Google क्लिक सिग्नल, रैंकिंग और SEO के बारे में तथ्य

रैंकिंग-संबंधी संकेत के रूप में क्लिक बीस वर्षों से अधिक समय से बहस का विषय रहा है, हालाँकि आजकल अधिकांश एसईओ समझते हैं कि क्लिक प्रत्यक्ष रैंकिंग कारक नहीं हैं। क्लिक के बारे में सरल सच्चाई यह है कि वे कच्चे डेटा हैं और आश्चर्यजनक रूप से, मानव रेटर स्कोर के साथ कुछ समानता के साथ संसाधित होते हैं।

क्लिक एक कच्चा संकेत हैं

सितंबर 2025 से डीओजे एंटीट्रस्ट ज्ञापन राय में क्लिक को “कच्चे सिग्नल” के रूप में उल्लेख किया गया है जिसका उपयोग Google करता है। यह सामग्री और खोज क्वेरी को कच्चे संकेतों के रूप में भी वर्गीकृत करता है। यह महत्वपूर्ण है क्योंकि एक कच्चा सिग्नल निम्नतम स्तर का डेटा बिंदु है जिसे उच्च स्तरीय रैंकिंग सिग्नल में संसाधित किया जाता है या रैंकएम्बेड और उसके उत्तराधिकारी, रैंकएम्बेडबीईआरटी जैसे मॉडल को प्रशिक्षित करने के लिए उपयोग किया जाता है।

इन्हें कच्चा संकेत माना जाता है क्योंकि ये हैं:

• प्रत्यक्ष अवलोकन किया
• लेकिन अभी तक प्रशिक्षण डेटा की व्याख्या या उपयोग नहीं किया गया है

डीओजे दस्तावेज़ प्रोफेसर जेम्स एलन को उद्धृत करता है, जिन्होंने Google की ओर से विशेषज्ञ गवाही दी थी:

“सिग्नल जटिलता में भिन्न होते हैं। “कच्चे” सिग्नल होते हैं, जैसे क्लिक की संख्या, वेब पेज की सामग्री और क्वेरी के भीतर शब्द।

…इन संकेतों को सरल तरीकों से बनाया जा सकता है, जैसे कि घटनाओं की गणना करना (उदाहरण के लिए, किसी विशेष क्वेरी के जवाब में किसी वेब पेज पर कितनी बार क्लिक किया गया था)। पहचान।
2859:3-2860:21 पर (एलन) (नेवबूस्ट सिग्नल पर चर्चा)

फिर वह कच्चे संकेतों की तुलना इस बात से करता है कि उन्हें कैसे संसाधित किया जाता है:

“स्पेक्ट्रम के दूसरे छोर पर इनोवेटिव डीप-लर्निंग मॉडल हैं, जो मशीन-लर्निंग मॉडल हैं जो बड़े डेटासेट में जटिल पैटर्न को समझते हैं।

गहरे मॉडल विशाल डेटा सेट में पैटर्न ढूंढते हैं और उनका फायदा उठाते हैं। वे उच्च लागत पर अद्वितीय क्षमताएं जोड़ते हैं।

प्रोफ़ेसर एलन बताते हैं कि “शीर्ष-स्तरीय सिग्नल” का उपयोग लोकप्रियता और गुणवत्ता सहित किसी वेब पेज के लिए “अंतिम” स्कोर तैयार करने के लिए किया जाता है।

कच्चे सिग्नल आगे संसाधित किए जाने वाले डेटा हैं

सितंबर 2025 के एंटीट्रस्ट दस्तावेज़ में लोकप्रियता डेटा के रूप में नेवबूस्ट का कई बार उल्लेख किया गया है। व्यक्तिगत साइटों पर रैंकिंग प्रभाव डालने वाले क्लिक के संदर्भ में इसका उल्लेख नहीं किया गया है।

इसे लोकप्रियता और इरादे को मापने का एक तरीका कहा जाता है:

“…नवबूस्ट/ग्लू सहित उपयोगकर्ता के इरादे और फीडबैक सिस्टम द्वारा मापी गई लोकप्रियता…”

और अन्यत्र, यह समझाने के संदर्भ में कि क्यों कुछ नेवबूस्ट डेटा को विशेषाधिकार प्राप्त है:

“वे ‘नेवबूस्ट/ग्लू सहित उपयोगकर्ता के इरादे और फीडबैक सिस्टम द्वारा मापी गई लोकप्रियता’ हैं…”

यह समझाने के संदर्भ में कि क्यों कुछ नेवबूस्ट डेटा को विशेषाधिकार प्राप्त है:

“प्रस्तावित उपाय के तहत, Google को योग्य प्रतिस्पर्धियों को निम्नलिखित डेटासेट उपलब्ध कराने होंगे:

1. उपयोगकर्ता-पक्ष डेटा का उपयोग GLUE सांख्यिकीय मॉडल को बनाने, बनाने या संचालित करने के लिए किया जाता है;

2. रैंकएम्बेड मॉडल को प्रशिक्षित करने, निर्माण करने या संचालित करने के लिए उपयोगकर्ता-साइड डेटा का उपयोग किया जाता है; और

3. उपयोगकर्ता-साइड डेटा का उपयोग खोज या किसी GenAI उत्पाद में उपयोग किए जाने वाले GenAI मॉडल के लिए प्रशिक्षण डेटा के रूप में किया जाता है, जिसका उपयोग खोज तक पहुंचने के लिए किया जा सकता है।

Google पहले दो डेटासेट का उपयोग खोज सिग्नल बनाने के लिए करता है और तीसरे का उपयोग AI ओवरव्यू और (यकीनन) जेमिनी ऐप के अंतर्निहित मॉडल को प्रशिक्षित और परिष्कृत करने के लिए करता है।

क्लिक, मानव रेटर स्कोर की तरह, केवल एक कच्चा सिग्नल है जिसका उपयोग एआई मॉडल को वेब पेजों को प्रश्नों से बेहतर ढंग से मिलान करने या गुणवत्ता या प्रासंगिक संकेत उत्पन्न करने के लिए प्रशिक्षित करने के लिए एल्गोरिदम श्रृंखला में किया जाता है जिसे बाद में रैंकिंग इंजन या रैंक संशोधक इंजन द्वारा बाकी रैंकिंग संकेतों में जोड़ा जाता है।

खोज लॉग के 70 दिन

डीओजे दस्तावेज़ 70 दिनों के खोज लॉग का उपयोग करने का संदर्भ देता है। लेकिन व्यापक संदर्भ में यह सिर्फ ग्यारह शब्द हैं।

यहाँ वह भाग है जिसे अक्सर उद्धृत किया जाता है:

“70 दिनों के खोज लॉग और मानव मूल्यांकनकर्ताओं द्वारा उत्पन्न स्कोर”

मैं समझ गया, यह सरल और सीधा है। लेकिन इसका और भी संदर्भ है:

“रैंकएम्बेड और इसके बाद के पुनरावृत्ति रैंकएम्बेडबीईआरटी रैंकिंग मॉडल हैं जो डेटा के दो मुख्य स्रोतों पर निर्भर करते हैं: (रीडैक्टेड) ​​70 दिनों के खोज लॉग का% और मानव मूल्यांकनकर्ताओं द्वारा उत्पन्न स्कोर और Google द्वारा कार्बनिक खोज परिणामों की गुणवत्ता को मापने के लिए उपयोग किया जाता है।”

70 दिनों के खोज लॉग Google, AI मोड, या जेमिनी में रैंकिंग उद्देश्यों के लिए उपयोग किया जाने वाला क्लिक डेटा नहीं हैं। यह समग्र डेटा है जिसे रैंकएम्बेडबीईआरटी जैसे विशेष एआई मॉडल को प्रशिक्षित करने के लिए आगे संसाधित किया जाता है जो बदले में प्राकृतिक भाषा विश्लेषण के आधार पर वेब पेजों को रैंक करता है।

डीओजे दस्तावेज़ का वह भाग यह दावा नहीं करता है कि Google खोज परिणामों की रैंकिंग के लिए सीधे क्लिक डेटा का उपयोग कर रहा है। यह डेटा है, मानव रेटर डेटा की तरह, जिसका उपयोग अन्य प्रणालियों द्वारा डेटा को प्रशिक्षित करने या आगे संसाधित करने के लिए किया जाता है।

Google का रैंकएम्बेड क्या है?

रैंकएम्बेड प्रासंगिक दस्तावेजों की पहचान करने और उन्हें रैंकिंग देने के लिए एक प्राकृतिक भाषा दृष्टिकोण है।

वही डीओजे दस्तावेज़ बताता है:

“रैंकएम्बेड मॉडल स्वयं एक एआई-आधारित, गहन-शिक्षण प्रणाली है जिसमें मजबूत प्राकृतिक-भाषा की समझ है। यह मॉडल को पुनः प्राप्त करने के लिए सर्वोत्तम दस्तावेज़ों को अधिक कुशलता से पहचानने की अनुमति देता है, भले ही किसी क्वेरी में कुछ शर्तों का अभाव हो।”

इसे पिछले मॉडलों की तुलना में कम डेटा पर प्रशिक्षित किया गया है। डेटा में आंशिक रूप से क्वेरी शब्द और वेब पेज जोड़े शामिल हैं:

“…रैंकएम्बेड को पहले के रैंकिंग मॉडल को प्रशिक्षित करने के लिए उपयोग किए गए डेटा के 1/100वें हिस्से पर प्रशिक्षित किया गया है, फिर भी यह उच्च गुणवत्ता वाले खोज परिणाम प्रदान करता है।

…अंतर्निहित प्रशिक्षण डेटा में क्वेरी के बारे में जानकारी है, जिसमें Google द्वारा क्वेरी से प्राप्त मुख्य शब्द और परिणामी वेब पेज शामिल हैं।

यह एक मॉडल को प्रशिक्षित करने के लिए डेटा का प्रशिक्षण है ताकि यह पहचाना जा सके कि क्वेरी शब्द वेब पेजों के लिए कैसे प्रासंगिक हैं।

वही दस्तावेज़ बताता है:

“रैंकएम्बेड मॉडल में अंतर्निहित डेटा क्लिक-एंड-क्वेरी डेटा और मानव मूल्यांकनकर्ताओं द्वारा वेब पेजों की स्कोरिंग का एक संयोजन है।”

यह बिल्कुल स्पष्ट है कि इस विशिष्ट अनुच्छेद के संदर्भ में, यह एआई मॉडल को प्रशिक्षित करने के लिए क्लिक डेटा (और मानव रेटर डेटा) के उपयोग का वर्णन कर रहा है, न कि रैंकिंग को सीधे प्रभावित करने के लिए।

Google के क्लिक रैंकिंग पेटेंट के बारे में क्या?

2006 में Google ने क्लिक से संबंधित एक पेटेंट दायर किया था, जिसका नाम था, अंतर्निहित उपयोगकर्ता प्रतिक्रिया के आधार पर खोज परिणाम रैंकिंग को संशोधित करना. यह आविष्कार क्लिकों (बहुवचन) के एकत्रित कच्चे डेटा से “प्रासंगिकता का माप” बनाने के गणितीय सूत्र के बारे में है।

पेटेंट सिग्नल के निर्माण और रैंकिंग के कार्य के बीच अंतर करता है। “प्रासंगिकता का माप” एक रैंकिंग इंजन के लिए आउटपुट है, जो नई खोजों के लिए खोज परिणामों को रैंक करने के लिए इसे मौजूदा रैंकिंग स्कोर में जोड़ सकता है।

यहाँ पेटेंट का वर्णन है:

“एक रैंकिंग उप-प्रणाली में एक रैंक संशोधक इंजन शामिल हो सकता है जो अंतिम रैंकिंग में सुधार करने के लिए खोज परिणामों की पुन: रैंकिंग करने के लिए अंतर्निहित उपयोगकर्ता प्रतिक्रिया का उपयोग करता है।
एक सूचना पुनर्प्राप्ति प्रणाली के एक उपयोगकर्ता के लिए प्रस्तुत किया गया।

खोज परिणामों के उपयोगकर्ता चयन (क्लिक डेटा) को ट्रैक किया जा सकता है और एक क्लिक अंश में परिवर्तित किया जा सकता है जिसका उपयोग भविष्य के खोज परिणामों को फिर से रैंक करने के लिए किया जा सकता है।

वह “क्लिक अंश” प्रासंगिकता का एक माप है। पेटेंट में वर्णित आविष्कार क्लिक को ट्रैक करने के बारे में नहीं है; यह गणितीय माप (क्लिक अंश) के बारे में है जो उन सभी व्यक्तिगत क्लिकों को एक साथ मिलाने से उत्पन्न होता है। इसमें शॉर्ट क्लिक, मीडियम क्लिक, लॉन्ग क्लिक और लास्ट क्लिक शामिल हैं।

तकनीकी रूप से, इसे एलसीआईसी (क्लिक द्वारा विभाजित लंबा क्लिक) अंश कहा जाता है। यह “क्लिक” बहुवचन है क्योंकि यह कई क्लिक (कुल) के योग के आधार पर निर्णय ले रहा है, व्यक्तिगत क्लिक के आधार पर नहीं।

वह क्लिक अंश एक समुच्चय है क्योंकि:

• सारांश:
  रैंकिंग के लिए उपयोग किया जाने वाला “पहला नंबर” एक विशिष्ट क्वेरी-दस्तावेज़ जोड़ी के लिए उन सभी व्यक्तिगत भारित क्लिकों का योग है।
• सामान्यीकरण:
  यह उस राशि को लेता है और इसे सभी क्लिकों की कुल संख्या (“दूसरा नंबर”) से विभाजित करता है।
• सांख्यिकीय चौरसाई:
  सिस्टम यह सुनिश्चित करने के लिए इस समग्र संख्या में “सुचारू कारक” लागू करता है कि “दुर्लभ” क्वेरी पर एक क्लिक से परिणाम गलत तरीके से खराब न हों, खासकर स्पैमर के लिए।

2006 का वह पेटेंट इसके वजन सूत्र का वर्णन इस प्रकार करता है:

“एक आधार एलसीसी क्लिक अंश को इस प्रकार परिभाषित किया जा सकता है:

LCC_BASE=(#WC(Q,D))/(#C(Q,D)+S0)

जहां iWC(QD) एक क्वेरी URL…जोड़ी के लिए भारित क्लिकों का योग है, iC(QD) क्वेरी-URL जोड़ी के लिए क्लिकों की कुल संख्या (क्रमिक गणना, भारित नहीं) है, और S0 एक स्मूथिंग फैक्टर है।

वह सूत्र किसी दस्तावेज़ के लिए एकल स्कोर बनाने के लिए कई उपयोगकर्ताओं के डेटा को संक्षेप और विभाजित करने का वर्णन करता है। “क्वेरी-यूआरएल” जोड़ी डेटा की एक “बकेट” है जो प्रत्येक उपयोगकर्ता के क्लिक व्यवहार को संग्रहीत करती है जिसने कभी भी उस विशिष्ट क्वेरी को टाइप किया था और उस विशिष्ट खोज परिणाम पर क्लिक किया था। स्मूथिंग फैक्टर एंटी-स्पैम भाग है जिसमें दुर्लभ खोज क्वेरी पर एकल क्लिक की गिनती नहीं करना शामिल है।

यहां तक ​​कि 2006 में भी, क्लिक केवल कच्चा डेटा होता है जो रैंकिंग चरण तक पहुंचने से पहले एकत्रीकरण के कई चरणों में श्रृंखला को प्रासंगिकता के सांख्यिकीय माप में बदल देता है। इस पेटेंट में, क्लिक स्वयं रैंकिंग कारक नहीं हैं जो सीधे तौर पर प्रभावित करते हैं कि कोई साइट रैंक की गई है या नहीं। उन्हें प्रासंगिकता के माप के रूप में समग्र रूप से उपयोग किया गया था, जिसे बदले में रैंकिंग के लिए दूसरे इंजन में डाला गया था।

जब तक जानकारी रैंकिंग इंजन तक पहुंचती है, तब तक कच्चा डेटा व्यक्तिगत उपयोगकर्ता कार्यों से प्रासंगिकता के समग्र माप में बदल चुका होता है।

• रैंकिंग के संबंध में क्लिक के बारे में सोचना उतना आसान नहीं है जितना कि क्लिक से खोज रैंकिंग प्राप्त होती है।
• क्लिक केवल कच्चा डेटा हैं।
• क्लिक का उपयोग रैंकएम्बेडबर्ट जैसे एआई सिस्टम को प्रशिक्षित करने के लिए किया जाता है।
• क्लिक सीधे खोज परिणामों को प्रभावित नहीं कर रहे हैं। वे हमेशा कच्चे डेटा रहे हैं, उन प्रणालियों के लिए शुरुआती बिंदु जो एक सिग्नल बनाने के लिए समग्र रूप से डेटा का उपयोग करते हैं जिसे बाद में Google में रैंकिंग निर्णय लेने वाली प्रणालियों में मिलाया जाता है।
• तो हाँ, मानव रेटर डेटा की तरह, कच्चे डेटा को सिग्नल बनाने या एआई सिस्टम को प्रशिक्षित करने के लिए संसाधित किया जाता है।

पीडीएफ फॉर्म में डीओजे ज्ञापन यहां पढ़ें।

सीटीआर के बारे में चार शोध पत्र पढ़ें।

2006 का Google पेटेंट पढ़ें, जो अंतर्निहित उपयोगकर्ता प्रतिक्रिया के आधार पर खोज परिणाम रैंकिंग को संशोधित करता है।

शटरस्टॉक/कारखे द्वारा प्रदर्शित छवि