Google อาจระบุและประเมินผู้เขียนผ่าน EEAT ได้อย่างไร

Google กำลังให้ความสำคัญกับแหล่งที่มาของเนื้อหา โดยเฉพาะผู้เขียน เมื่อจัดอันดับผลการค้นหา การแนะนำ มุมมอง เกี่ยวกับผลลัพธ์นี้ และ เกี่ยวกับผู้เขียนคนนี้ ใน SERPs ทำให้สิ่งนี้ชัดเจน

บทความนี้จะสำรวจวิธีที่ Google สามารถประเมินส่วนต่างๆ ของเนื้อหาผ่านประสบการณ์ ความเชี่ยวชาญ ความมีอำนาจ และความน่าเชื่อถือ (EEAT) ของผู้เขียน

EEAT: คุณภาพของ Google ไม่เหมาะสม

Google ได้เน้นย้ำถึงความสำคัญของแนวคิด EEAT สำหรับการปรับปรุงคุณภาพของผลการค้นหาและประสบการณ์ของผู้ใช้บน SERP

ปัจจัยในหน้า เช่น คุณภาพทั่วไปของเนื้อหา สัญญาณลิงก์ (เช่น PageRank และ anchor text) และสัญญาณระดับเอนทิตีล้วนมีบทบาทสำคัญ

ตรงกันข้ามกับการให้คะแนนเอกสาร การประเมินเนื้อหาแต่ละรายการไม่ใช่จุดเน้นของ EEAT

แนวคิดมีการอ้างอิงเฉพาะเรื่องที่เกี่ยวข้องกับโดเมนและเอนทิตีผู้ริเริ่ม ไม่ขึ้นอยู่กับความตั้งใจในการค้นหาและเนื้อหาแต่ละรายการ

ท้ายที่สุดแล้ว EEAT เป็นปัจจัยที่มีอิทธิพลโดยไม่ขึ้นกับข้อความค้นหา

EEAT ส่วนใหญ่หมายถึงพื้นที่เฉพาะเรื่องและเข้าใจว่าเป็นชั้นการประเมินที่ประเมินคอลเล็กชันของเนื้อหาและสัญญาณนอกหน้าที่เกี่ยวข้องกับหน่วยงานต่างๆ เช่น บริษัท องค์กร บุคคล และโดเมนของพวกเขา

ความสำคัญของผู้เขียนในฐานะแหล่งที่มาของเนื้อหา

นานมาแล้วก่อน (E-)EAT Google พยายามรวมการให้คะแนนแหล่งที่มาของเนื้อหาในการจัดอันดับการค้นหา ตัวอย่างเช่น การอัปเดต Vince จากปี 2009 ทำให้เนื้อหาที่สร้างแบรนด์ได้เปรียบในการจัดอันดับ

โครงการต่างๆ เช่น Knol หรือ Google+ ซึ่งยุติไปนานแล้ว Google ได้พยายามรวบรวมสัญญาณสำหรับการให้คะแนนผู้เขียน (เช่น ผ่านกราฟโซเชียลและการให้คะแนนของผู้ใช้)

ในช่วง 20 ปีที่ผ่านมา สิทธิบัตรของ Google หลายฉบับได้อ้างถึงแพลตฟอร์มเนื้อหาโดยตรงหรือโดยอ้อม เช่น Knol และโซเชียลเน็ตเวิร์ก เช่น Google+

การประเมินแหล่งที่มาหรือผู้เขียนเนื้อหาตามเกณฑ์ของ EEAT เป็นขั้นตอนสำคัญในการพัฒนาคุณภาพของผลการค้นหาต่อไป

ด้วยเนื้อหาที่สร้างโดย AI และสแปมแบบคลาสสิกที่มีอยู่มากมาย Google จึงไม่มีเหตุผลที่จะรวมเนื้อหาที่ด้อยคุณภาพไว้ในดัชนีการค้นหา

ยิ่งเนื้อหาจัดทำดัชนีและต้องประมวลผลระหว่างการดึงข้อมูลมากเท่าใด ก็ยิ่งต้องการพลังการประมวลผลมากขึ้นเท่านั้น

EEAT สามารถช่วย Google จัดอันดับตามเอนทิตี โดเมน และระดับผู้แต่งที่ใช้ในระดับที่กว้างขึ้น โดยไม่ต้องรวบรวมข้อมูลเนื้อหาทุกชิ้น

ในระดับมหภาคนี้ เนื้อหาสามารถจัดประเภทตามเอนทิตีผู้สร้างและจัดสรรด้วยงบประมาณการรวบรวมข้อมูลมากหรือน้อย Google ยังใช้วิธีนี้เพื่อแยกกลุ่มเนื้อหาทั้งหมดออกจากการจัดทำดัชนีได้อีกด้วย

Google จะระบุผู้เขียนและระบุเนื้อหาได้อย่างไร

ผู้เขียนอยู่ในประเภทเอนทิตีบุคคล ต้องมีการแยกความแตกต่างระหว่างเอนทิตีที่รู้จักอยู่แล้วซึ่งบันทึกไว้ในกราฟความรู้กับเอนทิตีที่ไม่รู้จักหรือไม่ตรวจสอบก่อนหน้านี้ซึ่งบันทึกไว้ในคลังความรู้ เช่น คลังความรู้

แม้ว่าเอนทิตีจะยังไม่ถูกบันทึกในกราฟความรู้ แต่ Google ก็สามารถจดจำและแยกเอนทิตีจากเนื้อหาที่ไม่มีโครงสร้างได้โดยใช้แมชชีนเลิร์นนิงและโมเดลภาษา โซลูชันนี้มีชื่อว่าการจดจำเอนทิตี (NER) ซึ่งเป็นงานย่อยของการประมวลผลภาษาธรรมชาติ

NER รับรู้เอนทิตีตามรูปแบบทางภาษาและกำหนดประเภทเอนทิตี โดยทั่วไปแล้ว คำนามคือ (ชื่อ) หน่วยงาน

ระบบการดึงข้อมูลสมัยใหม่ใช้การฝังคำ (Word2Vec) สำหรับสิ่งนี้

เวกเตอร์ของตัวเลขแทนแต่ละคำของข้อความหรือย่อหน้าของข้อความ และเอนทิตีสามารถแสดงเป็นเวกเตอร์โหนดหรือการฝังเอนทิตี (Node2Vec/Entity2Vec)

คำต่างๆ ถูกกำหนดให้กับชั้นเรียนทางไวยากรณ์ (นาม กริยา คำบุพบท ฯลฯ) ผ่านการแท็ก part-of-speech (POS)

คำนามมักจะเป็นหน่วยงาน หัวเรื่องเป็นเอนทิตีหลัก และอ็อบเจ็กต์เป็นเอนทิตีรอง คำกริยาและคำบุพบทสามารถเชื่อมโยงเอนทิตีซึ่งกันและกัน

ในตัวอย่างด้านล่าง “olaf kopp”, “head of seo”, “cofounder” และ “aufgesang” เป็นเอนทิตีที่มีชื่อ (NN = คำนาม).

การประมวลผลภาษาธรรมชาติสามารถระบุเอนทิตี และ กำหนดความสัมพันธ์ระหว่างสิ่งเหล่านั้นได้

สิ่งนี้สร้างพื้นที่ความหมายที่รวบรวมและเข้าใจแนวคิดของเอนทิตีได้ดีขึ้น

ดูข้อมูลเพิ่มเติมเกี่ยวกับเรื่องนี้ได้ใน "วิธีที่ Google ใช้ NLP เพื่อทำความเข้าใจข้อความค้นหาและเนื้อหาให้ดียิ่งขึ้น"

สิ่งที่ใช้คู่กันกับการฝังผู้เขียนคือการฝังเอกสาร การฝังเอกสารจะถูกเปรียบเทียบกับเวกเตอร์ผู้เขียนผ่านการวิเคราะห์สเปซเวกเตอร์ (คุณสามารถเรียนรู้เพิ่มเติมได้ในสิทธิบัตรของ Google “การสร้างการแสดงเวกเตอร์ของเอกสาร”)

เนื้อหาทุกประเภทสามารถแสดงเป็นเวกเตอร์ ซึ่งช่วยให้:

• เวกเตอร์เนื้อหาและเวกเตอร์ผู้เขียนที่จะเปรียบเทียบในปริภูมิเวกเตอร์
• เอกสารที่จะจัดกลุ่มตามความคล้ายคลึงกัน
• ผู้เขียนที่จะได้รับมอบหมาย

ระยะห่างระหว่างเวกเตอร์เอกสารและเวกเตอร์ผู้เขียนที่เกี่ยวข้องจะอธิบายความน่าจะเป็นที่ผู้เขียนสร้างเอกสาร

เอกสารนี้มีสาเหตุมาจากผู้เขียนหากระยะทางน้อยกว่าเวกเตอร์อื่น ๆ และถึงเกณฑ์ที่กำหนด

นอกจากนี้ยังสามารถป้องกันไม่ให้เอกสารถูกสร้างขึ้นภายใต้ค่าสถานะเท็จ จากนั้นสามารถกำหนดเวกเตอร์ผู้เขียนให้กับเอนทิตีผู้เขียนตามที่อธิบายไว้แล้ว โดยใช้ชื่อผู้เขียนที่ระบุในเนื้อหา

แหล่งข้อมูลที่สำคัญเกี่ยวกับผู้แต่งได้แก่:

• วิกิพีเดีย บทความเกี่ยวกับบุคคล
• โปรไฟล์ผู้เขียน
• โปรไฟล์ผู้พูด
• โปรไฟล์โซเชียลมีเดีย

หากคุณใช้ Google ชื่อของบุคคลประเภทเอนทิตี คุณจะพบรายการ Wikipedia โปรไฟล์ของผู้แต่ง และ URL ของโดเมนที่เชื่อมโยงโดยตรงกับผู้เขียนในผลการค้นหา 20 รายการแรก

ใน SERPs บนมือถือ คุณสามารถดูได้ว่าแหล่งที่มาใดที่ Google สร้างความสัมพันธ์โดยตรงกับบุคคลนั้น

Google รับรู้ผลลัพธ์ทั้งหมดเหนือไอคอนสำหรับโปรไฟล์โซเชียลมีเดียว่าเป็นแหล่งข้อมูลที่มีการอ้างอิงโดยตรงถึงเอนทิตี

ภาพหน้าจอของคำค้นหา "olaf kopp" นี้แสดงให้เห็นว่าเอนทิตีเชื่อมโยงกับแหล่งที่มา

นอกจากนี้ยังแสดงแผงความรู้รูปแบบใหม่อีกด้วย ดูเหมือนว่าฉันได้เป็นส่วนหนึ่งของการทดสอบเบต้าที่นี่

ในภาพหน้าจอนี้ คุณจะเห็นว่านอกเหนือจากรูปภาพและแอตทริบิวต์ (อายุ) แล้ว Google ยังเชื่อมโยงโดเมนและโปรไฟล์โซเชียลมีเดียของฉันกับหน่วยงานของฉันโดยตรง และนำเสนอในแผงความรู้

เนื่องจากไม่มีบทความวิกิพีเดียเกี่ยวกับฉัน คำอธิบายเกี่ยวกับจึงมาจากโปรไฟล์ผู้เขียนที่ Search Engine Land ในสหรัฐอเมริกาและโปรไฟล์ผู้เขียนของเว็บไซต์หน่วยงานในเยอรมนี

โปรไฟล์ส่วนตัวบนเว็บช่วยให้ Google ปรับบริบทผู้เขียนและระบุโปรไฟล์โซเชียลมีเดียและโดเมนที่เกี่ยวข้องกับผู้เขียน

กล่องผู้เขียนหรือคอลเลกชันผู้เขียนในโปรไฟล์ผู้เขียนช่วยให้ Google กำหนดเนื้อหาให้กับผู้เขียนได้ ชื่อผู้แต่งไม่เพียงพอเป็นตัวระบุเนื่องจากความกำกวมอาจเกิดขึ้นได้

คุณควรใส่ใจกับคำอธิบายของผู้เขียนทุกคนเพื่อให้สอดคล้องกัน Google สามารถใช้เพื่อตรวจสอบความถูกต้องของเอนทิตีเมื่อเปรียบเทียบกัน

สิทธิบัตร Google ที่น่าสนใจสำหรับการให้คะแนนผู้เขียน EEAT

สิทธิบัตรต่อไปนี้แสดงวิธีการที่เป็นไปได้ของวิธีที่ Google ระบุผู้แต่ง มอบหมายเนื้อหาให้ และประเมินในแง่ของ EEAT

ป้ายผู้เขียนเนื้อหา

สิทธิบัตรนี้อธิบายวิธีการกำหนดเนื้อหาให้กับผู้เขียนผ่านป้าย

เนื้อหาถูกกำหนดให้กับป้ายผู้เขียนโดยใช้ ID เช่น ที่อยู่อีเมลหรือชื่อผู้เขียน การยืนยันจะทำผ่านส่วนเสริมในเบราว์เซอร์ของผู้เขียน

การสร้างเวกเตอร์ผู้เขียน

Google ลงนามในสิทธิบัตรนี้ในปี 2559 โดยมีระยะเวลาถึงปี 2579 อย่างไรก็ตาม มีการยื่นขอสิทธิบัตรเฉพาะในสหรัฐอเมริกาเท่านั้น ซึ่งบ่งชี้ว่ายังไม่ได้ใช้ในการค้นหาโดย Google ทั่วโลก

สิทธิบัตรอธิบายวิธีการแสดงผู้เขียนเป็นเวกเตอร์ตามข้อมูลการฝึกอบรม

เวกเตอร์กลายเป็นพารามิเตอร์เฉพาะที่ระบุตามสไตล์การเขียนโดยทั่วไปของผู้เขียนและการเลือกใช้คำ

ด้วยวิธีนี้ เนื้อหาที่ไม่เคยระบุแหล่งที่มาของผู้เขียนมาก่อนสามารถกำหนดให้กับพวกเขาได้ หรือสามารถจัดกลุ่มผู้เขียนที่คล้ายกันเป็นกลุ่มๆ

การจัดลำดับเนื้อหาสามารถปรับเปลี่ยนสำหรับผู้แต่งหนึ่งคนขึ้นไปตามพฤติกรรมผู้ใช้ของผู้ใช้ในการค้นหาที่ผ่านมา (เช่น บน Discover เป็นต้น)

ดังนั้นเนื้อหาจากผู้แต่งที่ถูกค้นพบแล้วและผู้แต่งที่คล้ายกันจะได้รับการจัดอันดับที่ดีขึ้น

สิทธิบัตรนี้ขึ้นอยู่กับสิ่งที่เรียกว่าการฝัง เช่น ผู้แต่งและการฝังคำ

ปัจจุบัน การฝังเป็นมาตรฐานทางเทคโนโลยีในการเรียนรู้เชิงลึกและการประมวลผลภาษาธรรมชาติ

ดังนั้นจึงเห็นได้ชัดว่า Google จะใช้วิธีการดังกล่าวสำหรับการจดจำและระบุแหล่งที่มาของผู้เขียนด้วย

การให้คะแนนชื่อเสียงของผู้เขียน

สิทธิบัตรนี้ได้รับการลงนามครั้งแรกโดย Google ในปี 2008 และมีระยะเวลาขั้นต่ำในปี 2029 เดิมทีสิทธิบัตรนี้หมายถึงโครงการ Google Knol ที่ปิดไปนานแล้ว

ดังนั้นจึงยิ่งน่าตื่นเต้นมากขึ้นว่าทำไม Google จึงดึงมันขึ้นมาอีกครั้งในปี 2560 ภายใต้ชื่อใหม่ การสร้างรายได้จากเนื้อหาออนไลน์ Knol ถูกปิดโดย Google ในปี 2012

สิทธิบัตรนั้นเกี่ยวกับการกำหนดคะแนนชื่อเสียง ปัจจัยต่อไปนี้สามารถนำมาพิจารณา:

• ระดับโครงร่างของผู้แต่ง.
• เผยแพร่ในสื่อที่มีชื่อเสียง
• จำนวนสิ่งพิมพ์
• อายุของรุ่นล่าสุด
• ผู้เขียนทำงานอย่างเป็นทางการในฐานะนักเขียนมานานแค่ไหนแล้ว
• จำนวนลิงก์ที่สร้างโดยเนื้อหาของผู้เขียน

ผู้เขียนสามารถมีคะแนนชื่อเสียงได้หลายรายการต่อหัวข้อและมีหลายนามแฝงต่อสาขาวิชา

หลายประเด็นในสิทธิบัตรเกี่ยวข้องกับแพลตฟอร์มปิดเช่น Knol ดังนั้น สิทธิบัตรนี้น่าจะเพียงพอ ณ จุดนี้

อันดับตัวแทน

สิทธิบัตรของ Google นี้ได้รับการลงนามครั้งแรกในปี 2548 และมีระยะเวลาขั้นต่ำจนถึงปี 2569

นอกจากในสหรัฐอเมริกาแล้ว ยังได้รับการจดทะเบียนในสเปน แคนาดา และทั่วโลก ทำให้มีแนวโน้มว่าจะถูกใช้ในการค้นหาโดย Google

สิทธิบัตรอธิบายวิธีการกำหนดเนื้อหาดิจิทัลให้กับตัวแทน (ผู้เผยแพร่และ/หรือผู้แต่ง) เนื้อหานี้จัดลำดับตามอันดับตัวแทน เหนือสิ่งอื่นใด

อันดับตัวแทนไม่ขึ้นกับจุดประสงค์ในการค้นหาของข้อความค้นหา และพิจารณาจากเอกสารที่กำหนดให้กับตัวแทนและลิงก์ย้อนกลับ

อันดับตัวแทนอ้างอิงถึงคำค้นหาเดียว คลัสเตอร์คำค้นหา หรือหัวเรื่องทั้งหมด

“อันดับตัวแทนสามารถเลือกที่จะคำนวณโดยสัมพันธ์กับข้อความค้นหาหรือหมวดหมู่ของข้อความค้นหา ตัวอย่างเช่น ข้อความค้นหา (หรือคอลเลกชันที่มีโครงสร้างของข้อความค้นหา เช่น ข้อความค้นหา) สามารถจัดประเภทเป็นหัวข้อ เช่น กีฬาหรือการแพทย์เฉพาะทาง และตัวแทนสามารถมีอันดับที่แตกต่างกันตามแต่ละหัวข้อ”

ความน่าเชื่อถือของผู้เขียนเนื้อหาออนไลน์

สิทธิบัตรของ Google นี้ได้รับการลงนามครั้งแรกในปี 2008 และมีระยะเวลาขั้นต่ำในปี 2029 และจนถึงปัจจุบันได้รับการจดทะเบียนในสหรัฐอเมริกาเท่านั้น

Justin Lawyer พัฒนาขึ้นในลักษณะเดียวกับคะแนนชื่อเสียงสิทธิบัตรของผู้เขียน และเกี่ยวข้องโดยตรงกับการใช้ในการค้นหา

ในสิทธิบัตร เราพบจุดที่คล้ายกันในสิทธิบัตรที่กล่าวถึงข้างต้น

สำหรับฉันแล้ว นี่เป็นสิทธิบัตรที่น่าตื่นเต้นที่สุดสำหรับการประเมินผู้เขียนในแง่ของความไว้วางใจและอำนาจ

สิทธิบัตรนี้อ้างอิงถึงปัจจัยต่างๆ ที่สามารถใช้เพื่อกำหนดความน่าเชื่อถือของผู้เขียนโดยใช้อัลกอริทึม

อธิบายวิธีที่เครื่องมือค้นหาสามารถจัดอันดับเอกสารภายใต้อิทธิพลของปัจจัยความน่าเชื่อถือของผู้เขียนและคะแนนชื่อเสียง

ผู้เขียนสามารถมีคะแนนชื่อเสียงได้หลายระดับขึ้นอยู่กับจำนวนหัวข้อต่างๆ ที่พวกเขาเผยแพร่เนื้อหา

คะแนนชื่อเสียงของผู้เขียนไม่ขึ้นกับผู้จัดพิมพ์

อีกครั้งในสิทธิบัตรนี้ มีการอ้างอิงถึงลิงก์ว่าเป็นปัจจัยที่เป็นไปได้ในการจัดอันดับ EEAT จำนวนลิงก์ไปยังเนื้อหาที่เผยแพร่อาจส่งผลต่อคะแนนชื่อเสียงของผู้เขียน

มีการกล่าวถึงสัญญาณที่เป็นไปได้ต่อไปนี้สำหรับคะแนนชื่อเสียง:

• ระยะเวลาที่ผู้เขียนได้ผลิตเนื้อหาในสาขาวิชา
• การรับรู้ของผู้เขียน
• การให้คะแนนเนื้อหาที่เผยแพร่โดยผู้ใช้
• หากผู้จัดพิมพ์รายอื่นเผยแพร่เนื้อหาของผู้เขียนด้วยการให้คะแนนสูงกว่าค่าเฉลี่ย
• จำนวนเนื้อหาที่เผยแพร่โดยผู้เขียน
• นานแค่ไหนที่ผู้เขียนเผยแพร่ครั้งล่าสุด
• การให้คะแนนสิ่งพิมพ์ก่อนหน้าในหัวข้อที่คล้ายกันโดยผู้เขียน

ข้อมูลที่น่าสนใจอื่น ๆ เกี่ยวกับคะแนนชื่อเสียงจากสิทธิบัตร:

• ผู้เขียนสามารถมีคะแนนชื่อเสียงได้หลายระดับขึ้นอยู่กับจำนวนหัวข้อต่างๆ ที่พวกเขาเผยแพร่เนื้อหา
• คะแนนชื่อเสียงของผู้เขียนไม่ขึ้นกับผู้จัดพิมพ์
• คะแนนชื่อเสียงอาจถูกลดระดับหากมีการเผยแพร่เนื้อหาหรือข้อความที่ตัดตอนมาซ้ำหลายครั้ง
• จำนวนลิงก์ไปยังเนื้อหาที่เผยแพร่อาจส่งผลต่อคะแนนชื่อเสียง

นอกจากนี้ สิทธิบัตรยังกล่าวถึงปัจจัยด้านความน่าเชื่อถือสำหรับผู้แต่ง มีการกล่าวถึงปัจจัยที่มีอิทธิพลดังต่อไปนี้:

• ข้อมูลยืนยันเกี่ยวกับอาชีพหรือบทบาทของผู้เขียนในบริษัท นอกจากนี้ยังคำนึงถึงความน่าเชื่อถือของบริษัทด้วย
• ความเกี่ยวข้องของอาชีพกับหัวข้อของเนื้อหาที่เผยแพร่
• ระดับการศึกษาและการฝึกอบรมของผู้เขียน
• ประสบการณ์ของผู้เขียนตามเวลา ยิ่งผู้เขียนเผยแพร่ในหัวข้อใดหัวข้อหนึ่งนานเท่าใด เขาก็ยิ่งมีความน่าเชื่อถือมากขึ้นเท่านั้น ประสบการณ์ของผู้แต่ง/ผู้จัดพิมพ์สามารถกำหนดตามอัลกอริทึมสำหรับ Google ผ่านวันที่ตีพิมพ์ครั้งแรกในสาขาวิชานั้นๆ
• จำนวนเนื้อหาที่เผยแพร่ในหัวข้อ หากผู้เขียนเผยแพร่บทความจำนวนมากในหัวข้อใดหัวข้อหนึ่ง ก็สามารถสันนิษฐานได้ว่าเขาเป็นผู้เชี่ยวชาญและมีความน่าเชื่อถือในระดับหนึ่ง
• เวลาที่ผ่านไปจนถึงรุ่นสุดท้าย ยิ่งเวลาผ่านไปนานนับตั้งแต่ผู้เขียนตีพิมพ์ครั้งล่าสุดในหัวข้อหนึ่งๆ คะแนนชื่อเสียงที่เป็นไปได้สำหรับหัวข้อนี้ก็จะยิ่งลดลง ยิ่งเนื้อหาทันสมัยมากเท่าไหร่ก็ยิ่งสูงขึ้นเท่านั้น
• การกล่าวถึงผู้แต่ง/ผู้จัดพิมพ์ในรางวัลและรายการที่ดีที่สุด

ระบบและวิธีการจัดอันดับผลการค้นหาใหม่

สิทธิบัตรของ Google นี้ได้รับการลงนามครั้งแรกในปี 2013 และมีระยะเวลาขั้นต่ำจนถึงปี 2033 สิทธิบัตรนี้ได้รับการจดทะเบียนในสหรัฐอเมริกาและทั่วโลก ซึ่งทำให้มีแนวโน้มว่า Google จะใช้สิทธิบัตรนี้

ในบรรดาผู้ประดิษฐ์สิทธิบัตรคือ Chung Tin Kwok ซึ่งมีส่วนร่วมในสิทธิบัตร Google ที่เกี่ยวข้องกับ EEAT หลายฉบับ

สิทธิบัตรอธิบายว่าเสิร์ชเอ็นจิ้น นอกเหนือไปจากการอ้างอิงถึงเนื้อหาของผู้เขียนแล้ว ยังสามารถพิจารณาสัดส่วนที่เขาสามารถมีส่วนร่วมในคลังเอกสารเฉพาะเรื่องในการให้คะแนนผู้เขียน

"ในบางรูปลักษณ์ การพิจารณาคะแนนผู้เขียนต้นฉบับสำหรับเอนทิตีที่เกี่ยวข้องรวมถึง: การระบุเนื้อหาส่วนใหญ่ในดัชนีของเนื้อหาที่รู้จักซึ่งระบุว่าเกี่ยวข้องกับเอนทิตีที่เกี่ยวข้อง แต่ละส่วนในส่วนใหญ่ของส่วนต่างๆ แทนจำนวนที่กำหนดไว้ล่วงหน้า ของข้อมูลในดัชนีของเนื้อหาที่รู้จักและการคำนวณเปอร์เซ็นต์ของส่วนใหญ่ของส่วนที่เป็นตัวอย่างแรกของส่วนของเนื้อหาในดัชนีของเนื้อหาที่รู้จัก"

โดยจะอธิบายการจัดลำดับใหม่ของผลการค้นหาตามการให้คะแนนของผู้เขียน รวมถึงการให้คะแนนการอ้างอิง การให้คะแนนการอ้างอิงขึ้นอยู่กับจำนวนการอ้างอิงถึงเอกสารของผู้แต่ง

เกณฑ์การให้คะแนนผู้เขียนอีกประการหนึ่งคือสัดส่วนของเนื้อหาที่ผู้เขียนมีส่วนร่วมในคลังเอกสารที่เกี่ยวข้องกับหัวข้อ

"[W] ในที่นี้ การพิจารณาคะแนนผู้เขียนสำหรับเอนทิตีที่เกี่ยวข้อง รวมถึง: การกำหนดคะแนนการอ้างอิงสำหรับเอนทิตีนั้น ซึ่งคะแนนการอ้างอิงสอดคล้องกับความถี่ที่เนื้อหาที่เกี่ยวข้องกับเอนทิตีนั้นถูกอ้างถึง การกำหนดคะแนนผู้เขียนต้นฉบับสำหรับ เอนทิตีที่เกี่ยวข้อง โดยที่คะแนนผู้เขียนต้นฉบับสอดคล้องกับเปอร์เซ็นต์ของเนื้อหาที่เกี่ยวข้องกับเอนทิตีที่เกี่ยวข้องซึ่งเป็นตัวอย่างแรกของเนื้อหาในดัชนีของเนื้อหาที่รู้จัก และการรวมคะแนนการอ้างอิงและคะแนนผู้เขียนต้นฉบับโดยใช้ฟังก์ชันที่กำหนดไว้ล่วงหน้าเพื่อสร้าง คะแนนผู้เขียน"

จุดประสงค์ของสิทธิบัตรคือการระบุ "คนเลียนแบบ" และลดระดับเนื้อหาในการจัดอันดับ แต่ก็สามารถใช้เพื่อการประเมินทั่วไปของผู้แต่ง

ปัจจัยสำคัญในการให้คะแนนผู้เขียน

นอกเหนือจากปัจจัยที่เป็นไปได้สำหรับการประเมินผู้แต่งตามที่ระบุไว้ในสิทธิบัตรด้านบนแล้ว ยังมีปัจจัยอื่นๆ อีกเล็กน้อยที่ควรพิจารณา (บางส่วนซึ่งฉันได้กล่าวถึงแล้วในบทความของฉัน "14 วิธีที่ Google อาจประเมิน EAT")

• คุณภาพโดยรวมของเนื้อหาในหัวข้อ: คุณภาพที่ผู้เขียนนำเสนอเกี่ยวกับเนื้อหาในหัวข้อโดยรวม โดยไม่ขึ้นกับขอบเขตและรูปแบบ อาจเป็นปัจจัยหนึ่งสำหรับ EEAT สัญญาณสำหรับสิ่งนี้อาจเป็นสัญญาณจากผู้ใช้ ลิงก์ และสัญญาณคุณภาพอื่นๆ ที่ระดับเนื้อหา
• PageRank หรือการอ้างอิงถึงเนื้อหาของผู้เขียน
• การเกิดขึ้นร่วมกันของผู้แต่งในเนื้อหา (พอดแคสต์ วิดีโอ เว็บไซต์ PDF หนังสือ) กับหัวข้อหรือข้อกำหนดที่เกี่ยวข้อง
• การเกิดขึ้นร่วมกันของผู้เขียนในคำค้นหากับหัวข้อหรือคำที่เกี่ยวข้อง

การใช้ EEAT กับหน่วยงานผู้เขียน

วิธีการแมชชีนเลิร์นนิงทำให้สามารถจดจำและแมปโครงสร้างความหมายจากเนื้อหาที่ไม่มีโครงสร้างในสเกลใหญ่ได้

ซึ่งช่วยให้ Google จดจำและเข้าใจเอนทิตีต่างๆ ได้มากกว่าที่เคยแสดงในกราฟความรู้

เป็นผลให้แหล่งที่มาของเนื้อหามีบทบาทสำคัญมากขึ้น สามารถใช้อัลกอริทึม EEAT ได้นอกเหนือจากเอกสาร เนื้อหา และโดเมน

แนวคิดนี้ยังสามารถครอบคลุมหน่วยงานผู้เขียนเนื้อหา (กล่าวคือ ผู้เขียนและองค์กรที่รับผิดชอบเนื้อหา)

ฉันคิดว่าเราจะเห็นผลกระทบที่สำคัญยิ่งขึ้นของ EEAT ในการค้นหาของ Google ในอีกไม่กี่ปีข้างหน้า ปัจจัยนี้อาจมีความสำคัญต่อการจัดอันดับเทียบเท่ากับการเพิ่มประสิทธิภาพความเกี่ยวข้องของเนื้อหาแต่ละรายการ