通过页面权威性，我们决定采用一种完全不同的训练方法，更多的自然流量。该模型提供了几个有希望的功能，例如能够比较不在同一 SERP 上的 URL，但也带来了其他困难，例如具有高链接权益的页面，但只存在于特定主题的领域偶尔搜索一下。我们解决了许多这些问题，例如扩大训练集、使用非链接指标来考虑竞争。 新页面权威质量测量 过去和现在的结果都非常令人鼓舞。
首先，新模型可以清楚地预测一个页面比另一个页面拥有 亚美尼亚电报数据库 更多有价值的自然流量的可能性。这是可以预料到的，因为新模型就是为此特定目的而构建的，而当前的页面权威只是试图预测一个页面是否会排名高于另一个页面。 其次，我们发现新模型可以预测一个页面在另一个页面上的排名是否会比之前的页面权威更高。这尤其令人欣慰，因为它减轻了我们许多的担忧，即由于新的训练模型，新模型在旧的质量控制方面表现不佳。
与当前的 PA 相比，新模型在预测 SERP 方面有多好？在每个间隔（最高位置 4 对 5），新模型的表现与现有模型一样好甚至更好。它永远不会失败。 一切看上去都很棒。然后我们开始分析异常值。我问他“有什么事情看上去很蠢吗？”测试机器学习会犯错，就像人类一样，但是人类犯错的方式很特别。当人类犯错时，我们常常想知道为什么会犯错。这不适用于机器学习，尤其是神经网络；我们在新模型下提取了具有高页面权限但具有零自然流量的 URL，并将它们添加到训练集中以了解这些错误。