Алгоритм Палех Яндекс. Зачем, о чем, как работает и кому полезен?

Приветствую дорогие коллеги и клиенты, хоть у меня и не узконаправленный SEO блог, но спешу сообщить Вам что будущее и предсказания начали сбываться: алгоритм “палех”, – так окрестили его в яндексе.  И это реально крутые новости, хотя честно говоря я думаю, что он уже работал и до этих новостей)

Палех… палех. Сейчас доберусь и до него.

Здесь я кстати писал про уникальность контента. Это важно, прочти!

Прелюдия: продвижение по низкочастотным запросам.

Но сначала давай вводную предварительно напишу. Итак, по порядку. Я довольно давно занимаюсь интернет-маркетингом, поэтому продвижение сайтов через поисковую систему Яндекс совсем родное. Это касается как СЕО, так и контекстной рекламы.

Сейчас несколько абзацев по низкочастотке, а потом перейдем к палеху.

Продвижение продвижению рознь. Попытки продвигаться по высоко частотным запросам были оставлены далеко в глубокой юности, ибо желание урвать себе кусок потолще, как правило, заканчивалось в ноль слитым бюджетом с такой же эффективностью.

И на помощь пришли низкочастотные ключевые запросы. Однако оставим в покое контекст и сосредоточимся на СЕО.

[Зачем палить из пушки по воробьям, когда можно взять снайперскую винтовку?]

И, о Боги. Семантика сайта, сформированная на большом количестве низкочастотных запросов, творит почти чудеса. Конкуренция низкая, трафик приходит быстро и самое главное, конверсия с такого трафика значительно выше. Понимаешь почему? Сейчас поясню.

Что такое низкочастотный запрос? Низкочастотный запрос – это, по сути, сформулированная потребность человека, которую ему необходимо решить, так? Так. Ну, например:

• Как избавиться от грыжи позвоночника без операции? Или
• Наращивание волос в Апрелевке круглосуточно
• Купить ранец для школы в Москве

Потребность есть? Есть. Осталось дело за малым. Оказаться в топе по такому низкочастотному запросу и удовлетворить желание целевого клиента или пациента. И не удивительно, что такие запросы конвертируют лучше, и чем больше вы их соберете, тем лучше.

Новый поисковый алгоритм Яндекса.

Прошел почти месяц как Яндекс анонсировал запуск нового алгоритма «Палех». Откуда взялось это название, и причем здесь клюв, туловище… а главное хвост, об этом подробно вы можете прочесть у самого Яндекса.

Я же здесь постараюсь кратко изложить суть вещей без занудства, а главное рассказать, тоже без лишней тягомотины..)) что этот алгоритм нам принес.

Непросто так мое повествование началось с НЧ. Все дело в хвосте жар-птицы, как бы глупо это не звучало. Именно он символ сложных для понимания поиска низкочастотных запросов.

Действительно, «…запросы длинного хвоста очень разнообразны…» и для того, чтобы их удовлетворить Яндекс и создал этот новый алгоритм на основе нейронных сетей.

С вашего позволения о развитии искусственного интеллекта, способности к самообучению, анализу больших объемов данных, семантическом векторе и других технических тонкостях писать не буду, просто потому что такие технические дебри убивают весь запал в работе.

Чего нам ждать от Палеха?

Итак. По факту алгоритм уже работает три месяца, до объявления о запуске он уже работал два месяца, это не секрет.

Суть сего алгоритма в том, что теперь ранжирование сайтов идет не только по точным ключевым запросам, но и по фразам, которые схожи с ними по смыслу.

Т.е. сам запрос может быть очень сложным и единственным в мире по своей уникальности, а т.к. у Яндекса по таким запросам не было статистики, поэтому ему сложно найти релевантные страницы. И тут на помощь приходит «Палех» с его нейронными сетями.

Один из примеров Яндекса, когда человек хочет найти фильм, но не знает его названия. Запрос может звучать как: «фильм про человека, который сажал картошку на другой планете» … «Марсианин».

Кого коснется новый алгоритм? Прежде всего, конечно, сайты, содержащие большое количество качественного текстового контента. Почему? Да потому что теперь такие сайты будут ранжироваться по ключам, по которым раньше не ранжировались. Понимаешь?

[Контент – двигатель торговли]

Смотри, у тебя есть хороший сайт, с нормальным трастом, есть семантика, есть полезный контент. И есть Палех. Он то и будет приводить тебе органический трафик, искавший похожее по смыслу, анализируя весь этот семантический вектор. Такой вот бонус от Яндекса по «хвостатым» низкочастотным запросом.

Сейчас люди все большего хотят от поисковика, и уже около 40% всех запросов уникальны… т.е. таких больше нет. Это и есть тот самый длинный хвост низкочастотных запросов, который раздает приятные бонусы качественным проектам.

А вот некачественные проекты, рано или поздно, останутся у разбитого корыта. И это объясняется просто. Если сейчас алгоритм распознает заголовки и на их анализе выдает страницы, то недалек тот час, когда тот же самый алгоритм научится распознавать текста… и вот тогда, все сео тексты, а может даже и рерайты, к чертям.

И на этой позитивной ноте, откланяюсь.

P. S. Напишите в комментариях, что вы думаете о новом алгоритме Яндекса и как он отразился на вашем сайте? Ну и все в том же духе.

Прочитайте также полезные для вас посты:

Палех — алгоритм Яндекса

Skip to content

admin2017-08-15T20:11:30+04:00

Яндекс запустил 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.

Go to Top

5 использует алгоритм Палеха на основе нейронной сети Яндекса

Являясь глобальным агентством, iProspect UK гордится тем, что обслуживает не только клиентов из Великобритании, но и бренды, работающие по всей Европе. Для большинства рынков ЕС Google является основной поисковой системой, но не в России, где Яндекс доминирует на рынке органического поиска. Алфавит и структура русского языка отличаются от английского и большинства других европейских языков, что затрудняет для Google обработку запросов и контента на русском языке. Следовательно, с точки зрения UX, Яндекс обеспечивает лучшие локальные результаты в России по сравнению с Google.

Поскольку Россия является одним из крупнейших рынков ЕС и имеет большой потенциал для брендов электронной коммерции, осведомленность и своевременная реакция на обновления Яндекса могут изменить правила игры на местном рынке.

Яндекс, крупнейшая поисковая система в России и один из ключевых конкурентов Google, представила новый поисковый алгоритм «Палех», в основе которого лежат нейронные сети. С Палехом Яндекс нацелен на лучшую обработку длинных запросов и поиск подходящего соответствия не только по ключевым словам, но и по смыслу.

Вот основные 5 вещей, которые нужно знать о Яндекс Палехе:

1 Сколько запросов затронуто?

Новый алгоритм затронет более 100 миллионов поисковых запросов в день, или примерно 40% от общего 280-миллионного ежедневного потока поиска. В основном это длинные запросы, в том числе уникальные и заданные на естественном языке (например, «дорогой Яндекс, расскажи мне о фильме, где человек выращивал картошку на другой планете»).

2 Как работает новый алгоритм?

Яндекс научил свою поисковую систему хэшировать миллиарды просканированных заголовков страниц в числа — или группы по 300 чисел в каждой. В результате все страницы из базы Яндекса получают свои координаты в 300-мерном пространстве. Таким же образом хэшируются поисковые запросы.

Тогда остается только найти страницу с ближайшим хеш-номером к запросу. Эта технология, получившая название «семантический вектор», поддерживает эволюцию Яндекса в сторону семантического поиска.

3 Как нейронные сети используются в алгоритме?

Нейронные сети по сути являются методом машинного обучения. В процессе «обучения» сеть обрабатывает огромное количество примеров контента и вырабатывает способность распознавать объект, стоящий за поисковым запросом, в изображениях, звуках и других объектах.

На данный момент Яндекс Палех может применять нейросети только для анализа текста в поисковых запросах и заголовков страниц. Используя статистику поиска Яндекса и поведения пользователей, нейронные сети учатся «понимать» смысловую связь между страницей и запросом.

4. Что это значит для SEO?

На данный момент алгоритм Яндекс Палеха смотрит только на заголовки страниц, поэтому, возможно, стоит проверить их на релевантность содержания и удобство использования. Яндекс таким же образом работает над расширением технологии основного контента, давая всем веб-мастерам возможность расставить приоритеты в разработке контента. Если это обновление будет выпущено, оно может негативно повлиять на сайты электронной коммерции, которые не содержат большого количества контента, кроме списков продуктов.

Поскольку алгоритм в основном охватывает запросы с длинным хвостом, оптимизация запросов на естественном языке и голосового поиска может оказаться полезной. Кроме того, Яндекс использует нейронные сети для обработки изображений, что подчеркивает важность насыщенного контента и оптимизации изображений.

Кстати, Яндекс не планирует избавляться от полутора тысяч других факторов ранжирования. Следовательно, следует по-прежнему принимать во внимание большинство лучших практик, таких как качественный контент, избежание черных методов, местная релевантность и т. д.

5  И, наконец, что стоит за этим названием Палех?

С 2008 года Яндекс называет свои алгоритмы именами городов России. Палех — небольшой город в России, известный народными промыслами миниатюрной живописи, вдохновленными сказками и народными песнями. Наиболее характерный образ палехского искусства – жар-птица с длинным красивым хвостом. Яндекс использовал его как метафору, чтобы продемонстрировать разнообразие и уникальность поисковых запросов.

Яндекс запустил нейросетевой алгоритм поиска Королева

Пол Хилл Неовин · 22 августа 2017 г.

, 23:04 по восточному поясному времени · Горячий! с

Яндекс, популярная российская поисковая система, модернизировала свою поисковую платформу, внедрив обновленную версию алгоритма поиска на основе глубокой нейронной сети под названием «Королев». Кроме того, компания внедрила Яндекс.Толоку, массовую краудсорсинговую платформу, которая передает результаты в алгоритм ранжирования машинного обучения Яндекса, MatrixNet.

Королев — не первый нейросетевой алгоритм, внедренный Яндексом, в конце 2016 года он внедрил Палех. С Королевым Яндекс теперь обрабатывает нечастые и сложные запросы, известные как длинные запросы, двумя способами:

.

«Во-первых, [Королев] лучше понимает намерения пользователя, чем его предшественник, потому что он исследует все веб-страницы, а не только их заголовки. Во-вторых, [Королев] может масштабироваться, чтобы анализировать в тысячу раз больше документов в режиме реального времени, чем Палех».