Google’s Reasonable Surfer Model

Google’s Reasonable Surfer Model adalah paten untuk penyempurnaan Random Surfer Model atau yang lebih dikenal dengan Algoritma PageRank. Ini melibatkan probabilitas berbeda dimana ada kemungkinan pengguna mengklik link pada web berdasarkan ‘muatan’ yang terkait tautan itu sendiri.

Paten Google ini, bertujuan mengklasifikasi jenis tautan dalam perspektif faktor peringkat dan pengalaman pengguna sebagai tujuan akhir.  

Ini juga memangkas pengaruh tautan SPAM yang mendistorsi peringkat web di SERP (Search Engine Result Page) atau halaman hasil mesin pencari.

Algoritma Google’s Reasonable Surfer Model bertugas untuk memastikan, halaman web yang di promosikan Google pada pengguna, menjadi lebih berkualitas dan bermanfaat, dengan mempertimbangkan relevansi konten, kualitas tautan, dan sinyal pengguna terkait aktivitas di halaman itu sendiri.

Posting ini akan mengeksplorasi bagaimana Google menggunakan faktor-faktor penting tersebut untuk menentukan peringkat website di halaman hasil pencarian mereka. 

Google’s Reasonable Surfer Model vs Random Surfer Model

Reasonable Surfer Model atau Surfer Model yang wajar sekilas telah disebut diatas, sebagai penyempurna Random Surfer Model atau Model Surfer Acak.

Ini tentang probabilitas pengguna dalam memberlakukan tautan pada sebuah halaman web. Mengingat, ada beberapa fakta, pengguna menelusuri halaman-halaman yang terkesan tanpa motivasi tertentu. Dalam artian, mereka mengklik setiap tautan yang ada dan mengarahkan mereka ke halaman baru.

Mungkin Anda pernah mempunyai pengalaman, menjelajah di internet dimulai dari halaman topik tertentu dan berakhir pada topik yang jauh berbeda dari sebelumnya. Atau mungkin menonton video music R&B di Youtube dan tiba-tiba berakhir di video tutorial memasak.

Ini adalah gambaran aktivitas Random Surfer Model. Fakta yang jelas tidak dapat menjadi acuan dalam penentuan kualitas dan fungsi tautan untuk pemeringkatan.

Namun, ada kecendrungan alamiah pengguna tentang bagaimana memberlakukan tautan pada suatu halaman web. Ini terkait relevansi minat dan niat pengguna awal, yang berkembang melalui rekomendasi dalam bentuk tautan dari halaman menuju halaman lain.

Kecendrungan alamiah ini, didefinisikan sebagai Reasonable Surfer Model. Atau, aktivitas wajar yang terjadi pada halaman web dalam memberlakukan tautan.   

Mengapa Reasonable Surfer Model Menggantikan Random Surfer Model?

Model surfer wajar memiliki akurasi lebih tinggi dalam menghitung probabilitas klik tautan. Sederhananya begitu.  

Manfaatnya;

• Probabilitas yang melibatkan kemungkinan seseorang mengklik tautan tertentu berdasarkan muatan (fitur) tautan terkait.
• Probabilitas ini dapat menentukan seberapa besar kemungkinan seseorang mengklik tautan tersebut.

Pembaruan paten ini, dijelaskan sebagai berikut:

… peringkat untuk dokumen tertentu, menghasilkan peringkat termasuk menentukan data fitur tertentu yang terkait dengan tautan ke dokumen tertentu, data fitur tertentu yang mengidentifikasi satu atau lebih atribut tautan, menentukan bobot yang menunjukkan kemungkinan tautan yang dipilih, bobot ditentukan berdasarkan data fitur dan data seleksi tertentu, data seleksi yang mengidentifikasi perilaku pengguna yang berkaitan dengan tautan ke dokumen lain… bobot yang menunjukkan probabilitas lebih tinggi dari tautan yang dipilih ketika data fitur tertentu sesuai dengan data fitur yang terkait dengan satu atau lebih tautan daripada ketika data fitur tertentu sesuai dengan data fitur yang terkait dengan satu atau lebih tautan lain …  kata-kata dalam teks jangkar yang terkait dengan tautan, dan jumlah kata dalam teks jangkar……

Telah dijelaskan bahwa peringkat ditentukan untuk dokumen berdasarkan data perilaku pengguna. Menurut satu implementasi, data perilaku pengguna dikaitkan dengan sekumpulan pengguna. Menurut implementasi lain, data perilaku pengguna dikaitkan dengan subset, atau kelas, pengguna. Dalam hal ini, bobot yang ditetapkan ke tautan dapat disesuaikan dengan kelas pengguna. Menurut implementasi lain, data perilaku pengguna dikaitkan dengan satu pengguna. Dalam hal ini, bobot yang ditetapkan untuk tautan dapat disesuaikan dengan pengguna.

Peringkat dokumen berdasarkan perilaku pengguna dan/atau data fitur

Anda dapat melihat bahwa data unggulan dan teks jangkar memainkan peran penting dalam Model Peselancar yang Wajar.

Model Peselancar yang Wajar melihat kemungkinan tautan diklik berdasarkan fitur tautan. Sebaliknya, Model Peselancar Acak melihat kemungkinan tautan acak diklik berdasarkan lalu lintas rata-rata.

Ini berarti bukan lagi probabilitas “acak” tetapi sekarang probabilitas “masuk akal” tautan diklik.

PageRank Berada di bawah Random Surfer Model

Algoritme PageRank Google didasarkan pada Model Peselancar Acak, di mana ia memberi peringkat halaman web pada kemungkinan bahwa, pengguna yang mengikuti tautan website (secara acak) mungkin tiba di halaman tertentu:

Peringkat halaman dapat diartikan sebagai probabilitas bahwa seorang peselancar akan berada di halaman setelah  mengikuti banyak tautan penerusan . Konstanta ± dalam rumus ditafsirkan sebagai probabilitas bahwa peselancar web akan melompat secara acak ke halaman web mana pun alih-alih mengikuti tautan maju.

Sistem dan metode yang konsisten dengan prinsip penemuan ini dapat memberikan model peselancar yang masuk akal yang menunjukkan bahwa ketika seorang peselancar mengakses dokumen dengan sekumpulan tautan,  peselancar akan mengikuti beberapa tautan dengan kemungkinan lebih tinggi daripada yang lain . Model peselancar yang masuk akal ini mencerminkan bahwa tidak semua tautan yang terkait dengan dokumen memiliki kemungkinan yang sama untuk diikuti. Contoh tautan yang tidak diikuti mungkin termasuk tautan “Ketentuan Layanan”, iklan spanduk, dan tautan yang tidak terkait dengan dokumen.

Peringkat dokumen berdasarkan perilaku pengguna dan/atau data fitur

PageRank Dan Model Peselancar yang Wajar

Model Peselancar yang Wajar dapat digunakan untuk menghitung jumlah PageRank yang mungkin dilewati tautan; berdasarkan apakah seseorang akan mengkliknya atau tidak.

Inilah yang kemudian yang menjadi dasar apa yang disebut faktor kualitas backlink.

Karena, tidak setiap tautan dari halaman web dalam sistem peringkat bernilai sama antara satu dengan yang lainnya.

Melalui mekanisme ini, mesin pencari, Google khususnya, dapat melihat faktor-faktor khusus dalam menentukan nilai atau bobot yang diperhitung dari sebuah tautan. Jadi bukan hanya dari kualitas situs atau halaman sumber backlink, yang bisa saja dibuat atas dasar tujuan SEO.

Lebih dari itu, mesin pencari ingin melihat lebih dalam tentang fungsi dan kebermanfaatan tautan itu dibuat untuk pengguna mesin pencari.

Sebagaimana disebutkan dalam panduan dasar SEO sebelumnya, dan yang juga banyak beredar di luar sana, bahwa salah satu sinyal yang digunakan oleh Google untuk menentukan peringkat halaman web adalah; melihat tautan ke dan dari halaman untuk melihat tautan mana yang mengarah ke halaman lain. 

Tautan dari halaman “penting” lebih berbobot daripada tautan dari halaman yang kurang penting. Halaman penting adalah halaman yang ditautkan ke halaman penting lainnya. Itu juga bisa menautkan ke sejumlah besar halaman yang kurang penting atau kombinasi keduanya. Sinyal ini adalah PageRank. 

Ini hanyalah salah satu dari banyak sinyal peringkat Google yang digunakan untuk memberi peringkat halaman web dan menentukan seberapa tinggi halaman muncul di hasil pencarian sebagai tanggapan atas kueri.

Ini dilandasi oleh makalah awal pendiri Google;

PageRank adalah model perilaku pengguna. Kami berasumsi bahwa “peselancar acak” memilih halaman web secara acak dan terus mengklik tautan, tidak pernah menekan “kembali”, tetapi akhirnya bosan dan mulai di halaman acak lainnya. Probabilitas bahwa peselancar acak mengunjungi halaman adalah PageRank-nya.

The Anatomy of a Large-Scale Hypertextual Web Search Engine;

Berdasarkan pendekatan PageRank, tautan apa pun dari halaman yang sama membawa bobot atau kepentingan yang sama ketika diarahkan ke halaman lain.

Sementara, dengan hadirnya ide Reasonable Surfer Model, itu berfungsi untuk mengklasifikasi pembobotan berdasarkan nilai ‘fitur’ tautan itu sendiri.

Fitur tautan dalam perspektif Model Surfer yang Wajar:

1. Ukuran font teks jangkar yang terkait dengan tautan;
2. Posisi tautan (diukur, misalnya, dalam daftar HTML, dalam teks berjalan, di atas atau di bawah layar pertama yang dilihat pada tampilan browser 800 X 600, samping (atas, bawah, kiri, kanan) dokumen, dalam footer, di bilah sisi, dll.);
3. Jika tautan ada dalam daftar, posisi tautan dalam daftar;
4. Warna font dan/atau atribut lain dari tautan (mis., miring, abu-abu, warna yang sama dengan latar belakang, dll.);
5. Jumlah kata dalam teks jangkar tautan;
6. Kata-kata aktual dalam teks jangkar tautan;
7. Seberapa komersial teks jangkar yang terkait dengan tautan;
8. Jenis tautan (misalnya, tautan teks, tautan gambar);
9. Jika tautannya adalah tautan gambar, berapa rasio aspek gambarnya;
10. Konteks beberapa kata sebelum dan/atau setelah tautan;
11. Sebuah cluster topikal yang terkait dengan teks jangkar dari link;
12. Apakah tautan mengarah ke suatu tempat di host atau domain yang sama;
13. Jika tautan mengarah ke suatu tempat di domain yang sama,
    • Apakah URL tautan lebih pendek dari URL pengarah; dan/atau
    • Apakah URL tautan menyematkan URL lain (misalnya, untuk pengalihan sisi server)

Fitur Terkait Dengan Dokumen Sumber

Contoh fitur yang terkait dengan dokumen sumber di bawah model surfer yang wajar mungkin termasuk:

1. URL dokumen sumber (atau sebagian dari URL dokumen sumber);
2. Situs web yang terkait dengan dokumen sumber;
3. Banyak tautan dalam dokumen sumber;
4. Kehadiran kata lain dalam dokumen sumber;
5. Adanya kata lain dalam judul dokumen sumber;
6. Sebuah cluster topikal yang memiliki asosiasi dengan dokumen sumber; dan/atau
7. Sejauh mana cluster topikal yang terkait dengan dokumen sumber cocok dengan cluster topikal yang terkait dengan teks jangkar dari sebuah tautan.

Fitur Terkait dengan Dokumen Target

Contoh fitur yang terkait dengan dokumen target di bawah model surfer yang wajar mungkin termasuk:

1. URL dokumen target (atau sebagian dari URL dokumen target);
2. Sebuah situs web yang terkait dengan dokumen target;
3. Apakah URL dokumen target berada di host yang sama dengan URL dokumen sumber;
4. Apakah URL dokumen target ada hubungannya dengan domain yang sama dengan URL dokumen sumber;
5. Kata-kata di URL dokumen target; dan/atau
6. Panjang URL dokumen target.

Data Perilaku Pengguna Terkait dengan Dokumen dan Tautan

Data perilaku pengguna yang terkait dengan dokumen dan tautan di bawah model peselancar yang wajar juga dapat dilihat, seperti:

1. Informasi tentang bagaimana orang mengakses dan berinteraksi dengan dokumen, seperti tindakan navigasi (misalnya, tautan yang dipilih, alamat web yang dimasukkan, formulir yang diisi, dll.),
2. Bahasa pengguna,
3. Kepentingan pengguna,
4. Istilah kueri dimasukkan,
5. Seberapa sering tautan diklik,
6. Jika tautan tidak dipilih saat satu tautan diambil.
7. Ketika tidak ada tautan yang dipilih pada halaman,
8. dll.

Data perilaku pengguna ini dapat bekerja dengan browser web atau program asisten browser seperti Toolbar Google.

Paten “Google’s Reasonable Surfer Model” yang diperbarui dapat ditemukan di:

Peringkat dokumen berdasarkan perilaku pengguna dan/atau data fitur

Penemu: Jeffrey A. Dean, Corin Anderson, dan Alexis Battle
Ditugaskan ke: Google
US Patent 9.305.099
Diberikan 5 April 2016
Diarsipkan: 10 Januari 2012

Abstrak

Sebuah sistem menghasilkan model berdasarkan data fitur yang berkaitan dengan berbagai fitur tautan dari dokumen penautan ke dokumen tertaut dan data perilaku pengguna yang berkaitan dengan tindakan navigasi yang terkait dengan tautan. Sistem juga memberikan peringkat ke dokumen berdasarkan model.

Peringkat dokumen berdasarkan perilaku pengguna dan/atau data fitur

Kredit atas artikel ini, adalah milik Bill Slawski; karena saya mengetahui cerita tentang Google’s Reasonable Surfer Model berdasarkan tulisannya. blognya