Google répond aux preuves de biais de l’algorithme des avis

Google a répondu à un petit éditeur dont l’article présentait étape par étape la manière dont les grands éditeurs manipulent l’algorithme du système d’avis Google et s’en sortent sans problème, démontrant ce qui semble être un parti pris en faveur des grandes marques qui a un impact négatif sur les petits éditeurs indépendants.

Exposé de l’algorithme Google HouseFresh

L’histoire commence par un article intitulé Comment Google tue les sites indépendants comme le nôtre, publié sur le site HouseFresh. Il a publié ce qu’il prétend être la preuve que plusieurs sites d’avis d’entreprise ont trompé l’algorithme de Google en créant la perception d’avis pratiques alors que HouseFresh soutient que ce n’étaient pas de véritables avis.

Par exemple, il a noté combien d’éditeurs ont classé un purificateur d’air coûteux que HouseFresh (et Consumer Reports) a examiné et jugé moins performant que des alternatives moins coûteuses, consommait plus d’énergie et nécessitait de dépenser 199,98 $/an pour le remplacement du purificateur. Pourtant, les sites de grandes marques ont donné des critiques élogieuses au produit, probablement parce que son coût élevé entraîne des revenus d’affiliation plus élevés.

Remarquablement, ils ont montré comment les photos de produits de différents éditeurs de grandes marques provenaient du même photographe dans ce qui semble être exactement le même endroit, ce qui implique fortement que les éditeurs individuels eux-mêmes n’ont pas chacun examiné le produit.

HouseFresh a proposé une suppression détaillée de ce qui, selon eux, est des cas où Google a montré sa préférence pour les faux avis.

Ceci est une liste partielle des sites allégués par HouseFresh pour classer avec succès les avis de mauvaise qualité :

  • De meilleures maisons et jardins
  • Très simple
  • Meredith
  • BuzzFeed
  • Reddit avec un lien spam déposé par un utilisateur avec un compte suspendu
  • Science populaire

HouseFresh a publié un compte rendu lucide et rationnel démontrant comment les algorithmes du système d’avis de Google donneraient prétendument un laissez-passer aux grandes marques, tandis que les petits sites Web indépendants publiant des avis honnêtes perdent régulièrement du trafic à chaque vague successive des nouveaux algorithmes de Google.

Google répond

SearchLiaison de Google a proposé une réponse sur X (anciennement Twitter) qui a pris les accusations au sérieux.

Les faits suivants sont remarquables dans la réponse :

Google n’effectue pas de vérification manuelle des réclamations formulées sur des pages Web (sauf dans le cadre d’une demande de réexamen après une action manuelle).

Les algorithmes de Google n’utilisent pas d’expressions conçues pour impliquer un examen pratique comme signal de classement.

RechercheLiaison tweeté:

« Merci. J’ai apprécié la prévenance du message, ainsi que les préoccupations et les détails qu’il contient.

Je l’ai transmis à notre équipe de recherche en lui disant que j’aimerais que nous fassions davantage pour garantir que nous affichons une meilleure diversité de résultats qui incluent à la fois les petites et les grandes publications.

Une note à un article par ailleurs excellent. L’article suggère que nous effectuions une sorte de « vérification manuelle » des réclamations faites par les pages. Nous ne faisons pas. Cette référence et ce lien concernent les examens manuels que nous effectuons si une page fait l’objet d’une action manuelle de *spam* à son encontre et dépose une demande de réexamen. C’est complètement différent de la façon dont nos systèmes de classement automatisés cherchent à récompenser le contenu.

De manière quelque peu liée, le simple fait de faire une réclamation et de parler d’un « processus de test rigoureux » et de suivre une « liste de contrôle EEAT » ne garantit pas un meilleur classement ni, d’une manière ou d’une autre, automatiquement une meilleure performance d’une page.

Nous parlons d’EEAT parce que c’est un concept qui correspond à la façon dont nous essayons de classer le bon contenu. Mais nos systèmes automatisés ne consultent pas une page et ne voient pas une affirmation du type « J’ai testé ceci ! » et je pense que c’est mieux juste à cause de ça. Les choses dont nous parlons avec EEAT sont plutôt liées à ce que les gens trouvent utile dans le contenu. Faire des choses en général pour les gens est ce que nos systèmes automatisés cherchent à récompenser, en utilisant différents signaux.

Plus d’informations ici : Developers.google.com/search/docs/fundamentals/creating-helpful-content#eat

Merci encore pour le post. J’espère que nous ferons mieux à l’avenir pour ce type de problèmes.

Google montre-t-il sa préférence aux grandes marques ?

Je travaille concrètement dans le référencement depuis 25 ans et il fut un temps, au début des années 2000, où Google montrait un préjugé envers les grandes marques d’entreprise en fonction du montant de son PageRank. Les sites avec un PageRank élevé sont classés pour un nombre ridicule de mots-clés. Google a ensuite réduit l’influence des scores PageRank, ce qui a réduit le nombre de sites de grandes marques moins pertinents dans les pages de résultats de recherche (SERP).

Il ne s’agit pas d’un cas où Google biaise expressément les résultats de recherche en faveur des grandes marques. C’était un exemple de leurs algorithmes qui ne fonctionnaient pas comme ils le souhaitaient.

Il se peut très bien que l’algorithme de Google présente aujourd’hui des signaux qui favorisent par inadvertance les grandes marques.

Si je devais spéculer sur les types de signaux responsables, je dirais que ce seraient les signaux liés aux interactions des utilisateurs qui indiquent ce qu’ils préfèrent. Le récent témoignage sur l’algorithme Navboost dans le procès antitrust de Google a clairement montré que les interactions des utilisateurs sont un signal important lié au classement.

Dans ce scénario, si les utilisateurs font confiance à un nom de marque et que Google détecte leurs interactions (comme la recherche avec des noms de marque), cela pourrait amener Google à faire confiance au signal de l’utilisateur et à classer ces sites, car c’est ce que les utilisateurs s’attendent à voir.

C’est ma spéculation sur ce qui, je pense, pourrait se produire, à savoir que la confiance de Google dans les signaux des utilisateurs a un résultat par inadvertance, ce que je souligne depuis des années maintenant (lire l’algorithme Froot Loops de Google).

Lisez la discussion sur Twitter :

Qu’ont en commun BuzzFeed, Rolling Stone, Forbes, PopSci et Real Simple ?

Lisez l’article de HouseFresh :

Comment Google tue les sites indépendants comme le nôtre

FAQ

La présentation d’un processus de test rigoureux du contenu influence-t-elle le classement de Google ?

Bien que la présentation d’un processus de test rigoureux et d’affirmations de rigueur dans le contenu soit bénéfique pour la perception des utilisateurs, cela n’influence pas à lui seul le classement de Google. La réponse de Google clarifie cet aspect :

  • Les algorithmes se concentrent sur des facteurs liés à l’utilité du contenu telle que perçue par les utilisateurs, au-delà des simples allégations de tests approfondis.
  • Les allégations d’un « processus de test rigoureux » ne constituent pas en elles-mêmes un classement des signaux.
  • Les créateurs de contenu doivent se concentrer sur la véritable satisfaction des besoins de leur public et sur la création de valeur, car cela correspond aux principes de classement de Google.

Quelles mesures Google prend-il pour vérifier l’exactitude des allégations relatives aux pages Web ?

Google n’effectue pas de contrôles manuels sur l’exactitude factuelle des allégations formulées sur les pages Web. Leurs algorithmes se concentrent sur l’évaluation de la qualité et de la pertinence du contenu grâce à des systèmes de classement automatisés. Le concept EEAT de Google est conçu pour s’aligner sur la façon dont ils classent le contenu utile, mais il n’implique aucun examen manuel, sauf en cas de demande de réexamen spécifique d’une action anti-spam. Cela sépare l’examen factuel des mécanismes automatisés de classement des contenus.