GoogleがE-A-Tを評価する14の方法

【Google翻訳】
コンテンツとブランドが強力なE-A-Tを持っているかどうかを判断するためにGoogleが使用している可能性のあるいくつかの潜在的なシグナルについて学びます。
Googleは、高度な専門知識、信頼性、信頼性（E-A-T）を示すコンテンツやエンティティ（組織やブランドなど）に報酬を与えたいと考えています。 また、特に広範なコアアルゴリズムの更新に関しては、Googleが品質評価者のガイドラインに精通するようにアドバイスしていることも知っています。

100％確実にわからないのは、GoogleがE-A-T（直接のランキング要素やスコアではなく概念）を、検索エンジンが検索結果をランク付けする目的で評価できるシグナルに変換する方法です。

この記事では、GoogleがE-A-T評価にアルゴリズムで使用できる14の潜在的なページ上の要素とページ外の要素をまとめました。

免責事項

この記事は、Googleが使用できる可能性のあるすべてのE-A-T信号の完全なリストを意図したものではありませんが、利用可能な裏付けとなる証拠とドキュメントに基づいて、GoogleがE-A-Tを評価するために使用する可能性が最も高いいくつかの信号を見てください。

また、SERPを操作しようとしているSEO向けのチートシートでもありません。 E-A-Tは、SEO対策によって限られた範囲でしか影響を受けません。この記事で説明するシグナルのほとんどは、マーケティングとPRの影響を受ける可能性が高くなります。

グーグルによれば、すべての信号が要約または合計される単一のE-A-Tスコアはありません。 Googleは、さまざまなアルゴリズム（別名、「赤ちゃん」または「小さな」アルゴリズム）を通じて、著者、出版社、またはWebサイトのE-A-Tの全体的な印象を得ることが想像できます。

この全体的な印象はそれほどスコアではありませんが、E-A-Tを持つエンティティのサンプル画像の近似値です。 Googleは、選択したサンプルエンティティを使用してアルゴリズムをトレーニングし、E-A-Tのベンチマークパターンを作成できます。エンティティがさまざまな信号でこのパターン画像に類似しているほど、品質は高くなります。

1.ウェブサイトコンテンツ全体の品質

E-A-Tは、1つ以上のトピックに関連する、発行者、作成者、または関連するドメインの一種のメタ評価です。 対照的に、Googleはドキュメントレベルで関連性を評価します（つまり、それぞれの検索クエリとその検索意図に関連する個々のコンテンツ）。

そのため、Googleは、E-A-Tを介して出版社/著者の品質を評価し、機械学習の革新（Rankbrainなど）と組み合わせた従来の情報検索方法（テキスト分析など）を介して関連性を評価します。

このコンテキストでは、Googleが確認しているように、さまざまな主題分野のコンテンツが互いにプラスにもマイナスにも影響を与える可能性があります。

ウェブサイトのコンテンツの品質を総合的に評価するために注意すべき点についてのヒントは、GooglePandaアップデートのメモに記載されています。

2.PageRankまたは著者/発行者への参照

Googleがバックリンクとそれらから継承されたPageRankを使用してコンテンツとドメインを評価しているという事実は新しいものではなく、Googleによって確認されています。 また、GoogleがE-A-Tに関する評価にバックリンクとPageRankを使用していることは、ホワイトペーパー「Googleが偽情報と戦う方法」で確認されています。

「Googleのアルゴリズムは、信頼性と信頼性に関連するページに関するシグナルを識別します。 これらのシグナルの中で最もよく知られているのはPageRankで、これはWeb上のリンクを使用して信頼性を理解します。」

3.リンクグラフでシードサイトを信頼するまでの距離

PageRankの概念のより高度な形式は、着信リンクの数ではなく、リンクされたドキュメントが機関またはシードWebサイトに近接していることに基づいています。

2017年のGoogle特許は、Webリンクグラフの距離を使用してページのランキングを作成する方法で、選択したシードサイトへの近さに基づいてリンクされたドキュメントのランキングスコアを作成する方法を説明しています。このプロセスでは、シードサイト自体が個別に重み付けされます。

シードWebサイト自体が高品質であるか、ソースの信頼性が高くなっています。

特許によると、これらのシードWebサイトは手動で選択する必要があり、操作を防ぐために数を制限する必要があります。シードページとランク付けされるドキュメント間のリンクの長さは、次の基準によって決定できます。

リンクの位置。
ソースページの主題の逸脱の程度。
ソースページの発信リンクの数。
少なくとも1つのシードWebサイトへの直接または間接リンクがないWebサイトは、スコアリングに含まれないことに注意してください。

これにより、ランキングのために一部のリンクがGoogleに含まれている理由と含まれていない理由について、結論を導き出すこともできます。

「ただし、一連のページのすべてのページがこのプロセスを通じてランキングスコアを受け取るわけではないことに注意してください。たとえば、どのシードページからもアクセスできないページはランク付けされません。」
この概念は、ドキュメント自体だけでなく、発行者、ドメイン、または作成者一般にも適用できます。 シードサイトによって直接参照されることが多い発行者または作成者は、トピックおよびそれがリンクされている意味的に関連するキーワードに対してより高い権限を取得します。 これらのシードサイトは、手動で決定されるか、権限と信頼のシグナルのしきい値に達するトピックごとのサイトのセットにすることができます。

4.被リンクのアンカーテキスト

グーグルによると、バックリンクのアンカーテキストは、リンクされたターゲットページのランキングシグナルであるだけでなく、ドメイン全体の主題分類でも機能します。

信頼に基づくGoogle特許検索結果のランキングには、信頼評価としてのアンカーテキストの使用についての言及もあります。

この特許は、信頼ラベルに基づいてドキュメントのランキングスコアがどのように補足されるかを説明しています。 この情報は、ドキュメント自体から、またはリンクテキストまたはドキュメントまたはエンティティに関連するその他の情報の形式でサードパーティのドキュメントを参照することから取得できます。 これらのラベルはURLに関連付けられ、注釈データベースに記録されます。

5.著者の信頼性

オンラインコンテンツの作成者のエキサイティングなGoogle特許の信頼性では、作成者の信頼性をアルゴリズムで判断するために使用できるさまざまな要素が参照されています。

これは、検索エンジンが作成者の信頼性係数とレピュテーションスコアの影響下でドキュメントをランク付けする方法を説明しています。

著者は、コンテンツを公開するさまざまなトピックの数に応じて、いくつかのレピュテーションスコアを持つことができます。つまり、作成者は複数のトピックについて評判を得ることができます。
著者の評判スコアは、発行者とは無関係です。
コンテンツまたは抜粋の複製が複数回公開された場合、レピュテーションスコアがダウングレードされる可能性があります。
この特許にもリンクへの言及があります。そのため、著者の評判スコアは、公開されたコンテンツのリンクの数によって影響を受ける可能性があります。

レピュテーションスコアの次の可能なシグナルが言及されています。

著者がトピック領域でコンテンツを作成した確かな実績を持っている期間。
著者がどれほどよく知られているか。
ユーザーによる公開コンテンツの評価。
著者によるコンテンツが平均以上の評価で別の発行者によって発行されている場合。
著者によって公開されたコンテンツの数。
著者が最後に出版してからどれくらい経ちますか。
著者による同様のトピックの以前の出版物の評価。
特許からの評判スコアに関するその他の興味深い情報：

著者は、コンテンツを公開するさまざまなトピックの数に応じて、複数のレピュテーションスコアを持つことができます。
著者の評判スコアは、発行者とは無関係です。
重複するコンテンツまたは抜粋が複数回公開されている場合、レピュテーションスコアがダウングレードされる可能性があります。
レピュテーションスコアは、公開されたコンテンツのリンク数によって影響を受ける可能性があります。
さらに、この特許は、著者の信頼性要因について説明しています。これには、職業または会社での著者の役割に関する検証済みの情報が関連しています。公開されたコンテンツのトピックへの職業の関連性も、著者の信頼性にとって決定的です。著者の教育と訓練のレベルもここで関係する可能性があります。

6.著者/出版社の名前認識（言及数と検索ボリューム）

著者/出版社の人気が高いほど、彼/彼女はより信頼でき、話題の分野での彼/彼女の権威は高くなります。 Googleは、言及の数と名前の検索ボリュームを介して、認知度をアルゴリズムで測定できます。すでに述べた特許に加えて、考えられるランキング要素としての認識の程度に関するグーグルからのさらなる声明があります。

ローカル検索に関しては、ローカルランキングに関するGoogleサポートページに次のステートメントがあります。

「意識レベル：これは、企業がどれだけよく知られているかを示します。いくつかの場所や物事は他のものよりよく知られています。これは、ローカル検索結果のランキングで考慮されます。たとえば、多くのユーザーによく知られている有名な美術館、ホテル、小売ブランドも、ローカル検索結果の目立つ位置に表示される可能性が非常に高くなります。さらに、認識や重要性は、リンク、記事、ディレクトリなど、Webから企業について取得した情報から導き出されます。」

GoogleのGaryIllyesは、2017年にブライトンSEOで言及の影響について話し（ソーシャルネットワークなど）、Googleがそのようなシグナルに関心を持っている可能性があることを示唆しているようです。

「インターネットで高く引用されている高品質のコンテンツを公開している場合、私はリンクだけでなく、ソーシャルネットワークやあなたのブランディングについて話している人々についても言及しています。その後、あなたは素晴らしいことをしています。」

7.言及または評価とクリック率に関する感情

Googleは、自然言語処理を介して感情分析を実行できます。

言い換えれば、出版社や著者などのエンティティを取り巻く感情を判断することができます。 感情が肯定的である場合、著者/出版社はより多くの信頼性を与えることができます。 負の場合は、逆になります。

レビュー可能なエンティティのランキングシグナルとしてのGoogle特許の感情検出は、感情分析を使用して、ドキュメント内のレビュー可能なエンティティに関する感情を特定する方法を説明しています。 その結果を使用して、エンティティと関連ドキュメントをランク付けできます。

評価可能なエンティティには、レストラン、ホテル、電子機器、映画、本、ライブパフォーマンスなどの消費者向け製品など、感情を表現できる人、場所、または物が含まれます。

構造化データと非構造化データをソースとして使用できます。 構造化されたレビューは、Googleマップ、トリップアドバイザー、Citysearch、Yelpなどの人気のあるレビューウェブサイトから収集されます。
Sentimentデータベースに格納されているエンティティは、エンティティID、エンティティタイプ、および1つ以上のレビューの形式のタプルで表されます。 レビューにはさまざまなスコアが割り当てられ、ランキング分析エンジンで計算されます。

著者などの追加情報を含むそれぞれのレビューに関する感情スコアは、ランキング分析エンジンで決定されます。

この特許はまた、要因としてのランク付けの観点から感情を補完するための相互作用信号の使用についても論じています。

ユーザーインタラクションスコア
コンセンサスセンチメントスコア
Googleはどのようにしてユーザーインタラクションスコアを決定できますか？ SERPCTRや滞在期間などのユーザーシグナルを確認する。

8.ビデオ、ポッドキャスト、ドキュメントでテーマに関連する用語を使用した著者/発行者の共起（オフページ）

クロール可能で解釈可能なコンテンツ内のエンティティと特定の主題分野の用語との共起は、Googleが主題の文脈で著者または出版社を分類するのに役立つ可能性があります。

E-A-Tによる評価には、共起の数、および共起が発生したソースの権限と信頼性を使用できます。

GoogleがMUMなどのイノベーションで推進している開発により、このコンテンツは、テキストコンテンツに加えて、画像、ビデオ、およびオーディオコンテンツにすることもできます。

9.検索クエリでテーマに関連する用語を使用した著者/出版社の共起（オフページ）

エンティティからの共起とコンテンツ内のトピック関連の用語は、GoogleがE-A-T評価を実行するのに役立つ可能性があります。 検索クエリでの共起も重要なシグナルになる可能性があります。

多くの人が「メルセデスカブリオ」または「オラフコップコンテンツマーケティング」を検索する場合、これはメルセデスがカブリオの権威であるか、オラフコップがコンテンツマーケティングの権威であることを示している可能性があります。

10.著者/発行者が主題文書コーパス（オンページ/オフページ）に貢献したコンテンツの割合。

ランク付けされた検索結果を再ランク付けするためのGoogle特許システムと方法では、検索エンジンが、著者のコンテンツリンクに加えて、テーマ別ドキュメントコーパスへの著者の貢献をどのように考慮できるかについて説明しています。

このGoogle特許は、2018年8月に作成されました。これは、引用スコアを含む著者スコアによる検索結果の絞り込みについて説明しています。引用スコアは、著者のドキュメントへの参照数に基づいています。

著者のスコアリングのもう1つの基準は、著者がドキュメントのコーパスに貢献したコンテンツの割合です。

「…それぞれのエンティティの著者スコアを決定することには、以下が含まれる。それぞれのエンティティの引用スコアを決定する。ここで、引用スコアは、それぞれのエンティティに関連するコンテンツが引用される頻度に対応する。それぞれのエンティティの元の作者スコアを決定する。ここで、元の作者スコアは、既知のコンテンツのインデックスにおけるコンテンツの最初のインスタンスである、それぞれのエンティティに関連付けられたコンテンツのパーセンテージに対応する。所定の関数を使用して引用スコアと元の著者スコアを組み合わせて、著者スコアを生成します。 …」

11.著者プロフィールとAboutUsページ（ページ上）を介した著者/出版社への透明性

出版社または著者に関する透明性は、検索評価者がE-A-T評価に使用する必要があるシグナルとして品質評価者ガイドラインに記載されています。さらに、スタンフォード大学のWeb信頼性に関するガイドラインは、AboutUsページや作成者プロファイルを設計するときにどの質問に対処する必要があるかについてのヒントを提供します。

「サイトの背後に実際の組織があることを示してください。あなたのウェブサイトが合法的な組織のためのものであることを示すことは、サイトの信頼性を高めるでしょう。これを行う最も簡単な方法は、物理アドレスをリストすることです。オフィスの写真を投稿したり、商工会議所の会員リストを掲載したりするなど、他の機能も役立ちます。

組織および提供するコンテンツとサービスの専門知識を強調します。チームに専門家がいますか？あなたの貢献者またはサービスプロバイダーは当局ですか？必ず彼らの資格を与えてください。あなたは尊敬されている組織と提携していますか？それを明確にしてください。逆に、信頼できない外部サイトにリンクしないでください。あなたのサイトは協会によって信頼性が低くなります。

正直で信頼できる人々があなたのサイトの後ろに立っていることを示してください。このガイドラインの最初の部分は、サイトの背後と組織内に実際の人々がいることを示すことです。次に、画像やテキストを通じて彼らの信頼性を伝える方法を見つけます。たとえば、一部のサイトでは、家族や趣味について説明する従業員の経歴を投稿しています。」

この測定値をアルゴリズムで転送するには、作成者ボックスまたはAboutUsページの使用だけが単純すぎると思います。結局のところ、人は単に著者を発明し、それから彼を専門家として提示することができます。

セマンティック検索またはエンティティベースの検索の観点から、検証を含め、エンティティに関して収集された情報をGoogleに含めることは理にかなっています。 Say About Usページと著者ボックスは、出版社または著者がGoogleによってチェックできる権威および/または専門家である場合にのみ、E-A-Tに関して役立ちます。この作成者は、すでにクロール可能なトレースをWebに残している必要があります。

12.自分の参照へのリンク

出版社や著者を権威や専門家として特定する参考文献を見つけるには、ウェブサイトから出版物、インタビュー、専門家会議の講演者プロフィール、外部メディアの記事などにリンクすることで、Googleのレビューを簡単にすることができます。

13.ドメインでのhttpsの使用

グーグルはhttpsが軽いランキング要素であることを確認しました。 信頼（つまり、ソースの信頼性）に関しては、このランキング要素は理にかなっています。 ランキングへの影響はかなり小さいですが、信頼性の少しのすべてが合計される可能性があります。

14.知識ベースの信頼（一般的な意見と事実との合意）

科学論文Knowledge-BasedTrust：Estimating the Trustworthiness of Web Sources from Googleは、Webサイトの信頼性のアルゴリズムによる決定を扱っています。

この科学論文は、オンラインソースの信頼性を判断する方法を扱っています。リンクの分析に加えて、公開された情報の正確性の調査に基づく新しい方法が提示されます。

「私たちは、内因性のシグナル、つまり、情報源から提供された事実情報の正確さに依存する新しいアプローチを提案します。虚偽の事実がほとんどない情報源は信頼できると見なされます。

計算した信頼性スコアをナレッジベースの信頼（KBT）と呼びます。合成データについて、私たちの方法がソースの真の信頼性レベルを確実に計算できることを示しています。」

ウェブサイトの使用行動に関するリンクとブラウザデータに基づくソースの信頼性の以前の評価には弱点があります。人気のないソースはカードが悪く、非常に優れた情報を提供しているにもかかわらず、不当にショートチェンジされているためです。

このアプローチを使用すると、人気要因を含めずに、ソースを「信頼性スコア」で評価できます。誤った情報を頻繁に提供するWebサイトは切り下げられます。一般的なコンセンサスに沿って情報を公開するWebサイトは報われます。これにより、フェイクニュースを通じて注目を集めるウェブサイトがGoogleで認知される可能性も低くなります。

SEOコンサルタントのまとめ

【GoogleがE-A-Tを評価する14の方法】
1.ウェブサイトコンテンツ全体の品質
2.PageRankまたは著者/発行者への参照
3.リンクグラフでシードサイトを信頼するまでの距離
4.被リンクのアンカーテキスト
5.著者の信頼性
6.著者/出版社の名前認識（言及数と検索ボリューム）
7.言及または評価とクリック率に関する感情
8.ビデオ、ポッドキャスト、ドキュメントでテーマに関連する用語を使用した著者/発行者の共起（オフページ）
9.検索クエリでテーマに関連する用語を使用した著者/出版社の共起（オフページ）
10.著者/発行者が主題文書コーパス（オンページ/オフページ）に貢献したコンテンツの割合。
11.著者プロフィールとAboutUsページ（ページ上）を介した著者/出版社への透明性
12.自分の参照へのリンク
13.ドメインでのhttpsの使用
14.知識ベースの信頼（一般的な意見と事実との合意）