Het is weer wat meer duidelijk geworden hoe het zoekalgoritme van Google werkt.
Uit recent vrijgegeven documenten uit de DOJ-trial met Google blijkt dat het algoritme van Google nog steeds sterk leunt op 𝗵𝗮𝗻𝗱𝗺𝗮𝘁𝗶𝗴 𝘀𝗮𝗺𝗲𝗻𝗴𝗲𝘀𝘁𝗲𝗹𝗱𝗲 𝗿𝗮𝗻𝗸𝗶𝗻𝗴𝗳𝗮𝗰𝘁𝗼𝗿𝗲𝗻, zoals zoekwoorden, links en klikgedrag.
🔎 𝗡𝗮𝘃𝗯𝗼𝗼𝘀𝘁?
Navboost is geen machine learning-model, maar 𝘨𝘦𝘸𝘰𝘰𝘯 een gigantische tabel. Navboost houdt voor elke zoekopdracht bij 𝗵𝗼𝗲 𝘃𝗮𝗮𝗸 𝗴𝗲𝗯𝗿𝘂𝗶𝗸𝗲𝗿𝘀 𝗼𝗽 𝗲𝗲𝗻 𝗯𝗲𝗽𝗮𝗮𝗹𝗱 𝗱𝗼𝗰𝘂𝗺𝗲𝗻𝘁 𝗸𝗹𝗶𝗸𝗸𝗲𝗻.
𝘉𝘪𝘫𝘷𝘰𝘰𝘳𝘣𝘦𝘦𝘭𝘥:
- Voor zoekopdracht A kreeg pagina X 2 klikken
- Voor zoekopdracht B kreeg pagina X 3 klikken
- Enzovoort…
Die klikdata worden geaggregeerd over de afgelopen 13 maanden, en Google gebruikt dit om in te schatten welke pagina’s gebruikers blijkbaar relevant vinden.
Wat kunnen wij hier concreet mee?
- 𝘝𝘦𝘳𝘣𝘦𝘵𝘦𝘳 𝘫𝘦 𝘵𝘪𝘵𝘦𝘭𝘴 𝘦𝘯 𝘮𝘦𝘵𝘢 𝘥𝘦𝘴𝘤𝘳𝘪𝘱𝘵𝘪𝘰𝘯𝘴 → zodat ze aantrekkelijker zijn in de SERP.
- 𝘞𝘦𝘳𝘬 𝘢𝘢𝘯 𝘣𝘦𝘵𝘦𝘳𝘦 𝘴𝘯𝘪𝘱𝘱𝘦𝘵𝘴 → bijvoorbeeld met structured data, om op te vallen.
- 𝘋𝘦𝘯𝘬 𝘯𝘢 𝘰𝘷𝘦𝘳 𝘻𝘰𝘦𝘬𝘪𝘯𝘵𝘦𝘯𝘵𝘪𝘦 → zorg dat je titels echt aansluiten bij wat mensen zoeken.
- 𝘊𝘰𝘯𝘴𝘪𝘴𝘵𝘦𝘯𝘵 𝘱𝘳𝘦𝘴𝘵𝘦𝘳𝘦𝘯 𝘰𝘷𝘦𝘳 𝘵𝘪𝘫𝘥 𝘪𝘴 𝘣𝘦𝘭𝘢𝘯𝘨𝘳𝘪𝘫𝘬 → Navboost gebruikt 13 maanden aan data. Eén tijdelijke piek helpt dus niet genoeg. Je moet structureel goed blijven presteren voor specifieke zoekwoorden.
𝗚𝗼𝗼𝗴𝗹𝗲’𝘀 𝗿𝗮𝗻𝗸𝗶𝗻𝗴 𝘄𝗲𝗿𝗸𝘁 𝗮𝗹𝘀 𝗲𝗲𝗻 𝗼𝗽𝘁𝗲𝗹𝘀𝗼𝗺 𝘃𝗮𝗻 𝘀𝗶𝗴𝗻𝗮𝗹𝗲𝗻:
- 𝘘* → Interne ‘kwaliteitscore’ van een document
- 𝘕𝘢𝘷𝘣𝘰𝘰𝘴𝘵 → Hoe vaak er op een document wordt geklikt per query, locatie en apparaat
- 𝘙𝘢𝘯𝘬𝘌𝘮𝘣𝘦𝘥 → Een AI-signaal dat documenten scoort via LLM (grote taalmodellen)
- 𝘛𝘸𝘪𝘥𝘥𝘭𝘦𝘳𝘴 → Hulpmiddel dat al geselecteerde resultaten opnieuw ordent (her-ranking)
- 𝘗𝘢𝘨𝘦𝘙𝘢𝘯𝘬 → Klassiek signaal gebaseerd op backlinks
Deze signalen worden gecombineerd in een 𝘁𝗼𝘁𝗮𝗹𝗲 𝘀𝗰𝗼𝗿𝗲 voor elke pagina.
📊 𝗗𝗲𝗯𝘂𝗴-𝗶𝗻𝘁𝗲𝗿𝗳𝗮𝗰𝗲: 𝗵𝗼𝗲 𝗚𝗼𝗼𝗴𝗹𝗲 𝗲𝗲𝗻 𝘇𝗼𝗲𝗸𝗼𝗽𝗱𝗿𝗮𝗰𝗵𝘁 𝘃𝗲𝗿𝘄𝗲𝗿𝗸𝘁
In een intern voorbeeld typte iemand “james allan umass” in. Google herschreef dit achter de schermen naar:
- “umass” → “University of Massachusetts”
- “James” herkend als voornaam
- “Allan” mogelijk ook gespeld als “Allen”
Daarna toonde de interne tool een tabel met:
- De 10 resultaten
- Voor elk: scores per signaal
- En een totaalscore (“Final IR”)
Dit laat zien dat Google 𝘇𝗼𝗲𝗸𝗼𝗽𝗱𝗿𝗮𝗰𝗵𝘁𝗲𝗻 𝗼𝗽𝗸𝗻𝗶𝗽𝘁, 𝗵𝗲𝗿𝘀𝗰𝗵𝗿𝗶𝗷𝗳𝘁 𝗲𝗻 𝘃𝗲𝗿𝗿𝗶𝗷𝗸𝘁, waarna het pagina’s rankt op basis van signalen uit die grote “rankingoptelsom”.
