Bing如何对搜索结果进行排名：核心算法和蓝色链接

可以安全地假设Bing和站群的组织和功能相似。

考虑到这一点，如果站群不会告诉我们更多有关算法如何运行的信息，我认为如果我想更好地理解Bing是解决方案。

这就是我所做的。

以下是我与Bing团队负责人进行的五个系列中的第一次采访。

我会将它们全部作为文章发布在“搜索引擎期刊”上（以及在我的播客“ With Jason Barnard…”和Kalicube.pro YouTube频道上完整，完整的对话中）。

首先：Bing高级程序经理LeadFrédéricDubut。

任何SERP的基础都是（10）蓝色链接

Dubut**断言，现代搜索引擎上每个结果页面的基础都是“ 10个蓝色链接”。

然后，如果可以使用丰富元素（SERP功能）直接有效地解决查询问题，则该算**以该格式合并最佳结果。

如果多个丰富元素可以为用户提供价值，那么这些元素也是广告ded.

This confirms what 站群’s Gary Illyes from 站群 said last May in Sydney. But with more “gusto.”

If you haven’t already, then before continuing, please do read this detailed explanation of how Darwini** in Search works as explained by Illyes.

Here’s the ultra-simplified explanation:

SERP features are simply an additional format that lives or dies by the evaluation of their usefulness/value for the user as judged by a combination of Darwinistic algorithms.

That’s it. Simple.

That initial article about how 站群 ranking functions covered a lot of ground, but when I talked to Dubut, he took things further:

Each candidate set has a dedicated team behind it.

There is a Whole Page Team that plays the role of “referee” in order to make sure that the page brings “maximum” value to the user.

A Dedicated Team (& Adapted Algo) Behind Each Candidate Set

Each candidate set algorithm works on the same centralized “blue link algorithm” using a modular system that isolates signals (call them factors or features, if you like) and uses different weightings on them.

And each candidate set has a specialized team working on how to:

Build on top of that algo to best serve the specifics of their feature.

Generate the best possible results for that set and present it as a candidate for the SERP.

If a candidate set provides a result that is an improvement on the original 10 blue links, it gets a place on the SERP.

Q&A Featured Snippet Algorithm

If we take a featured snippet as an example, being accurate, fresh, and authoritative is more important than having a boatload of links.

Featured snippets (Q&A in Bing-speak) also serves as a great example of answering the query, but more efficiently – for the user, that is an obvious and immediate improvement on a blue link.

Anecdotally, the Q&A team is in the office next door to the blue links team.

Part 3 of this series is the interview with Ali Alvi who leads the Q&算法;A team. It’s the longest of the series and is wildly interestinG。

我想到的一个事实是，他管理着为蓝色链接结果生成描述的团队。

而且，当您考虑到Fabrice Canel在本系列第2部分中对他在索引/存储他们爬网的页面时添加的注释的解释时，所有这些开始可以轻松地放在一起。

多媒体算法

视频和图像是富元素的其他一些易于理解的示例，它们在某些方面为用户带来了比蓝色链接更大的价值—最明显的是，任何包含“图像”或“视频”一词的查询，也几乎包含任何查询流行歌手或视觉艺术家周围。

有趣的是，视频和图像候选集都由同一团队-多媒体管理。

本系列文章的第4部分是领导多媒体团队的Meenaz Merchant的访谈，其中提供了一些非常有趣且重要的见解-尤其是权威和信任的重要性。

Bing Ads：“另一个候选集”

一旦有人解释了竞争SERP的候选人集的想法，下一个明显的问题是：

广告呢？

实际上，它们只是另一个候选集。

如果最相关的广告为用户带来了价值，则它对该SERP上的某些空间拥有“权利”。

广告的关键原则是Bing仍希望满足用户需求。

为了留住观众，Bing必须确保在用户点击广告后所消费的该广告背后的内容能够满足其查询的情况下展示广告。

因此，广告只是另一个候选集，它在SERP后面扩展了一个团队，扩展了选项。

但是，与其他情况一样，Whole Page算法将做出最终决定。

在公司收入与服务用户之间找到微妙的平衡。

弄错了，事情很快就会过去。

站群可能拥有90％以上的市场份额。

但是，即使占据主导地位，太多无法投放的广告也有可能带来灾难。

也就是说，广告仍然是特例。

无论站群和B说，很明显，它们将带有一定程度的自我维护的商业偏见。

但是，从宏观的角度来看，我倾向于没有那么严格，建议它们的长期生存取决于算法是否能达到合理的平衡。

两家公司中的任何一家都将以短期赚钱为代价而牺牲长期利益的想法没有商业意义。

除此之外，如果没有人点击广告，他们将不会赚钱。

给定呈现SERP的方式，那么我们就遇到了这样一种情况，即广告必须填充与其他候选者相同的角色：提供替代路径或以对用户有吸引力的格式提供相同的答案。

因此，赚钱只不过是确保广告作为用户的即时解决方案具有吸引力–是蓝色链接或丰富结果的真正有效替代方案……而这取决于广告客户的能力：

出价查询他们实际拥有解决方案的地方。

提供广告c对用户有用和有价值的opy。

而且，如果我们将购物广告视为与视频盒，精选摘要等相同的丰富元素/ SERP功能，那么我们可以看到，广告将在未来几年内以达尔文主义方式发展。

整页团队

这个词在与Dubut的对话中真正激发了我的兴趣。

达尔文主义意味着，任何想出现在SERP上的富元素/ SERP功能都可以通过生存或死亡，因为它们是否真的可以说服算法他们拥有比蓝色链接更多的价值。

这在一定程度上是正确的。

每个“候选集”都会产生最佳答案（视频，图像，精选摘录，“人们也要问……”），然后输入“出价”，但并不是由他们决定是否出现。

这就是整个页面算法的作用。

整个页面团队是一个非常重要的概念，也是一个关键发现。

本系列的第5部分是领导整个页面团队的Nathan Chalmers的访谈–他确认整个页面算法确实可以管理实际显示的内容。

SERP不能完全按照达尔文主义原则运作……但是查默斯（Chalmers）认为，我在搜索中的达尔文主义概念是一种很好的观察方式。而且更好的是，告诉我他们有一个名为达尔文的算法

而且，正如人们所期望的那样，整个页面算法都是围绕意图进行的。它将加权结果，并确保最能满足意图的丰富元素表现良好。

以Beyonce为例，显示视频和新闻很重要，因为这正是用户想要的。

在这种情况下，十个蓝色链接无关紧要。

这是一个示例，说明母版/整页算**严重影响显示内容的最终决定。

在算法中机器学习的简单说明

人工告诉机器是哪些因素（他称它们为他们认为重要的特征,，并为他们提供关于成功和失败的规则。

然后将机器喂入w在一系列不同的搜索查询中，有大量不同的人为标记的好与坏结果示例。

然后，机器为输入的功能计算出不同的权重，无论输入什么内容（无论是对于机器之前从未见过的新示例），在任何情况下都可以提供高质量的结果。

Dubut建议，一种有用的解决方法是将算法视为简单的度量模型……它度量成功和失败并相应地进行调整。

但至关重要的是，人类扮演着核心角色。

机器没有控制权-该算法是由人类（通过示例算法）提供对错定义的。

创造和维护定义哪些功能重要或不重要的平台的人也是人。

机器学习只是平衡所有功能，以最好地满足人类的判断。

机器学习周期

这是一个连续的过程。 Bing不断为算法提供反馈，以便他们可以自我完善。

后 上面列出的第3步，然后由人类法官评估并标记结果。

算法团队使用该数据来调整功能和规则，然后将标记的数据反馈给计算机。

负反馈由机器用于调整和改进。积极的反馈是对机器学习的一种增强。

这听起来像是我们所有人的学习。

必应的人类法官指南

重要的是，人类法官的反馈是有条理的;并非基于人类的直觉，这种直觉会因法官的不同而异，并使反馈对于机器造成混乱或矛盾。

该结构以一组准则的形式出现（等同于站群的“搜索质量准则” /“质量评估者准则”），以确保一致性，最大化客观性并为机器提供结构。

人类对结果的评分会不断反馈到Bing的算法中（请参见上文），从而使机器能够适应和改善特征权重，并（有希望）改善结果over time.

Each team (multimedia, Q&A / Featured Snippet, knowledge panels and so on) have their own panels of human judges and their own guidelines that focus on the requirements of the specific rich element.

That would seem to imply that there are other raters guidelines out there in 站群-land, which is intriguing.

It also means (to me, at least) that whoever writes those guidelines has a strong, indirect influence on the relative weightings of the features (factors).

And that those weightings must vary significantly from one rich element to another.

Once again, the Whole Page Team makes an interesting case – their human judges and guidelines have (arguably) the most visible impact front and center.

Blue Links Won’t Die Off Anytime Soon

The rich elements use variants of the core blue link algorithm (in what I understand is a modular fashion), and the 10 blue links are the “initial SERP” that all the other elements aim to “invade” by proving they provide more value than a blue link.要重申（因为它很重要），SERP是从10个蓝色链接向上系统地构建的。它们是各个方面的基础。

这意味着他们在可预见的将来不会消亡。

SERP功能（丰富的元素）的出现和达尔文主义的崛起已经扼杀了一些，但是在可预见的将来，蓝色的联系不会消失。

每个SERP平均有七个半蓝色链接可能在正确的范围内。

Dubut认为这是一个很好的经验法则，因为总体目标是使SERP保持相同大小。

但是SERP的长度和结果的数量最终是由整页算法决定的（有关更多信息，请参阅本系列文章的第5部分）。

我一直在寻找可靠的数据来确认这一点，但是到目前为止，我所要求使用的任何工具都无法完全隔离第1页，并且无法提供准确的数据（蓝色链接）或丰富的元素（用于站群或Bing）。

我确实做到了完全匹配品牌搜索查询

线圈站群。

该数据（20,000个品牌）显示，在站群（对不起，我无法跟踪Bing），特别是对于品牌SERP，平均有8.15个蓝色链接，而左手边的富元素平均数量边是2.07。

因此，丰富的元素并没有很大程度地影响SERP第1页上的结果数量-尽管它们既变得更丰富，又变得更长一些。

每页的平均结果现在略高于10。

丰富元素以1-1为基础杀死蓝色链接

我的数据集的总体平均值（略低于20,000个品牌的SERP）– 8.15个蓝色链接和2.07个Rich Elements。

但是这些数据并不能说明全部。

杜布特（Dubut）在采访即将结束时说的话为我们提供了一些启示，但我还没有得到详细的数据，但值得进一步调查。

因此，他是对的，因为在左侧添加了丰富的元素，结果的数量仍然保持稳定。

丰富元素的确会杀死蓝色链接-有时

我最初的想法去年5月，当我写“达尔文主义在搜索中”一文时，丰富元素的出现不仅杀死了蓝色链接，而且减少了第1页上的结果数量。

逻辑是，丰富的元素不仅可以代替蓝色链接，而且（例如，由于在Twitter盒中有较大的垂直不动产）还可以杀死额外的蓝色链接，并且平均结果数#1页会掉落。

错误的？

是的。

和不。

两种查询

因此，对于SERP长度，查看两个不同的宏结果集和两个经验法则很有用。

出于明确的意图（在这种情况下为明确的品牌名称），SERP趋于变得越来越丰富和矮化。

随着富元素数量的增加，结果总数趋于下降。

由于意图很明确-较短，更丰富，更集中的结果可以最好地满足他们的用户需求。

出于含混不清的意图，SERP趋于变得越来越丰富和持久-丰富的元素tend to add to the page of results and remove little.

Since the intent is unclear – more results with a range of intents will do the job of satisfying their user best.

Why?

With more ambiguous queries, where there are several intents, the engines want to be more comprehensive.

More results and a longer page are the way they offer more diversity and better cover those multiple intents.

Dubut and Chalmers both confirm this to be true. I am sure data will back this up – any platforms who want to make that ****ysis with me are welcome.