点击模型 - 其用途和对 SEO 的重要性
阅读时间：7分钟
大多数 SEO 人员在考虑点击时，都会将点击率视为排名因素，并优化页面标题和 埃及 WhatsApp 负责人 元描述。如果您的参与程度仅此而已，那么您就白白浪费了金钱。让我们看看点击模型的工作原理及其对搜索引擎优化的影响。
什么是点击模型？
在阅读本篇关于点击模型的入门文章时，请记住点击、注。这是点击模型试图理解的三个重要属性。我将在本文后面详细介绍它们。
现在，让我们从一个简单的定义开始。点击模型是搜索用户行为的预测概率数据模型，旨在通过分析历史数据来预测未来的用户模式。因此，要创建点击模型，您需要检查过去的数据以确定未来发生某些模式的可能性。但由于没有人能够 100% 确定地预测未来，因此这些模型只能查看某些事件发生的概率。
SERP 的基本点击模型旨在了解每个链接的检查过程，并了解页面上其他元素的偏差——例如位置、广告和其他功能。现代搜索工程师的目标是以可移植、统一的方式描述点击模型，然后能够将它们相互关联并在集成方法中使用它们。
点击模型如何工作？
点击模型可帮助搜索引擎进行相关性估计——从庞大的语料库中检索相关的 URL。以下是百度王超等人撰写的基本概述，构建点击模型：从想法到实践。
点击模型有助于了解用户、确定文档相关性以及评估搜索。#GoogleSearch #SEO
点击推文
在他们的论文中，作者解释了“大多数现有的点击模型都是在概率图模型框架内制定的。在这些模型中，通常使用一组变量来为特定查询的每个搜索结果建模。”这些变量包括：
可观察的点击动作
用户检查
结果相关性
用户满意度（查看结果后）
每个模型都会根据不同的用户行为假设创建一个结构来表示变量之间的相互关系。一旦模型创建完成，就会根据大量点击日志对其进行训练，之后它可以用来“预测结果的点击概率或根据推断的相关性对搜索结果列表进行重新排序”。
本文提出了两个模型。第一个是垂直感知点击模型 (VCM)，它解决了垂直结果与普通结果相结合时的行为偏差问题。这些偏差包括：
检查垂直结果的偏差（尤其是那些带有多媒体组件的结果）
具有垂直结果的结果列表的信任偏差
增加重新审视垂直结果的可能性
第二个模型解决了大多数现有点击模型中的偏见——他们认为用户在检查搜索结果时遵循线性的自上而下的方法。事实上，许多研究表明，存在大量非连续的浏览行为（包括检查和点击）。
点击建模的集成方法
到目前为止，我们已经研究了相对简单和单一的点击预测模型。以下是来自天才 Danial Bakhtiarvand 和 Saeed Farzi 的集成方法示例 -用于 Web 文档排名的集成点击模型。
在这种情况下，他们同时使用三个模块来预测用户在 SERP 上的点击：
确定点击行为的概率图形模型
时间序列深度神经点击模型预测用户对文档的点击
SimRank 算法用于预测文档查询关系图中的相似性
模块的输出被输入到多层感知器 (MLP) 分类器中，该分类器反过来预测用户点击文档的可能性。这种方法的优点是使用多个模型更加稳健。它消除了使用单模型方法可能产生的任何偏差。
以下是Saeed Farzi 的更多内容 ，因为他很棒。如果您需要绕道，请务必查看查询自动完成和建议评论。