热门标签 | HotTags
当前位置:  开发笔记 > 前端 > 正文

百度之夜后百度关注用户互动新举措

前几天刚刚在上海的搜索大会听到百度lee讲的内容,我前天还特意分享了我的一些心得和看法,昨天看到卢松松的博客也发表了百度的投稿,在文章中有重申了百度的两个观点:网页搜

前几天刚刚在上海的搜索大会听到百度lee讲的内容,我前天还特意分享了我的一些心得和看法,昨天看到卢松松的博客也发表了百度的投稿,在文章中有重申了百度的两个观点:

网页搜索的未来:基于深度数据挖掘机用户行为分析的搜索引擎

image

百度之夜lee现场图片

最近一年大家看到百度的搜索发生了越来越多的变化,比如去搜一个医院的名字,搜索结果右侧会帮你把相关的医院名称都挖掘出来,意在让你找到更方便更多的信息。看似非常简单,但后面蕴藏着非常非常复杂的技术逻辑。

这个产品在百度内部也被称作为“知心搜索”,新一代的搜索引擎不再拘泥于用户所输入请求语句的字面本身,准确地理解用户所输入语句后面的真正意图以及可能的扩展需求,从而更准确地向用户返回最符合其需求的整合搜索结果。

如下图

image

医院相关的知心展示

image

人名的知心结果展示

Lee介绍了百度算法从传统超链投票逐渐向用户投票的转变。

Web1.0时代,内容都是网站编辑产生,投票也是在网站间进行,传统搜索引擎均以网站对网站的 投票为基础,建立基于超链分析的权值体系。

Web2.0时代,内容创造的主力开始变为用户,投票形式从单一的超链扩展为分享、评价、评分等多种形态,以单个用户为粒度的投票,更能体现网站的价值。这些信息,都会被搜索引擎用来评判网页内容的价值。

其中,百度分享是一个帮助网站增加用户向SNS网站分享内容功能的一个简单工具,只需在页面中加入一段代码即可实现。用户在网站中向sns网站分享内容的行为,会被百度网页搜索应用于收录、排序等环节;同时百度分享也提供高质量的数据分析服务,可以帮助网站精确的定位、分析sns流量。

继百度之夜和上海搜索大会后消息后百度转向用户的第一炮

早上起来到公司第一件事情去搜索自己的博客名称,悄然发现百度的搜索结果已经发生了细微的变化

image

百度搜索曹海涛博客结果显示域名的下面出现一个三角形,鼠标放在上面会出现下拉“收藏”“分享”“举报”

百度在加快调整从传统超链投票逐渐向用户投票的转变的进程,以前搜藏产品和分享产品是独立的百度产品,这次通过搜索结果的直接展示,来更加深入的分析用户的搜索行为,作为后面转向用户投票机制的重要参考。并且大大缩短了用户参与投票网站的距离。

比如我搜索曹海涛博客,以前如果没有这个搜索结果的分享功能,我必须要进入网站,如果网站上仍然没有安装百度分享的按钮,就无法进行分享,百度就失去一次扑捉用户参与网站投票机会。现在有了这个功能,用户就可以直接在搜索结果里面进行分享、搜藏和投诉,这样用户对网站直接投票的机会就会多出来很多。更加有利于百度分析用户行为。

不过对于这几个功能我也有些疑问,写出来和大家一起思考:

(1)会不会被用来作弊,比如搜藏和分享,我用代理ip人为的进行分享和搜藏,在百度把用户行为作为投票机制后,这种作弊行为会不会影响到排名?

(2)关于投诉功能,不知道这个投诉是投诉的什么范围?是投诉ox网站,还是seo方面的,比如网站打不开,有病毒等等,还涉及到一个问题,如(1)如果用户作弊使劲投诉一个网站,百度怎么看^_^?

(3)还有一个疑问,既然这个是显示在百度的搜索结果里面,也就是说在用户没有打开网站之前,都没有打开网站,用户怎么客观的对网站进行“收藏分享举报”的动作行为哪?难道是让用户打开网站之后,然后在返回百度找到这个排名,在去分享,这样来回折腾也够累的,至少不能算是一个很好的用户体验。另外一种想法是让用户看到一个好的标题和描述就进行分享,这个未免太感性,都不知道内容就让别人进行评价,太不靠谱了;就如我在大街上看到一个美女,看到她身材好,就给他打分很漂亮,很有可能回头一看是恐龙,谁知道哪,嘎嘎。

不过不管怎么说,百度向用户投票的转变已经有动作了,后面我会持续关注,及时和大家分享。

本文源链接地址:http://www.italkabc.com/post/baidushouguo.html

 

推荐阅读
  • H5技术实现经典游戏《贪吃蛇》
    本文将分享一个使用HTML5技术实现的经典小游戏——《贪吃蛇》。通过H5技术,我们将探讨如何构建这款游戏的两种主要玩法:积分闯关和无尽模式。 ... [详细]
  • 本文详细记录了腾讯ABS云平台的一次前端开发岗位面试经历,包括面试过程中遇到的JavaScript相关问题、Vue.js等框架的深入探讨以及算法挑战等内容。 ... [详细]
  • PHP开发人员薪资水平分析:工程师平均工资概况
    PHP开发人员薪资水平分析:工程师平均工资概况 ... [详细]
  • 探索聚类分析中的K-Means与DBSCAN算法及其应用
    聚类分析是一种用于解决样本或特征分类问题的统计分析方法,也是数据挖掘领域的重要算法之一。本文主要探讨了K-Means和DBSCAN两种聚类算法的原理及其应用场景。K-Means算法通过迭代优化簇中心来实现数据点的划分,适用于球形分布的数据集;而DBSCAN算法则基于密度进行聚类,能够有效识别任意形状的簇,并且对噪声数据具有较好的鲁棒性。通过对这两种算法的对比分析,本文旨在为实际应用中选择合适的聚类方法提供参考。 ... [详细]
  • 本文回顾了作者在求职阿里和腾讯实习生过程中,从最初的迷茫到最后成功获得Offer的心路历程。文中不仅分享了个人的面试经历,还提供了宝贵的面试准备建议和技巧。 ... [详细]
  • Python3爬虫入门:pyspider的基本使用[python爬虫入门]
    Python学习网有大量免费的Python入门教程,欢迎大家来学习。本文主要通过爬取去哪儿网的旅游攻略来给大家介绍pyspid ... [详细]
  • 在OpenCV 3.1.0中实现SIFT与SURF特征检测
    本文介绍如何在OpenCV 3.1.0版本中通过Python 2.7环境使用SIFT和SURF算法进行图像特征点检测。由于这些高级功能在OpenCV 3.0.0及更高版本中被移至额外的contrib模块,因此需要特别处理才能正常使用。 ... [详细]
  • 从0到1搭建大数据平台
    从0到1搭建大数据平台 ... [详细]
  • K-均值聚类算法是一种经典的划分方法,广泛应用于数据挖掘和机器学习领域。该算法通过将数据集划分为多个互斥的簇,确保每个对象仅归属于一个簇。然而,这种严格的归属要求忽略了潜在的离群点和数据的复杂性,限制了其在某些场景下的适用性。为了提高算法的鲁棒性和灵活性,研究者们提出了多种改进方法,如引入模糊隶属度和基于密度的聚类技术。这些改进不仅提升了算法的性能,还扩展了其在实际问题中的应用范围。 ... [详细]
  • 在众多市场调研公司中,如何选择一家值得信赖的合作伙伴至关重要。基于我在市场调查行业近二十年的经验,我将推荐几家国内知名的市场调研机构,供您参考:1. 开元研究——专注于零售报刊发行研究、媒体广告价值评估及网络营销分析等领域,以其专业性和准确性赢得了广泛认可。 ... [详细]
  • SSAS入门指南:基础知识与核心概念解析
    ### SSAS入门指南:基础知识与核心概念解析Analysis Services 是一种专为决策支持和商业智能(BI)解决方案设计的数据引擎。该引擎能够为报告和客户端应用提供高效的分析数据,并支持在多维数据模型中构建高性能的分析应用。通过其强大的数据处理能力和灵活的数据建模功能,Analysis Services 成为了现代 BI 系统的重要组成部分。 ... [详细]
  • 业务团队与独立团队在数据分析领域的效能对比:谁更胜一筹?
    业务团队与独立团队在数据分析领域的效能对比:谁更胜一筹? ... [详细]
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
  • AI TIME联合2021世界人工智能大会,共探图神经网络与认知智能前沿话题
    AI TIME携手2021世界人工智能大会,共同探讨图神经网络与认知智能的最新进展。自2018年在上海首次举办以来,WAIC已成为全球AI领域的年度盛会,吸引了众多专家学者和行业领袖参与。本次大会将聚焦图神经网络在复杂系统建模、知识图谱构建及认知智能应用等方面的技术突破和未来趋势。 ... [详细]
  • 吴裕雄数据挖掘实战案例(13):GBDT模型的深入应用与解析
    #导入第三方包importpandasaspdimportmatplotlib.pyplotasplt#读入数据defaultpd.read_excel(r&# ... [详细]
author-avatar
噢是你1988
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有