其中一些显示了一些短期排名变动，因此 CTR 可以以某种方式用于发现热门趋势/新闻，但仍然不是核心排名因素。 其他用户参与信号呢？ 我敢打赌，谷歌实际上正在利用用户参与信号做一些事情，尽管很难确定它们是什么。 它不太可能像跳出率或其表亲 pogosticking 那样简单。 Pogosticking 确实看起来是个好信号，直到您意识到在很多情况下它们根本不起作用。 例如，当用户比较购物时，他们会自然地从一个站点跳到另一个站点。 找到能够产生真正可靠信号的良好用户参与因素非常困难。 许多人推测人工智能/机器学习将用于推导出这些类型的因素。 以下是详细介绍该主题的三篇内容：机器学习革命：它的工作原理及其对 SEO 的影响，一篇关于 Moz 的文章，由你在双算法世界中真正的 SEO，Rand Fishkin 的 Powerpoint SEO 的过去、现在和未来，作者 Mike Grehan 的文章 信息架构 拥有一个 Google 可以抓取并轻松找到您的内容的可靠信息架构 (IA) 也是一项主要要求。

在 Andrey Lippatsev 的回应中，他无疑假定情况良好，但将其排除在讨论之外是错误的。 在 Stone Temple Consulting，我们仅通过处理 IA、消除过多的页面计数、改进对 SEO 标签（如 rel=canonical 等）的使用，就帮助大量网站提高了自然流量。 这显然也是一个重要因素。 可用性也会影响 IA，因为人们需要能够在您的网 德国电话号码表 站上找到他们想要的东西。 我在双因素模型中遗漏了什么首先，还有其他类型的结果，例如图像、视频和地图结果，这些结果是进入首页的机会，但上面的讨论主要集中在 如何在常规网络搜索结果中排名。 公平地说，即使在常规网络结果中，我也遗漏了一些东西。 以下是其中的一些示例： 本地链接。 我这里指的不是“本地包”列表。 如果我现在搜索“数码相机”，在常规网络搜索结果中，我会看到一些靠近我的商店的列表。

显然，邻近度是对这些页面进行排名的一个非常大的因素。 查询值得多样化。 这方面的一个例子是查询“Jaguar”。 很可能我的双因素算法只会将汽车网站排在前 10 名中，但谷歌知道很多输入该查询的人都需要有关动物的信息。 因此，即使双因素算法会以一种方式倾斜事物，您也会在前 10 名中看到一些与动物相关的网站。深度文章。 这是一个很难在搜索结果中发现的功能，但有时谷歌会在前 10 名结果的底部包含一些特别全面的内容。 这些是针对 Google 认为用户很有可能正在对某个主题进行广泛研究的查询。 这是查询“constitution”的示例：我们对 200 个 SERP 进行了小样本审查，发现大约 6% 的结果似乎来自这些因素。 双因素模型也没有考虑个性化，但这篇文章正在研究除个性化之外的常规搜索结果的排名因素，这当然也有很大的影响。