Mentionsy

Pomożemy Ci osiągnąć wyższe pozycje w Google.

Ja akurat po prostu zapraszałem gości do studia, więc unikałem takich problemów technicznych, które niestety z transmisją wideo i Google Meetem pojawiają się nagminnie.

Kiedyś Google do roku 2013 zdaje się wyszukiwał po prostu w treści dokumentów słów kluczowych, czyli jak wpisywaliśmy tam

Czyli to nam daje do zrozumienia, że Google po prostu stara się rozumieć znaczenie tych słów.

I co prawda my nie wiemy jakie dokładnie mechanizmy stosuje Google, ale możemy przewidzieć, bo wiemy jak jest standard rynkowy, jeżeli chodzi o takie rozwiązania.

No i mając te wektory, jesteśmy w stanie obliczyć odległość jednego słowa od drugiego, czyli dzięki temu, że mamy taki model embeddingowy, to Google jest w stanie obliczyć dokładnie matematycznie, jak daleko ta czarna konsola od Sony, od PlayStation jest umieszczona.

Druga na przykład z metod to jest taki system rerankingowy, który Google używa.

Dwie informacje ze sobą i ich znaczenie, natomiast często tam brakuje kontekstu, więc Google stosuje też takie modele rankingowe, gdzie do takiego modelu rankingowego wrzuca wszystkie strony, które np.

No bo jak my wpisujemy coś do Googla, na przykład czarna konsola od Sony, no to najczęściej Google nie wykorzysta tego do wyszukiwania w swojej bazie danych, tylko zrobi jakąś transformację tego na coś, co ma więcej kontekstu.

Jak to my mamy wiedzieć, co użytkownik chce wpisać, co ma na myśli jako SEO-owcy, czy na przykład jako specjaliści SEO obsługujący danego klienta, że sugerujemy mu jakieś tam słowa kluczowe, ale musimy się domyślać i skąd Google ma wiedzieć, co autor ma na myśli, co user chce wpisać, a wpisał coś innego.

I jakbyś mógł powiedzieć, czy według ciebie, jeżeli user wpisuje coś w wyszukiwarce, to Google jest w stanie na przykład właśnie po historii zapytań domyślić się, że chodzi mu o to, a nie o tamto?

Jest mechanizm query expansion, który jest w zasadzie pierwszym, czy jednym z pierwszych mechanizmów semantycznych, o którym Google mówiło wprost.

W 2016 roku Google upubliczniło dane na, nie pamiętam,

I oni pokazywali tam, Paul Hart dokładnie, pokazywał w jaki sposób semantyka, czy taka bardzo bazowa semantyka, bo tutaj mówiliśmy wtedy o takiej semantyce, to był rok 2016 i to były mechanizmy, które Google wprowadzał u siebie, żeby zrozumieć właśnie tę intencję użytkownika.

Brane są pod uwagę też inne zapytania o podobnym znaczeniu, które wcześniej zostały wklepane w Google'a załóżmy i dokumenty, które odpowiadały na takie zapytania.

Więc oni już wtedy pokazywali, mówimy tutaj o prezentacji w 2016 roku, 10 lat temu prawie, gdzie Google prezentował mechanizm, w którym był w stanie stwierdzić jaka jest intencja użytkownika, że on tak naprawdę wpisuje sobie tam Biking Tour in Italy bodajże tam było na tej prezentacji.

No i pokazywali, że dokumenty, które Google rankuje, są powiązane kontekstowo.

Więc Google już przeszedł z tego modelu, gdzie nasycenie keywordami bardzo, jeśli tak mogę powiedzieć, nadużywane przez SEO'ców.

Tak, tak, no bo my się rozwijamy tak, jak się Google rozwija, więc oni przeszli już od tego i to w zasadzie prezentowali wtedy, że przeszli od tego miejsca, w którym przesycenie słowem kluczowym powodowało zmiany w rankingu.

I wydaje mi się, że to jest coś, co cały czas Google bierze pod uwagę.

Możemy prostego prompta dać i użyć tam jakiegoś keywordu, bądź nawet zapytać, jeśli wpiszemy to i to w wyszukiwarkę Google, co ona może sobie pomyśleć, jakaś inna dowolna wyszukiwarka.

On jest udostępniony przez Google, można z niego korzystać w ramach usługi Google Cloud, więc mogę potem, Dawid, podesłać Ci link, to możesz umieścić w notatkach.

Jest to pojęcie dość płynne i ze strony Google'a nigdy nie było jakiejś informacji, że coś takiego funkcjonuje, więc to są jakieś rodzaje domysły i trochę każdy może inny sposób to rozumieć.

To znaczy, że Google będzie preferować takie źródła informacji, które na dany temat wiedzą jak najwięcej.

Dlatego mówię, to jest taki dość płynny temat i działa na niego wiele różnych innych sił i metod, których Google używa, więc nie da się tego tak sklasyfikować.

No to należy też jakby uzupełnić tą wypowiedź tym, że to nie jest tak, że Google zawsze w 100% przypadków działa w taki sam sposób.

To jeszcze, Dawid, warto dopowiedzieć, że właśnie wykorzystując embeddingi Google jest w stanie po prostu powiązać ze sobą te dokumenty semantycznie i wie na przykład, że łańcuch z kołem od roweru jest powiązany i warto by było, żeby dana strona te dwa tematy pokryła w jakiś sposób.

Zresztą Google ma też metryki do tego, żeby to mierzyć, więc też pewnie o tym sobie

To na jakiej podstawie Google może mi polecić konkretne modele jakiejś konkretnej firmy?

Natomiast wracając do tego twojego pierwotnego pytania, to jak rozumiem, ty masz takie pytanie, czy Google w takim przypadku wie, że to na przykład mogą być Nike.

Więc to po prostu taki mechanizm samopoziomujący się będzie, który wynika bardziej z tego, co na tych stronach się znajduje, a nie z tego, jak Google działa, czy tam chat GPT.

Słyszałeś, że Google działa na poziomie, powiedzmy sobie, wyszukiwania organicznych i jeszcze do tego dochodzi AI Overview, który jest oddzielnym mechanizmem.

Samo to, że czat zyskuje tak dużą popularność i chyba teraz pierwszy raz Apple przyznał, że rzeczywiście Google traci ilość wyszukiwań od 22 lat chyba po raz pierwszy.

Ta ilość wyszukiwań w Google się zmniejsza.

I jeśli teraz tak wracając do kortego pytania, ja bym się skupił bardziej na tym, jak Google działa, niż na tym, jak ChartGPT działa.

Google jeszcze używa też takiego mechanizmu, w którym rozszerza te dokumenty.

Danych sentencji, czy dokładnie danych sformułowań, żeby Google zrozumiał, jaki jest kontekst dokumentu, więc Google jest w stanie przetworzyć dany dokument.

Tak, więc takie słowa kluczowe na przykład, które, powiedzmy, mają bardzo podobne wyniki wyszukiwania, mogą trafiać do tych samych klastrów, więc możesz po prostu pominąć tę metodę semantyczną i zrobić taki reverse engineering tego, co już Google zrobił.

I wtedy dawało to nam jakieś przewagi, dlatego że mogliśmy poznać architekturę informacji, którą mamy załóżmy na stronie, czyli o czym nasza strona w rzeczywistości jest, jak Google widzi naszą stronę.

Oczywiście, żeby zrozumieć w jaki sposób Google też ocenia tematycznie pewne rzeczy.

Gdzie będzie, bo Google w tej chwili, to jeszcze nie działa tak do końca, ale Google zapowiedział, że tak naprawdę wyniki, no to już widzimy częściowo w AI Overviews, ale że wyniki będą podawane jako wyniki naszej intencji, a nie wyniki wyszukiwania poszczególnych dokumentów.

Więc na przykład Google jest takim jednym wielkim grafem wiedzy i o Harrisonie Fordzie wie to, że on grał gdzieś tam, na przykład jego żoną jest ktoś tam i tak dalej, i tak dalej.

I wtedy można by tak... Pewnie taki mechanizm nie istnieje, ale na przykład graf wiedzy naszej strony pokrywa się z grafem wiedzy Google'a na ten temat.

Google na samym początku, jak budował grafy wiedzy, to uczył się o danych encjach z opisów stron, czyli tam w patencie jest coś takiego, że był link na przykład do strony o Elvisu Presley, który był określony tam, gdzie Ankor był określony jako król rock'n'rolla.

Więc to wszystko, co Google wie, całe te grafy wiedzy,

Natomiast jeśli chodzi o Google, to Google jednak opiera się na dokumentach i na bardziej dopasowanie twojego query, twojego zapytania.

Jeżeli Google nie miał tych metod semantycznych, nie miał LLM-ów jeszcze w 2013 roku, no to jeżeli używał tego powiedzmy wyszukiwania leksykalnego jeszcze albo na wczesnym etapie semantycznego, to pozwalało mu na przykład właśnie

Teraz nie wiem, w jaki sposób Google wykorzystuje graf wiedzy, ale pewnie trochę inaczej, niż to było jeszcze 10 lat temu.

Teraz na przykład, żeby określić to, o czym Paweł mówił, na przykład to, czy dana strona niezbyt odbiega od tego swojego coru, to w tym wycieku Google'a, który miał miejsce chyba w zeszłym roku, były takie dwie metryki, które to opisywały.

I generalnie działa to w taki sposób, że Google każdą Twoją jednostkę treści zamienia na wektory przez swój model embeddingowy i na podstawie tych wszystkich sum embeddingów wylicza średni embedding.

No i to jest średni zreprezentowany Twój tekst i Google oblicza, jak średnio odchylają się teksty od tej średniej, czyli takie odchylenie standardowe.

I tu da się sklasyfikować taką właśnie metryką, Google ją opisał, my jesteśmy w stanie ją policzyć nawet i tych outlierów wyznaczyć w ten sposób, więc...

Nie wiem czy widzisz, to są takie rzeczy, które trudno określić, których metod dokładnie Google używa, ale wydaje mi się, że na przestrzeni 10 lat te metody mogły się istotnie zmienić po prostu, bo Google też pozyskał nowe narzędzia i zwłaszcza w ostatnich dwóch latach to się mocno zmieniło i napędziło, więc...

Nie chciałbym, żeby to zabrzmiało, że gra w wiedzę to jest jakby jedyna reprezentacja naszej strony, którą Google przechowuje, no bo też są inne formy jakby tych reprezentacji.

Jest taki wykres od Google DeepMind i jest tam opisane, w jaki sposób ona działa.

No więc Google AI Overview po prostu indeksuje strony po kawałku, zamienia je na embeddingi, a później dopasowuje do zapytania embeddingi, a później LLM pisze zawartość tego AI Overview.

Więc tam już szczególnie Google używa tych embeddingów.

Ich nazwy zostały gdzieś tam ujawnione w ramach tego wycieku API Google'a, natomiast to jest taki wyciek, który nie został potwierdzony, więc to też gdybaniem nadal.

No i jakby ten schemat działania AI Overview, tak jak powiedziałem, jest opisany, więc jeżeli uznamy, że ten schemat jest prawdziwy, to naszym celem jest to, żeby kosinus similarity pomiędzy naszą jednostką treści, a tym, czego w AI Overview oczekuje Google, był jak najbliższy.

Tylko jak to sklasyfikować, czego Google oczekuje?

Też wrzucimy link do niej, która zamienia słowo kluczowe, które wpisałeś na embedding, zamienia treść AI Overview na embedding i porównuje to z zawartością twojej strony, z fragmentem, który zaindeksował Google i ci pokazuje queues in similarity.

Tylko akurat to mi nie dało informacji, że to jest ze sobą skorelowane, no bo nie jest, no bo nie jestem w stanie stwierdzić, jak Google na przykład zrobił to query expansion, prawda?

Ważne jest też to, że do AI Overview Google nie musi indeksować całej strony i w większości przypadków indeksuje tylko fragment.

Natomiast bardzo trudno ją odtworzyć, bo nie wiemy w jaki sposób po pierwsze Google wybiera fragment, który użyje do odpowiedzi.

Znamy ten mechanizm dużo lepiej, czy możemy go poznać dużo lepiej, niż to w jaki sposób Google działa.

Tak jak Paweł powiedziałaś, to pewnie gdzieś się pojawia taka informacja w internecie i on po prostu jej użyje, ale nie zrozumiał, że jest to jakaś... Że to może być fake news, bo to jest jeszcze bardzo ciekawe i myślę, że to jest mało znane w tej chwili, że bardzo wiele filtrów i w YouTubie, i w Google, i w sztucznej inteligencji to są filtry manualne.

Dawid, zanim do tego przejdziemy, oczywiście zaraz to też powiemy, ale chciałem jeszcze uzupełnić to, co Paweł powiedział, bo wydaje się, że to AI overviews wprowadzone pod wpływem jakiejś presji, to jest też jakiś pewien problem dla Google, bo należy pamiętać, że modele językowe są niedeterministyczne, a do tej pory algorytm Google'a był

Typowo zaprogramowane, modele są trenowane, więc Google nie do końca ma kontrolę nad tym, co się pojawia, w związku z czym niesie to za sobą pewnego rodzaju ryzyko.

Myślę, że tutaj warto pokopać i też nawet odkrywać te patenty Google'a, bo też o tym wspominaliście.