андромеда. Это последнее обновление внесло новые улучшения в поисковую систему, еще больше развивает и расширяет возможности обучения интеллектуального алгоритма . Это делает поиск информации более интуитивным и легким для пользователей, а контент, представленный в результатах, более релевантным, надежным и поступающим из более качественных источников.

Мы также видим появление новых функций, таких как быстрых ответов. Эта функция заключается в предоставлении прямых и четких результатов простым запросам. Например:

• Когда [праздник]
• Какие футбольные команды играют сегодня.
• Кафе рядом со мной.

Еще одна новая функция — Яндекс Эксперты , где пользователи могут задавать вопросы на самые разные темы настоящим экспертам, если они не находят соответствующего ответа на свой запрос в результатах поиска.

Выводы

Чему мы можем научиться на пути, по которому Яндекс шел последние несколько лет? Как это влияет на SEO в России? Короче говоря, мы не видим особых различий между Google и Яндексом в этом отношении.

• Создание актуального и качественного контента по-прежнему жизненно важно для процветания веб-сайта. Когда мы создаем контент на нашем веб-сайте, мы должны сосредоточить его на нашем пользователе, а не на поисковой системе. То, что мы пишем, должно быть правильным, последовательным и ценным.
• Веб-сайты должны обеспечивать лучший пользовательский интерфейс, работать быстро и эффективно, чтобы успешно адаптироваться к мобильным устройствам, как мы видели в этом посте. Как и во всем мире, среди русскоязычных пользователей Интернета преобладает мобильный просмотр.
• Голосовой поиск будет расти.

Как вы думаете, чего нового мы можем ожидать от Яндекса в этом году?

Яндекс, Российская поисковая система, запускает алгоритм Палеха

Вчера Яндекс объявил, что запустил что-то похожее на Google RankBrain — ну, они этого не сказали, я.

Они запустили то, что они называют Палехом, что является названием русского города, флаг этого города — жар-птица, которую вы можете видеть на изображении выше. Почему у жар-птицы? У него длинный хвост, и этот алгоритм направлен на улучшение качества результатов для запросов с длинным хвостом.

Яндекс сообщил нам, что они обрабатывают около 100 миллионов запросов в день, подпадающих под классификацию «длинного хвоста» в их поисковой системе. Это около 40% всех запросов, выполняемых в этой поисковой системе.

Итак, они хотели улучшить результаты за счет лучшего понимания этих запросов. Яндекс сказал мне, что в основном «технология позволяет нам понимать смысл каждого запроса, а не просто искать похожие слова».

Для этого мы начинаем использовать нейронные сети в качестве одного из 1500 факторов ранжирования — нам удалось научить наши нейронные сети видеть связи между запросом и документом, даже если они не содержат общих слов. Это стало возможным благодаря преобразованию слов из миллиардов поисковых запросов в числа (с группами по 300 в каждой) и помещению их в 300-мерное пространство — теперь каждый документ имеет свой собственный вектор в этом пространстве.Если номера запроса и номера документа находятся рядом друг с другом в этом пространстве, то результат актуален. Эта технология получила название «семантический вектор».

Они используют «миллиарды запросов из журналов и полагаются на заголовки документов и поисковые запросы, а не на тексты документов». «У нас также есть много целей (прогнозирование длинных кликов, CTR, модели« щелкни или не щелкни »и т. Д.), Которые обучают нашу нейронную сеть — наше исследование показало, что использование большего количества целей более эффективно», — добавили они.Итак, это самообучающийся алгоритм машинного обучения.

Яндекс — очень важная поисковая система для российских пользователей.

Обсуждение на форуме в Twitter.

Объявлен поисковый алгоритм Яндекса в Палехе

Мелисса Макдональд 2 ноября 2016 г. в 12:16 GMT-0400

Сегодня в России ведущая поисковая система Яндекс анонсировала новый поисковый алгоритм под названием «Палех». Этот новый поисковый алгоритм Яндекса направлен на улучшение того, как Яндекс обрабатывает длинные поисковые запросы, за счет лучшего понимания смысла каждого запроса.Подобно тому, как Яндекс назвал другие свои поисковые алгоритмы в честь российских городов, Палех назван в честь города из-за огненной птицы на его гербе с длинным хвостом.

Поисковые запросы с длинным хвостом классифицируются по поисковым запросам с несколькими словами, которые часто могут что-то описать, когда пользователь не знает точной фразы или слова, но хочет, чтобы поисковая система выдавала эти результаты. Например, написать описание фильма, не зная названия, типа «фильм о парне, выращивающем картошку на какой-то планете».”

Яндекс обрабатывает более 100 миллионов длинных поисковых запросов в день, что составляет примерно 40% от всех запросов. Новый поисковый алгоритм Яндекса Палех улучшит качество результатов поиска Яндексом за счет использования нейронных сетей, чтобы лучше понимать запросы, а не искать похожие слова. Яндекс будет использовать нейронные сети как один из 1500 факторов ранжирования. Яндекс научил свои нейронные сети видеть связи между запросом и документом, даже если они не содержат общих слов.

Это достигается путем преобразования слов из миллиардов поисковых запросов в числа (с группами по 300 в каждой) и помещения их в 300-мерное пространство — теперь каждый документ имеет свой собственный вектор в этом пространстве. Если номера запроса и номера документа находятся рядом друг с другом в этом пространстве, то результат актуален. Эта технология называется «семантическим вектором», которая помогает Яндексу понимать смысл каждого запроса, а не просто искать похожие слова. В дополнение к этому, другие цели, такие как прогнозирование длинных кликов, CTR и модели «щелкни или не щелкни», также обучают нейронную сеть.

Яндекс планирует использовать эту технологию в будущем и научить видеть не только заголовки документов, но и их тексты.

Об авторе

Мелисса Макдональд

Мелисса в настоящее время работает менеджером по международному маркетингу в Яндекс. Она получила степень магистра в области русских и восточноевропейских исследований и имеет профессиональный опыт работы в России и Республике Молдова.

Яндекс запускает новый алгоритм Палех для улучшения результатов поиска по длинным запросам

Яндекс объявил в своем российском блоге, что они запустили новый алгоритм, направленный на улучшение обработки длиннохвостых запросов.Новый алгоритм получил название «Палех» — название всемирно известного российского города, на гербе которого изображена жар-птица.

У жар-птицы длинный хвост, и Яндекс, крупнейшая поисковая система в России, использовал его как кодовое имя для длиннохвостых запросов. Запросы с длинным хвостом — это несколько слов, вводимых в поле поиска, которые в наши дни чаще встречаются в голосовых запросах. Яндекс сообщает, что около 100 миллионов запросов в день подпадают под классификацию «длинного хвоста» в их поисковой системе.

Алгоритм Палеха позволяет Яндексу понимать смысл каждого запроса, а не просто искать похожие слова.Это напоминает мне Google RankBrain. Я спросил у Яндекса, похож ли он на RankBrain от Google, и они ответили, что «не знают точно, какая технология стоит за RankBrain от Google, хотя эти технологии действительно выглядят очень похоже».

Палехский алгоритм Яндекса начал использовать нейронные сети в качестве одного из 1500 факторов ранжирования. Представитель Яндекса сказал нам, что им «удалось научить наши нейронные сети видеть связи между запросом и документом, даже если они не содержат общих слов.«Они сделали это,« преобразовав слова из миллиардов поисковых запросов в числа (с группами по 300 в каждой) и поместив их в 300-мерное пространство — теперь каждый документ имеет свой собственный вектор в этом пространстве », — сказали они нам. «Если номера запроса и номера документа находятся рядом друг с другом в этом пространстве, тогда результат релевантен», — добавили они.

Когда я спросил, используют ли они машинное обучение, Яндекс сказал, что они действительно используют машинное обучение, и объяснил, что они обучают свою «нейронную сеть на основе этих запросов», что приведет к некоторым улучшениям в ответах на разговорные запросы в будущем.Добавив, что у них «также есть много целей (прогнозирование длинных кликов, CTR, модели« щелкни или не щелкни »и так далее), которым обучается наша нейронная сеть, — наше исследование показало, что использование большего количества целей более эффективно»

Сообщение Яндекс запускает новый алгоритм Palekh для улучшения результатов поиска по длинным запросам, впервые появившимся на Search Engine Land.

Статья о Палехе по «Свободному словарю»

TYNE SHIPPING MOVEMENTS Дата / время прибытия Имя с по 2608 0845 King Seaways Ijmuiden / Velsen RoRo 3 2608 1159 Happy Delta Ghent Anchorage 2608 1259 Pomorze Riga RSQ 2708 0800 Gerarda Aveiro Anchorage Sailings Дата / время Название с по 2608 1159 Pola Palekh Seaward 2608 RSQ 1159 Ijssel Confidence RSQ Seaward 2608 1700 King Seaways RoRo 3 Ijmuiden / Velsen 2608 2200 Oeland Cont Term Seaward Экспонаты охватывают основные регионы, заявившие о себе в этой области: Москва, Тверь, Поволжье, владимирские деревни Палех и Мстера, as а также Невьянск на Урале.Яндекс запустил новый алгоритм релевантности (названный Палех), который направлен на улучшение результатов поиска для длиннохвостых (необычных) запросов. Мастер и активист Палеха Павел Корин также сыграл ключевую роль в защите традиционных искусств и религиозных памятников России. Я помню запах свежего лака и краски и чувство одновременно карликовости в пещеристом пространстве и клаустрофобии, как будто я оказался в ловушке в поддельной простонародной палехской коробке, проданной туристам в киосках на Соборной площади.Таких работ очень мало ». По словам голландского дилера Ференца Тота, среди коллекционеров есть некоторый аппетит к предметам конца 18-го века из Палеха и образцам 19-го века из Мстеры. «Деревня Палех славится еще и украшениями этих видов кукол», в дополнение к Коробки, сказал Рассел. Например, образ розничной торговли должен был быть изменен из образа «антиреволюционной практики в средство социалистической аккультурации». (14) И, как заметил Дженкс, художники Палеха (русские лакированные коробки, украшенные замысловатыми изображениями традиционных русских и русских православных сцен) пережили период насмешек и преследований как « божьих мазанок », прежде чем они и их произведения были реабилитированы. , кульминацией которой стала выставка Палеха в Государственном Русском музее, а также заказ палехских письменных столов для выдающихся советских деятелей, в том числе для Максима Горького.Федоскино находится в 40 км к северу от Москвы и является одной из четырех деревень, известных своими миниатюрными росписями на лаке, три других — Палех, Холуй и Мстера. Петербург, русское палехское лаковое искусство, гжельский фарфор и портреты русских императоров. исследует не великие иконы, знакомые западному читателю, а иконы массового производства, которые наводнили Россию из трех маленьких городков Владимира-Суздаля: Мстеры, Холуя и Палеха. Удивительно узнать, что к середине девятнадцатого века Холуй производил от полутора до двух миллионов икон ежегодно (55)!

Как работает новый алгоритм Яндекса.Яндекс «Королев»

Чтобы заказать Яндекс.Такси в Королеве, оставьте заявку на официальном сайте, позвоните по номеру диспетчера или воспользуйтесь приложением телефона.

При заказе онлайн через Интернет заполните поля «Откуда» и «Где», выберите подходящий тариф, система автоматически рассчитает стоимость поездки. В течение 3 минут вы получите SMS-уведомление с информацией об автомобиле и контактами водителя.

Если вы планируете вызывать такси по телефону, то при звонке сообщите диспетчеру маршрут поездки.

Телефон для заказа

Тарифы

В г. Королев действуют все тарифы «Эконом», «Комфорт», «Комфорт +», «Бизнес», «Минивэн», «Детский».

Экономика

Комфорт

Комфорт +

Водители с высоким рейтингом. Авто с просторным и тихим салоном.

Минимальная стоимость (включая 5 минут и 0 км)	не более 199 рублей
Бесплатное ожидание	3 мин.
Стоимость поездки по городу
Стоимость поездки по Москве	не более 13 руб / км и 13 руб / мин
	не более 20 руб / км
Ожидание в пути	не более 13 руб / мин
	не более 1%
Тип автомобиля	Nissan Teana, Toyota Camry, Lexus ES
Сиденья в машине	4
Багаж	2

Бизнес

Представительские автомобили проверяются вручную, водители проходят тщательный отбор.

Минивэн

Для поездок шестерых или перевозки сноубордов, лыж, велосипедов.

Детский

Путешествуйте с детьми на комфортабельном автомобиле с детскими креслами.

• Надежные кресла CYBEX Aura-Fix и аналоги
• Сразу два детских кресла: кресло и бустер или два бустера
• Водители подготовлены к поездке с детьми

Минимальная стоимость (включая 4 минуты и 2 км)	не более 99 рублей
Бесплатное ожидание	5 минут
Ожидание платное (не входит в минимальную цену)	дальнейшее ожидание оплачивается по счетчику по тарифу
Стоимость поездки по городу
Стоимость поездки по городу после 15 км пути
Стоимость поездки по Москве	не более 11 руб / км и 11 руб / мин
Стоимость поездки по Москве после 15 км пути	не более 9 руб / км и 9 руб / мин
Стоимость проезда за город	не более 20 руб / км
Ожидание в пути	не более 11 руб / мин
Доплата за заказ такси по телефону	не более 1%
Тип автомобиля	Skoda Octavia, Skoda Rapid, Toyota Camry и другие
Сиденья в машине	3-6
Детские кресла	1-2
Кресла взрослых	1-2
Багаж	1-2

Переводы

Из аэропорта

До аэропорта

Дополнительные услуги

Детское кресло — не более 100 R

Перевозка животных — не более 100 R

Кондиционер — не более 0 R

Автомобиль с желтым номером — не более 0 R

Салон для некурящих — не более 0 R

Квитанция — не более 0 R

Бустер — не более 100 Р

Доплата за заказ такси по телефону — не более 1%

Промокод скидки

Установите официальное приложение Яндекс такси и сэкономьте.Скидка на первую поездку при оплате картой.

Скидка 100 рублей при оплате Google Pay

Работа в Яндекс Такси Королев

Подробнее о том, как устроиться в Яндекс такси на личном или служебном автомобиле (требования, условия работы и подключения, отзывы водителей).

Заполните заявку Зарабатывайте до 120 000 ₽ в месяц

Официальные партнеры в городе Королев

• IT’S ME Taxi ООО «ТрансИнформ», 127106, г. Москва, Алтуфьевское шоссе, д. 11, корп.2, кв. 137, ОГРН: 1177746022904
• ЦБЗТ такси ООО «БИОС», 129128, г. Москва, ул. Малахитовая, д. 27 Б, пом. 1А, ком. 5, ОГРН: 1187746029580
• Mobidik Taxi ООО «ЭВО», 141075, Московская область, г. Королев, проспект Космонавтов, дом 14, кв. 279
• BOUQUET495 ООО «ЦБЗТ» 129128, г. Москва, ул. Малахитовая, д. 27Б, эт. 2, пом. ИА, ком. 28, ОГРН: 5177746111615
• МОСТАКСИ ООО «Диспетчерский центр« Такси », 115172, г. Москва, Гончарная наб., 9/16, корп.1, офис 3, ОГРН: 5147746337349
• Такси 2412 ООО «Сервис 2412», 121059, г. Москва, ул. Киевская, 14, ОГРН: 5147746278169
• iCar Taxi ООО «АГЕРА», 117420, г. Москва, ул. Наметкина, 10Б, корпус 2Б / н, 1 этаж, ком. 3, ОГРН: 1167746059436
• РусТакси ООО «РусТакси» 109388, г. Москва, ул. Гурьянова, 31, кв. 59, ОГРН: 5147746255432
• LoyalTaxi ООО «СОФКАР», 117545, г. Москва, 1-й Дорожный проезд, д. 5А, корп.2, ОГРН: 1127746359124
• Центр Мотор Сервис ООО «Центр Мотор Сервис», 109052, г. Москва, ул. Нижегородская, 104/3
• Победа ООО «Победа», 129226, г. Москва, ул. Докукина, д.7, корп. 1, пом. 3, ОГРН: 1157746540621
• Такси ТЦ Гросс ООО «ТК Гросс», 115477, г. Москва, Пролетарский проспект, д. 14/49, корп. 1, ком. 16 Н, ОГРН: 1157746760192

Полный список таксомоторных компаний-партнеров Яндекса можно найти.

Не забудьте оставить отзыв о поездке и сервисе.Спасибо!

Вчера Яндекс на своей презентации официально объявил о запуске нового алгоритма Королева.

Расскажу, как это было и что дал нам новый алгоритм Яндекса.

Вот трансляция этой презентации:

Не буду растрачивать весь этот пафос, которого не было в презентации, а скажу суть:

1. Алгоритм Королева запустили не вчера, а 2-6 месяцев назад … Думаю, все понимают, что взять и запустить новый алгоритм за секунду невозможно.

Тех. Новый алгоритм Яндекса работает давно, просто все это время тестировался и отлаживался.

2. Это совсем не новый алгоритм. Вовсе нет. Это алгоритм Палеха, в котором просто дали возможность сравнить не 150, а 2000 результатов.

Ну, а про разницу между Королевым и Палехом нам официально все объяснил сотрудник Яндекс:

На самом деле ничего не изменилось.Был просто пафос Яндекса и ничего больше.

Если честно, нового алгоритма нет. Просто нет, вот и все. Даже органический поиск остался прежним.

Если бы новый алгоритм был введен, но мы бы увидели колебания трафика. Но таких колебаний нет.

Да в принципе искать нечего.

Так выглядит сейчас поисковик Яндекс:

А что именно вы ищете своим поиском ?!

Сверху 4 прямые позиции + 5-я позиция в Маркете, затем 4 прямые позиции снизу, справа Яндекс.Маркет + Яндекс.Баян.

Что тут искать?

Какого хрена алгоритм ранжирования сайта? Что там ранжировать?

Я даже нарисовал новый логотип Яндекса:

При чем тут Королев? Вы до Королёва, как до Луны. Намазанный под великого человека.

Совершенно не понимаю, что случилось. Был обычный пафос Яндекса и все. В алгоритме ранжирования сайтов нет глобальных изменений.

А теперь пройдемся по презентации самого алгоритма.

За месяц до презентации Яндекс объявил, что вы можете подать заявку на просмотр этой презентации в прямом эфире в планетарии.

Заявку заполнил лично. И многие люди его заполнили. И все мы получили отказ.

На самом деле все оказалось проще:

Просто собрали своих сотрудников, родственников, знакомых, подруг и знакомых своих знакомых.

Почему мы вообще на что-то подали заявку ?! Что ж, теперь понятно, кого вы набираете на работу в Яндекс.

Но видимо завербовали слишком много знакомых и многие из них тупо спали:

Блять, у меня есть все твои алгоритмы, я хочу спать….

Это человек, который заменил Сашу Садовского:

Здравствуйте уважаемые читатели блога сайта. Прошу прощения, что некоторые посты выходят с большим промежутком времени, но я запустил еще несколько проектов, которые резко ворвались в ТОП за 1,5 месяца, используя свои знания в сфере ведения блога (кому нужен совет, пишите в личку) У вас есть разрываться между проектами и строительством дома для своей семьи.

Сегодня мы коснемся нового алгоритма Королева от Яндекса и попробуем сравнить его с предшественниками. Лично на мой блог это особо не повлияло, разве что полезные и объемные статьи стали еще выше в ТОПе. Что ж, давайте более подробно рассмотрим все в статье и сделаем необходимые выводы после наблюдения этого алгоритма.

Алгоритм Королева Яндекс — что это и как работает

В конце августа 2017 года вышел новый алгоритм Королева Яндекс.Новость об обновлении в поисковике сразу заинтересовала генерального директора специалистов и СМИ.

Главной особенностью Королевы является увеличение скорости обработки информации и улучшение качества семантического анализа текста.

Скорость обработки данных увеличилась в несколько тысяч раз. Для формирования ТОП Палех использовал 150 документов. Сейчас сравниваются более 200 000 статей. Этот результат был достигнут за счет оптимизации протокола ранжирования.

Чтобы понять новый алгоритм, нужно вернуться на шаг назад в Палех.Его презентация прошла 2 ноября 2016 года. Статистика показала, что большая часть поисковых фраз приходится на низкочастотные фразы, заточенные под единственно правильный ответ. Эта часть приходится на длинный хвост птицы.

Чтобы дать правильный ответ, клиенту необходимо обладать ассоциативным мышлением и навыками самообучения, как у человека. Для таких задач лучше всего подходят нейронные сети, поэтому они легли в основу нового алгоритма.

Основная цель «Королёва»

Если вы хотите найти конкретный объект, человек начинает описывать его свойства, это особенности ассоциативного мышления.Если мы забыли название ролика, то начинаем говорить, что было внутри: «фильм о девушках во время войны» или «фильм о существе с хвостом и крыльями». В первом случае Яндекс предоставляет «А зори здесь тихие», во втором — «Химера».

Яндекс улучшает качество сравнения многословных фраз. Программа анализирует взаимосвязь между каждым словом в предложении и выстраивает своего рода ассоциацию с различными вариантами ответов. Также как человеческий мозг.

Что нового?

Инновации:

• семантический вектор для всего контента, а не только заголовка;
• сравнение более 200 000 статей при формировании результатов поиска;
• учитывается поведение пользователя на странице;
• человек помогают обучить систему.

Королев анализирует не только заголовок, но и полностью весь контент (включая фотографии, видео, таблицы и т. Д.) И на его основе составляет семантический вектор.

Главное нововведение — многократное ускорение методов поиска. Раньше семантический вектор строился в момент ввода фразы в строку поиска. Этот метод сильно загружал серверы и замедлял скорость ответа.

При отправке поисковой фразы ее семантический вектор сравнивается с массивом, уже записанным в базе данных. Палех сравнил около 150 вариантов, а новая версия анализирует одновременно более 200 000 статей. Это увеличивает шанс найти желаемый ответ.

Нейросеть Яндекс: принцип работы нейронной сети Королева + примеры

Основной особенностью нейронной сети является ее способность к самообучению. Работа ведется не только по продуманным формулам, но и на основании предыдущего опыта и ошибок.

Человеческий мозг — это огромная нейронная сеть с ассоциативным мышлением, в то время как компьютеры пытаются излучать человеческое поведение, воссоздавая архитектуру нейронных сетей.

Особенности структуры нейронной сети

Нейронная сеть — это набор отдельных нейронов, каждый из которых хранит или обрабатывает информацию.Каждый из нейронов может принимать, обрабатывать и отправлять сигналы. Поток входных данных постепенно переходит от одного нейрона к другому, и в итоге получается желаемый результат.

Искусственные нейронные сети передают друг другу условные веса — числа от 0 до 1, чтобы определить, насколько тот или иной вариант поступающей информации соответствует требуемой информации. После окончания анализа нейрон с наибольшим весом считается наиболее подходящим для ответа на поставленный вопрос.

На схеме изображена нейронная сеть … Первые два слоя предназначены для обработки. Каждый из нейронов содержит определенную функцию, которая получает входные данные и после обработки выдает требуемый ответ. Так сравниваются семантические векторы.

Семантические векторы

Компьютеры не могут работать со словами или изображениями, поэтому они используют массивы чисел для сравнения информации друг с другом. Поисковые системы должны самостоятельно определять основную тему и идею текста, чтобы дать пользователю то, что ему нужно.

Чем похожи векторы заданного вопроса и текста, тем выше приоритет статьи в выдаче. Королева использует анализ всего контента:

• столов;
• текст;
• фото;
• видео;
• заголовков;
• цитат;
• списков;
• выделение (курсив, полужирный и т. Д.).

Качество построения вектора увеличивается в несколько раз за счет преобразования большего количества информации.

Для создания векторов используется нейронная сеть, текст пропускается через последовательность нейронов и в результате получается выходной трехсотмерный массив чисел. В дальнейшем он заносится в единую базу данных и используется для сравнения.

Обучение

Главная особенность нейронных сетей — обучение. В отличие от стандартных алгоритмов, нейроны могут запоминать свой предыдущий опыт и учиться на нем. С каждым разом компьютер все лучше и лучше распознает информацию.

Раньше обучение проводили сотрудники компании, их задачей было ориентироваться в миллионах запросов и по своему усмотрению менять приоритет выдачи. Затем разработчики создали приложение Яндекс.Толока, которое представляет собой список простых задач. Необходимо следить за запросами и оценивать качество результатов поиска. За каждую задачу платят около $ 0,1–1

.

Какой контент новый алгоритм поиска считает хорошим

Наиболее подходящей для TOP SERP будет статья, содержащая максимум полезной информации для пользователя и соответствующий запрос.Поэтому он должен охватывать всевозможные вопросы клиентов по разделам.

В Королеве приоритет отдается поведению пользователя на странице. Поэтому задача администраторов — попытаться удержать пользователя и заинтересовать его. Для этого используйте структурированные заголовки, таблицы, списки, выделение, фото и видео.

Новые приоритеты поиска

SEO-специалисты после релиза провели исследование, чтобы оценить изменение приоритетов ранжирования. Существенных изменений не наблюдалось, приоритеты остались:

• структурированный текст;
• полнота темы;
Содержание чтения простаты
• ;
• соответствие заголовков смысловому содержанию текста;
• правильное формирование смыслового ядра.

Главное — писать для живых людей, этот приоритет остается самым главным.

Почему Яндекс запустил новый поисковый алгоритм и чем он угрожает сайтам

Любая компания стремится сделать свою продукцию лучшей на рынке услуг. В этом случае самым большим конкурентом Яндекса является Google. Нововведения созданы для следующих целей:

• повышение качества поиска нестандартных вопросов;
• привлечение новых инвесторов;
• повышение продуктивности ранжирования (более 200 000 статей при формировании результатов поиска).

Основная цель заключалась в повышении качества выпуска. Кроме того, нужно было показать инвесторам, что работа в компании идет полным ходом и их деньги используются по прямому назначению. Позже нововведения были использованы при создании голосового помощника «Алиса».

Строка предыдущих алгоритмов

Чтобы лучше понять новые технологии, нужно вернуться в прошлое. В этом случае рассмотрите строку предыдущих алгоритмов, которые использовались поисковой системой для ранжирования.

Сначала в Интернете было всего пару тысяч сайтов, для того, чтобы найти на них нужную статью, достаточно было сравнить ключевые слова поисковой фразы. Впоследствии глобальная сеть росла в геометрической прогрессии, сейчас по одной теме можно найти более сотни тысяч подобных сайтов с миллионом статей.

Поэтому пришлось усложнить системы ранжирования и стали учитывать следующие дополнительные параметры:

• количество ссылочных материалов;
• уникальность контента;
• поведение клиента на странице.

Matrixnet

В 2009 году Яндекс столкнулся с проблемой: статьи все чаще не отвечают на вопросы пользователей. Чтобы исправить эту ошибку, нужно было научить сервер самостоятельно принимать решения и обучить себя.

Был изобретен комплекс математических формул с множеством параметров для определения соответствия текста поисковой фразе.

Но остались следующие проблемы:

• поиск зависит от слов;
• вспомогательных материалов (фото, видео, цитаты и др.)) не учитываются.

Основная проблема заключалась в том, что не всегда можно было полностью описать смысл статьи в одном заголовке. Довольно часто статья не содержит конкретных ключевых слов, но при этом полностью раскрывает тему и дает развернутый ответ на вопрос пользователя.

Алгоритм Палеха

В 2016 году в системе ранжирования была применена компьютерная модель нейронной сети. Главная особенность этого подхода в том, что теперь компьютер может запоминать свои ошибки и учиться на собственном опыте.

В том же году были введены семантические векторы. Название статьи было передано через нейронную сеть и разложено на множество векторов. Теперь компьютеры сравнивали не поисковые слова, а многомерные массивы чисел и векторов. Нам удалось уйти от прямой зависимости от количества определенных слов в фразе и отдать приоритет смысловому содержанию.

Из недостатков осталась проблема низкой скорости. Для формирования результатов поиска сравнивалось всего 200 наиболее релевантных статей.Поэтому системе было сложно найти многословные смысловые фразы, такие как «фильм о девушке, шпионе, который сбегает и ходит в школу».

Алгоритм Яндекс Королева

В последнем нововведении, в первую очередь, мы оптимизировали нейронную сеть и повысили производительность обработки текста. Теперь в автономном режиме векторы сравниваются заранее, благодаря чему появилась возможность повысить эффективность поискового формирования.

Яндекс самостоятельно собирает статистику по интересам пользователей и на ее основе формирует заранее подготовленные результаты поиска.

Благодаря оптимизации семантический вектор составляется не только для заголовков, но и для всего содержимого целого. Между словами можно найти максимум смысловых связей.

Угрозы сайтам

В целом опасностей для сайтов не создавалось и статистика переходов особо не меняется. В первую очередь нововведения коснутся информационных блогов, форумов и сайтов с фильмами.

Сайты, не отвечающие интересам пользователя, могут слетать с лидирующих позиций.Например, название «домашний яблочный сок», а в статье обсуждаются способы выращивания деревьев, блины с вареньем и совсем другой текст.

Не забудьте сделать репост и подписаться на рассылку новостей блога. Всего наилучшего.

Всего доброго, Галиуин Руслан.

22 августа 2017 года Яндекс запустил новую версию поискового алгоритма «Королев». Максимально кратко и лаконично описать его суть словами можно из пресс-релиза Яндекса:

Запуск алгоритма проходил в Московском планетарии и сопровождался отчетами разработчиков алгоритма, торжественным нажатием кнопки запуска и даже звонком на МКС и прямой трансляцией с космонавтами.

Полное видео презентации вы можете посмотреть прямо здесь, а ниже мы рассмотрим основные изменения и ответы на fAQ … Мы будем сопровождать информацию комментариями сотрудников Яндекса в блоге компании, а также цитатами официальных источники.

Что изменилось в поиске Яндекса?

Королев является продолжением алгоритма Палеха, представленного в ноябре 2016 года. Палех стал первым шагом на пути к семантическому поиску, задача которого — лучше понимать смысл страниц.

«Королев» теперь умеет понимать смысл всей страницы, а не только заголовка, как это было после анонса «Палеха».

Алгоритм должен улучшить результаты для редких и сложных запросов.

Документы могут не содержать много слов запроса, поэтому традиционные алгоритмы релевантности текста не справятся с этой задачей.

Это выглядит так:

Google использует похожий алгоритм — RankBrain:

Область применения алгоритма Королева распространяется на все запросы, в том числе коммерческие.Однако эффект наиболее заметен именно на подробных запросах. Яндекс подтвердил, что алгоритм работает для всех поисков.

Конечно, целью алгоритма было улучшение качества результатов поиска для редких и сложных проблем. Давайте проверим редкие и сложные коммерческие запросы, связанные с названием товара. Например, в этом случае Яндекс действительно понимает, о чем идет речь. Однако в результатах поиска появляются в основном обзоры и статьи, а не коммерческие сайты.

И в этом случае поисковик понял, что меня, скорее всего, интересует дрон или квадрокоптер. Конечно, выпуск начинается с Яндекс.Маркета:

Но в некоторых случаях Яндекс бессилен …

Как это работает (+ 11 фото из презентации)

Рассмотрим подробнее презентацию нового алгоритма. Ниже будут только отрывки из самых интересных моментов с нашими комментариями и слайды из презентации.

Новая версия поиска основана на нейронной сети. Он состоит из большого количества нейронов. Нейрон имеет один выход и несколько входов, он может суммировать полученную информацию и после преобразования передавать ее дальше.

Нейронная сеть может выполнять гораздо более сложные задачи и может быть обучена понимать значение текста. Для этого вам нужно дать ей множество обучающих примеров.

Яндекс начал работу в этом направлении с модели DSSM, которая состоит из двух частей, соответствующих запросу и странице.Результатом стала оценка того, насколько они близки по смыслу.

Для обучения нейронной сети потребуется множество обучающих примеров.

Отрицательные — это пара текстов, не связанных по смыслу.

Положительные — пары «текст-запрос», связанные по смыслу.

Согласно презентации, Яндекс тренировал массив данных о поведении пользователей в результатах поиска и считал, что запрос и страница, на которую пользователи часто нажимают в результатах поиска, связаны по смыслу.Но, как позже объяснил Михаил Сливинский, удовлетворенность пользователей результатами поиска измеряется не только количеством кликов:

Как ранее говорил Александр Садовский в своей презентации о Палехе, наличие щелчка не означает, что документ актуален, а отсутствие не означает, что он не актуален. Модель Яндекса предсказывает, будет ли пользователь задерживаться на сайте, и принимает во внимание многие другие показатели удовлетворенности пользователей.

После обучения модель представляет текст в виде набора из 300 чисел — смыслового вектора.Чем ближе тексты по смыслу, тем больше сходство векторных чисел.

Нейронные модели давно используются в поиске Яндекса, но алгоритм Королева увеличил влияние нейронных сетей на ранжирование.

Теперь при оценке семантической близости алгоритм смотрит не только на заголовок, но и на текст страницы.

Параллельно Яндекс работал над алгоритмом сравнения значений запросов на основе нейронных сетей.Например, если поисковой системе известен лучший ответ на один запрос, а пользователь ввел запрос, очень близкий к нему, то результаты поиска должны быть аналогичными. В качестве иллюстрации такого подхода Яндекс приводит пример: «ленивый кот из Монголии» — «манул». ()

В Палехе нейронные модели использовались только на самых поздних этапах ранжирования, около 150 лучших документов. Поэтому на ранних этапах ранжирования некоторые документы были утеряны, и они могли быть хорошими.Это особенно важно для сложных и низкочастотных запросов.

Теперь вместо вычисления семантического вектора при выполнении запроса Яндекс производит вычисления заранее — при индексировании. «Королев» производит расчеты по 200 тысячам документов в одном запросе вместо 150, которые ранее были у «Палеха». Сначала этот метод предварительного расчета был опробован на «Палехе», это позволило сэкономить на электроэнергии и найти соответствие запросу не только заголовка, но и текста.

Поисковая машина берет полный текст на этапе индексации, выполняет необходимые операции и получает значение. В результате для всех слов и популярных пар слов формируется дополнительный индекс со списком страниц и их предварительной релевантностью запросу.

Команда Яндекса, разработавшая и внедрившая новый поиск, запускает его.

Запуск алгоритма:

Обучение искусственному интеллекту

На протяжении многих лет в Яндексе задачей сбора данных для машинного обучения занимались оценщики, оценивающие релевантность документов запросу.С 2009 по 2013 год поисковик получил более 30 миллионов таких оценок.

За это время появился поиск по изображениям, по видео, внутренние классификаторы и алгоритмы: выросло количество проектов Яндекса.

Поскольку все они работали над технологиями машинного обучения, требовалось больше оценок и больше экспертов. Когда было более 1500 оценщиков, Яндекс запустил краудсорсинговую платформу «Толока», где любой желающий может зарегистрироваться и выполнить задачи.

Например, такие задания есть в Толоке:

Или такой:

Если вы хотите узнать больше о том, как пользователи оценивают релевантность ответов, чтобы понять, какие параметры вопроса оцениваются, мы рекомендуем прочитать инструкции к заданиям или даже попробовать обучение.

За несколько лет в сервисе собралось более 1 миллиона человек, которые сделали более 2 миллиардов оценок. Это позволило Яндексу сделать огромный скачок в масштабах и объеме обучающих данных.Только в 2017 году задания выполнили более 500 тысяч человек.

Среди задач:

• Оценка актуальности документов;

Правила, которые Яндекс хочет обучить алгоритму, открыты для всех зарегистрированных пользователей в виде инструкций для сотрудников Толоки. Для некоторых задач просто собирается субъективное мнение людей.

Вот отрывок из инструкции, как Яндекс определяет актуальность документа:

Для Яндекс.Он может быть субъективным, поэтому задачи ставятся сразу нескольким людям, а затем математическая модель оценивает распределение голосов с учетом степени доверия к каждому сотруднику и квалификации каждого участника. Для каждого толокера данные о точности оценок по каждому проекту хранятся и объединяются в единый рейтинг.

Поэтому нельзя жаловаться на то, что предвзятость оценщиков испортила ваш сайт.

Таким образом, в Яндексе появилась дополнительная группа факторов:

• Смысл страницы и соответствие ее запросу;
• Является ли документ хорошим ответом на похожие запросы пользователей.

Что изменилось в топе Яндекса?

Алгоритм предположительно был запущен немного раньше презентации и, по данным сторонних сервисов (например, https://tools.pixelplus.ru/updates/yandex), изменения в результатах начались в начале августа, но это Неизвестно, имеет ли это отношение к Королёву ».

На основании этих данных можно предположить, что уменьшение доли главных страниц в топ-100 и уменьшение возраста документов в топ-100 связано с новым алгоритмом, который помогает получать более релевантные ответы.

Однако заметных изменений в топ-10, топ-20 или топ-50 нет. Возможно, их нет или они незначительны. Мы также не заметили существенных изменений в результатах поиска по продвигаемым запросам.

Релевантность текста в стандартном понимании никуда не делась. Коллекции и более широкие ответы на подробные запросы содержат большое количество страниц с вхождениями слов запроса в заголовке и тексте:

Свежесть результатов поиска тоже имеет значение.Пример из презентации Яндекса содержит ряд недавних результатов со всей поисковой фразой.

Хотя, учитывая то, что алгоритм производит вычисления сразу при индексации, «Королев» теоретически может влиять на смешивание результатов с быстрым роботом.

Надо ли как-то оптимизировать тексты под Королёва?

Как раз наоборот: чем больше поисковая машина учится определять значение текста, тем меньше требуется вводов ключевых слов и тем больше требуется смысла.Но принципы оптимизации не меняются.

Например, еще в 2015 году Google рассказывал об алгоритме RankBrain, который помогает поисковым запросам лучше реагировать на подробные запросы на естественном языке. Работает хорошо, что отмечали пользователи в многочисленных публикациях, сравнивающих поиск Яндекс и Google после анонса новой версии алгоритма.

Это не сопровождалось масштабной презентацией и не сильно повлияло на работу специалистов.«Оптимизацией под RankBrain» никто целенаправленно не занимается, поэтому в Яндексе глобально работу специалиста не меняют. Да, существует тенденция к поиску и включению в текст так называемых ключей LSI, но это явно не просто часто повторяющиеся слова на страницах конкурентов. Ожидаем развития SEO-услуг в этом направлении.

Алгоритм также утверждает, что он также анализирует значение других запросов, по которым пользователи попадают на страницу. Опять же, в долгосрочной перспективе это должно дать такие же или похожие результаты для синонимических запросов, поскольку теперь результат анализа результатов иногда показывает, что в результатах нет пересечений для синонимических запросов.Надеюсь, алгоритм поможет устранить подобные несоответствия.

Но Яндекс все равно не может найти (или плохо находит) документы, близкие по смыслу к запросу, но совсем не содержащие слов запроса ().

Консультация:

Убедитесь, что страница отвечает на запросы, для которых она оптимизирована, и что пользователи переходят по ней.

Убедитесь, что на странице есть условия поиска. Мы не говорим о прямых встречах, просто проверьте, есть ли на странице слова из запросов в какой-либо форме.

Тематические слова могут добавить дополнительную релевантность странице, но это явно не просто слова, которые часто повторяются на страницах конкурентов. Ожидаем развития SEO-услуг в этом направлении.

Для ключевых фраз, которые хорошо ищут страницу сайта, проверьте, не выходит ли показатель отказов за пределы среднего для сайта. Если по запросу сайт находится на высокой позиции и пользователь находит то, что ему нужно, сайт может быть показан по аналогичным ключевым фразам (если есть).

Поисковые клики указывают на удовлетворенность пользователей результатом.Это не ново, но стоит еще раз проверить фрагменты на предмет ключевых слов. Возможно, где-то удастся поднять CTR.

Как проверить влияние алгоритма на ваш сайт?

Для сайтов, не имеющих ярко выраженной сезонности, можно сравнить количество низкочастотных ключевых фраз, пришедших на сайт до запуска алгоритма и после. Например, возьмем неделю в июле и неделю в августе.

Выберите «Отчеты — Стандартные отчеты — Источники — Поисковые запросы».

Выбор посещений с Яндекса:

А фильтр оставляем только те запросы, по которым был 1 переход. Дополнительно стоит исключить фразы, содержащие название бренда.

Так же вы можете увидеть наличие поисковых фраз, слов которых у вас нет в тексте. В целом такие фразы были и раньше среди низкочастотных запросов, но теперь их может стать заметно больше.

Перспективы и прогноз

Поисковая система сможет еще лучше найти документы, близкие по смыслу к запросу.Наличие событий станет еще менее важным.

Персонализация будет добавлена ​​к текущему алгоритму.

В долгосрочной перспективе хорошие материалы, которые отвечают на вопрос пользователя, могут привлечь еще больше трафика для микрочастотных, редких или семантически похожих запросов.

Конкуренция за низкочастотные ключевые слова может возрасти из-за более высокой релевантности неоптимизированных документов.

Гипотеза. Используя такие алгоритмы, Яндекс может лучше оценить, насколько семантически связанные страницы ссылаются на другие, и учесть это при оценке внешних ссылок.Если это может быть существенным фактором, учитывая влияние слабого звена в Яндекс.

Следует ожидать дальнейших изменений, связанных с нейросетями в других сервисах Яндекса.

Вопрос ответ

Вопрос : Поскольку Яндекс оценивает клики, значит ли это, что продвижение поведенческих факторов будет набирать обороты?

Вопрос : связан ли «Королев» с «Баден-Баденом»?

Вопрос : Как включить новый поиск Яндекс?

Ответ : В блоге Яндекса и в поисковых запросах часто возникали вопросы, как включить или настроить новый поиск. Ни в коем случае … Новый алгоритм уже работает и никаких дополнительных настроек делать не нужно.

«Королев» — это алгоритм поисковой системы Яндекс, на котором основана новая версия поиска. Запущен в августе 2017 года. Является логическим продолжением алгоритма Палеха. Нейронная сеть, обученная статистике поиска, поведению пользователей, сравнивает значение, сущность запроса и веб-страницы, что позволяет лучше реагировать на сложные запросы.

Принцип действия

Алгоритм поиска «Королев», в отличие от ранее созданного «Палеха», анализирует не только заголовок, но и всю страницу.Определение смысла происходит одновременно с индексацией, что значительно увеличивает скорость и количество обрабатываемых страниц.

Чтобы получить ответ от пользователя, используется несколько шагов. На каждом из них заказываются документы, лучшие переходят на следующий этап. По мере повышения уровня применяются все более сложные алгоритмы.

Для ускорения финального этапа и увеличения объема анализируемых документов введен дополнительный индекс, содержащий примерную релевантность, рассчитываемую на этапе индексации для популярных слов и их пар по запросам пользователей.Это позволило значительно увеличить глубину — до 200 тысяч документов на запрос.

Помимо сравнения заданного вопроса со значением страницы, алгоритм учитывает, какие другие запросы пользователи использовали для просмотра определенного документа, что позволяет устанавливать дополнительные семантические ссылки.

Алгоритм использует нейронную сеть, которая учится на обезличенной статистике. К обучению нейросети привлекаются простые пользователи. Если раньше этим занимались только сотрудники Яндекса, асессоры, то теперь любой желающий может пройти обучение методу машинного обучения Matrixnet, строящему формулу ранжирования, выполняя задания в Яндексе.Толок.

«Королев» относится к многословным запросам с уточнением смысла, и это, как правило, информационные, низко- и микрочастотные, часто задаваемые голосовым поиском … В качестве ответа могут быть страницы, на которых некоторые слова использованные в запросе отсутствуют.

Сразу после запуска для многих уточняющих запросов справа от проблемы пользователей просили оценить качество ответа на вопрос, чтобы указать сайт, который был более успешным.

Влияние на SEO

Алгоритм поиска «Королев» оказывает наибольшее влияние на информационные запросы со сложными, многословными, часто уникальными формулировками. Однако было замечено, что сайты, в которых встречаются некоторые слова из запроса, по-прежнему часто занимают более высокие позиции.

Алгоритм «Королёв» практически не влияет на выдачу типовых коммерческих запросов. Однако растущий поворот Яндекса к пониманию смысла, естественно, предполагает, что это вопрос времени.Следовательно:

• нужно больше внимания уделять информативности контента, его ценности и полезности для пользователя, а не поливать водой;
• год — эпоха «тошноты» текста, точных вхождений ключевых фраз ушла в прошлое;
• использование принципов копирайтинга LSI с тематическими словами, синонимами и т. Д. Более перспективно, чем традиционное написание ключевых слов и может привлечь дополнительный трафик;
• нужно уделять пристальное внимание семантической разметке, чтобы Яндекс правильно понимал содержание страниц;
• важно поддерживать высокие показатели поведенческих факторов (время посещения, глубина просмотра и т. Д.).).

«Космическая» премьера Яндекса — это не только изменение структуры индекса, но и своеобразное напоминание о том, что контент нужно делать для людей, а не только для попыток манипулировать результатами.

Как ИИ повлияет на контент?

1. Появление поисковых систем

Поисковые системы разрабатывались в соответствии с ростом количества материалов в Интернете. Чем больше документов было найдено поисковыми системами, тем сложнее использовались алгоритмы.Во-первых, поисковые системы AI были просто предназначены для выполнения поиска по страницам, затем они решали простые задачи, а теперь они отвечали за всестороннюю помощь со стороны пользователей.

Поисковые системы прошли следующие этапы развития:

• Шаблон наивного поиска — был поиск слова, также называемый «инвертированный индекс». Кроме того, пользователи должны учитывать частоту слов и диапазон страниц.
• Референтное ранжирование — с увеличением количества страниц возникла необходимость ранжировать страницы, и ранжирование страниц было присвоено системам ранжирования.Рейтинг важности страниц зависел от качества и количества ссылок на эти страницы.
• Машинное обучение — сначала для Яндекс. В 2017 году Яндекс начал использовать новую систему машинного обучения Cat Boost. Cat Boost дает более точный рейтинг.

Искусственный интеллект (AI)

2. Искусственный интеллект

AI основан на разработках машинного обучения. О разработках в этом направлении известно с 2013 года, когда было проведено первое исследование в области семантического анализа и возможностей системы Word2Vec.Google создал систему самообучения с ИИ — Rank Brain — на основе этой программы. Система была запущена в 2015 году. Целью этого алгоритма было улавливать смысл текстов путем поиска связей между отдельными словами.

Rank Brain является частью алгоритма Hummingbird в Google. Когда эта система находит незнакомые слова, она ищет подсказки и синонимы в соответствии с запросом. Найденные аналогии становятся основой для фильтрации данных. В настоящее время Rank Brain является одним из трех наиболее важных критериев оценки страницы вместе со ссылками и текстом.

В 2016 году Яндекс объявил о запуске нового алгоритма «Палех», основанного на нейронных связях. Этот алгоритм позволяет выполнять поиск по страницам, который соответствует как запросам по ключевым словам, так и по значению. «Палех» анализирует заголовки страниц и выявляет скрытые смысловые связи.

Еще один алгоритм «Королев» был представлен в 2017 году. В отличие от «Палеха», «Королев» сравнивает семантические векторы запросов и целых страниц. Раньше для этого использовались заголовки. Кроме того, кроме нейронных связей, применяется машинное обучение, основанное на поведении человека.Таким образом, миллионы пользователей действуют как оценщики. Все алгоритмы имеют похожую процедуру из 1 задачи, которая предназначена для улучшения понимания сложных многословных запросов.

3. Как изменилась SEO-оптимизация

Проникновение ИИ коренным образом изменило результаты запросов и правила SEO. Использование ИИ связано с определенными преимуществами:

• Повышена точность вывода по нечастым и низкочастотным запросам — поисковые системы понимают простой человеческий язык;
• В выводе преобладают более качественные ресурсы — фильтруется спам и переоптимизация по ключевым словам;
• SEO-тексты не требуются — нужно учитывать только потребности пользователей.LSI-копирайтинг используется для оптимизации текстов под запросы пользователей.
• Можно выполнить деоптимизацию поисковой системы, чтобы отсоединить ссылки, связанные с определенным термином.

Несмотря на многочисленные преимущества, связанные с ИИ, есть и определенные недостатки:

• Нечеткие результаты поиска — робот не может точно определить необходимый контекст, если значение многозначно. Поэтому предлагает несколько вариантов.
• Непрозрачная система ранжирования — пользователь не может указать область поиска, подбирая словосочетания, поскольку поисковые системы находят то, что они считают подходящим.
• Непредметные ресурсы в выводе — часто веб-сайты, не относящиеся к теме поиска, появляются в результатах поиска или в выводе можно найти некачественный контент.

5. ИИ можно использовать для оптимизации контентных стратегий

Менеджеры по контент-маркетингу сталкиваются с проблемами, связанными с принятием решения о том, какой тип контента использовать для привлечения клиентов и как стимулировать клиентов от этапа знакомства с брендом до совершения покупок. Один раз можно разработать подробные профили клиентов и удовлетворить потребности целевой аудитории.Иногда ИИ может объяснить, что нужно клиентам, даже если они не могут сформулировать свои реальные потребности. Анализируя профили в социальных сетях и отслеживая обсуждения в тематических блогах (форумах), ИИ может понимать потребности клиентов. Многие известные бренды используют эти инструменты искусственного интеллекта, чтобы оправдать ожидания клиентов. Бренды могут развивать личность клиентов, изучая результаты поисковой оптимизации целевой аудитории с помощью инструмента SEO-мониторинга. Кроме того, ИИ помогает решить эти проблемы, поскольку делает возможной идентификацию покупателя с помощью анализа трафика, поведения в социальных сетях и взаимодействия по электронной почте.

6. Новый взгляд на контент

AI позволяет создавать гиперперсонализированный контент со ссылкой на профили целевой аудитории. Это будет новая эра контент-маркетинга, поскольку он предлагает мощные инструменты для более эффективного управления удовлетворенностью клиентов. В прошлом это было невозможно. Старомодные уловки больше не работают, и маркетологам следует воспользоваться преимуществами новых алгоритмов для создания отличного контента и маркетинговых стратегий.

7. Заключительные мысли

Принимая во внимание недавние изменения в подходах к SEO, маркетологи смогут разрабатывать более подробные маркетинговые стратегии, используя различные инструменты и устройства для управления контентом.AI позволяет маркетологам сосредоточиться на потребностях клиентов на основе факторов ранжирования.