En octubre, Pandu Nayak testificó en el caso antimonopolio U.S. vs. Google. En un artículo publicado por The New York Times, la cobertura parecía ser más una pieza de relaciones públicas que un análisis profundo.
Sin embargo, el 16 de noviembre, AJ Kohn publicó un artículo titulado «Lo que Pandu Nayak me enseñó sobre SEO«, revelando un enlace al testimonio de Nayak en PDF, una lectura fascinante para los profesionales de SEO.
En este testimonio, Nayak reveló detalles cruciales sobre el funcionamiento interno de Google Search y su sistema de clasificación. Abordó temas como indexación, algoritmos, sistemas de clasificación, clics, evaluadores humanos y más.
Aunque algunas de las informaciones pueden ser familiares, Nayak proporcionó ideas valiosas sobre la creación de un índice integral, destacando la importancia de la calidad sobre la cantidad.
El tamaño del índice de Google en 2020 era de aproximadamente 400 mil millones de documentos, y Nayak enfatizó que «más grande no siempre es mejor». Discutió cómo la eliminación de información irrelevante puede mejorar la calidad del índice.
Nayak también compartió ideas sobre el papel fundamental del índice en la recuperación de información y cómo el algoritmo de recuperación utiliza señales para clasificar los documentos relevantes.
En cuanto al ranking de Google, Nayak reveló que, aunque la empresa había afirmado usar más de 200 señales en el pasado, ahora el número está en «quizás más de cien».
Destacó la importancia de señales como documentación, relevancia, calidad de la página, confiabilidad, ubicación y Navboost. Navboost, un sistema de memorización, fue explorado en detalle, revelando su papel en la reducción del conjunto de documentos para los sistemas de aprendizaje automático de Google.
El testimonio de Nayak también expuso los algoritmos centrales de Google, incluyendo RankBrain, DeepRank y MUM, detallando cómo cada uno contribuye a la clasificación de documentos.
Nayak subrayó la necesidad de equilibrar la confianza en los sistemas de aprendizaje profundo, destacando los riesgos de depender exclusivamente de ellos para la clasificación.
Además, el ejecutivo discutió cuestiones relacionadas con los evaluadores humanos y sus limitaciones. Aunque desempeñan un papel crucial, el testimonio reveló desafíos, como la dificultad para entender consultas técnicas y la falta de contexto temporal en evaluaciones de relevancia.
Este testimonio no solo intriga a los profesionales de SEO, sino que también muestra un equilibrio delicado entre datos, aprendizaje automático y mejora continua de la calidad de la búsqueda para ofrecer resultados relevantes a millones de usuarios globales.
