用用户行为给网站打分

这份专利给长时间停留设了上限。不是因为 Google 不信任那些久久不走的用户。设上限，是因为有人也许已经离开了屏幕。专利写道，一个被打开了一小时的页面，不该算作一小时的满意。于是设了个天花板。

这是个小细节。它藏在一份 2015 年专利里成堆的公式之下，那份专利题为 Scoring Site Quality（US 9,195,944 B1）。它是第一条线索，提示被测量的并不是时间。时间只是一个代理量。真正的对象——Google 长久以来一直想估算的东西——是用户有没有得到他要找的。

那个对象很难命名。专利把它直白地说了出来。一旦命名，专利余下的部分——以及 Google 此后发表的大部分内容——都朝着同一个问题倾斜。有用性无法被直接观察。因此排名引擎用的每一个信号都是它的代理量。而代理量并非个个都同样廉价就能伪造。

发布者能控制的信号——关键词、标题、长度、结构化标记、内部链接——一个人一个下午就能推上去。由海量用户产生的信号则不能。一百万个陌生人的点击、返回、按下后退键的时间，彼此并不协调；伪造它们的成本，会随着引擎测量它们的规模而陡然上升。所以在任何人做出选择之前，走向就已经定下了。一个想持续变好的搜索引擎，必须更多地依赖那些它的对手觉得最难廉价伪造的信号。海量行为，是手头最密集的几处口袋之一。

2015 年的专利

2015 年的专利，是 Google 朝那个方向移动的第一片公开切面。

机制本身很朴素。用户点开一条搜索结果，落到一个页面上，在某个时刻又退回搜索结果继续找。点击到返回的间隔被记录下来。如果间隔非常短，这次访问被当作太短而无意义，丢弃。如果非常长，就套用我刚提到的那个天花板。不同的内容类型有不同的基线：人看一眼就能判断一张图，一分钟能判断一篇文章，而视频要看上一阵才行。

这些逐次访问的测量随后被聚合，转化为一个网站质量分。不是页面分。是网站分。

三个细节

专利里有三个细节值得放慢来看。每一个，都是上面那道约束落到代码里的样子。

第一个是评估的单位。专利里的”网站”并不总是一个域名。它可以是一个子域名、一个目录，或服务器上一簇资源——系统觉得有用的任何分组都行。一个低质量页面伤的不只是它所在的那个 URL。它能拖垮它所在的目录。能拖垮子域名。能拖垮整个集合。单位向上移，是因为逐页的行为太稀疏：大多数页面没有足够的访问量来可靠打分，而聚合到一个集合能提高信噪比。代价是殃及坏页面的邻居。系统接受这笔交易。

第二个是这个分影响什么。最自然的假设是排名。专利列了更多：要不要去抓取一个资源、要不要刷新它在索引里的版本、一开始要不要把它收进索引。这个分管的是 Google 朝这个网站投放的资源，而不只是它落在结果页的哪个位置。一个糟糕的分数不只埋掉一个页面。它能让爬虫对再回来这件事失去兴趣。一个集合如果不值得排名，就不值得去看。

第三个是过滤。专利明确写道，异常行为——古怪的点击分布、可疑的 cookie、不规则的 user-agent 模式、被操纵的查询——在聚合之前就被丢弃。这是抗伪造论证落地为操作：系统把自己输入中最廉价就能伪造的那一部分扔掉，以保护其余部分的可信度。

把这些放在一起读，它们指向某处。评估单位向上移了。倒不全是从页面移到网站——页面仍然被打分——但框架如今横跨了一个集合。而输入向旁边移了：从一个页面包含什么，移到人们落到上面之后做了什么。

这让一种熟悉的 SEO 变难了。关键词密度、链接图谱、结构化标记——这些都是发布者推上去的。行为是从用户那里拉出来的。发布者能塑造页面；他们塑造不了用户接下来做什么。他们可以间接地塑造，靠真正回答了查询，那是绕远的那条路。

转变是从优化信号到优化结果。这两者曾经足够接近，以至于把前者做手脚就近似于得到后者。这份专利是若干理由之一，让人怀疑那段距离正在拉开。

2022 年的更新

有七年时间，这条轨迹主要显现在专利和悄无声息的排名变动里。2022 年 8 月，Google 把它说出了口。

那篇推出”有用内容更新”（helpful content update）的博文，用大白话引入了它所称的全站信号。无用内容过多的网站，上面的页面会表现不佳——全部页面，而不只是那些无用的。措辞读起来几乎像是对专利的转述：

在整体上被判定含有相对大量无用内容的网站上，任何内容——不只是无用内容——都更不可能在搜索中表现良好。

那个”街区”，被点名了。

同一篇博文引入了一组对立：以人为先的内容对以搜索引擎为先的内容。对照代理量这套框架来读，这就是发布者推 / 用户拉的区分，换成了政策语言。随后那份自评清单要求发布者考虑：读者离开时是否满意，他是否还会再来，他事后是否会再去别处搜索更好的信息。这些不是内容问题。它们是行为预测。发布者被要求预判用户将会产生的那个信号。

2024 年的政策

2024 年 3 月，有用内容系统被并入了核心排名系统。博文写得很明白：*“不再有单独的某一个信号或系统来做这件事。“*2022 年还是一个有名有姓的更新，如今已分散在许多系统之中。这条轨迹已经过了那个还能指着说”这是个功能”的点。

同一篇博文引入了三项新的垃圾内容政策：

过期域名滥用——买下一个失效的域名，继承它过往的声誉，再在它名下挂低价值内容。
规模化内容滥用——大批量生产页面来操纵排名，“无论内容是通过自动化、人工，还是两者的某种组合产生的”。
网站声誉滥用——把第三方页面挂在一个强势域名上、几乎不加监管，搭它的排名信号便车。

这三者是同一个形状。它们不是页面级的垃圾内容。它们是借声誉的企图——借过往的声誉、伪造的声誉、寄生的声誉。它们是攻击者在评估单位升到页面之上以后会做的事。当分数活在集合这一层，做手脚就也上移到集合。这些政策不是新点子。它们是这条轨迹要求打的补丁。

一条线上的三个点

专利、更新、政策——一条线上的三个点。一个被推着去更多依赖那些对手无法廉价伪造的信号的系统。被向上拉到集合，是因为逐页的行为太稀疏，自己撑不起一个分。而一旦集合成为单位，就被迫去把集合的声誉本身当作一个攻击面来防守。

一个页面是一个人能塑造的东西。一个网站规模化的行为足迹则不是。所以系统问发布者更少的问题，问用户更多的问题。不是因为用户绝无差错——而是因为在排名运行的那个规模上，他们的回答是整个系统里最难伪造的那部分。

References