Surgem detalhes sobre o algoritmo de atualização SDF do Google Discover

O Google publicou uma nova pesquisa sobre como melhorar o Google Discover com um sistema mais preciso para identificar e remover conteúdo desatualizado. O novo sistema, Supersession-Decay Filtering (SDF), já está em uso pelo Google e está afetando o conteúdo mostrado aos usuários.

A filtragem de supersessão-decaimento (SDF) já está em uso

A palavra “supersessão” é derivada da palavra “substituir” e identificar quando o conteúdo mais recente substituiu o conteúdo mais antigo é uma das duas coisas que este sistema faz. A palavra “decadência” refere-se a outra coisa que o sistema faz, que é prever quando a utilidade do conteúdo é perdida devido à redução da relevância.

O que pode ser chocante para a comunidade editorial e de SEO é que esse sistema está em uso há dois anos. Isso significa que editores, proprietários de sites e SEOs precisam se atualizar. Os detalhes deste sistema têm implicações no conteúdo e nas estratégias de interligação.

As principais conclusões são:

• Usa dois filtros para remover proativamente conteúdo obsoleto.
• Depois que o conteúdo desatualizado é removido, os sistemas de classificação downstream, que incluem sinais de envolvimento do usuário e sistemas “conscientes de tendências”, são capazes de classificar as páginas da web no Google Discover.

O artigo de pesquisa explica:

“Abordamos ambos os mecanismos com SDF (Supersession-Decay Filtering), um sistema unificado de filtragem de desatualização implantado no Google Discover, um feed personalizado de conteúdo de web aberta no aplicativo de pesquisa do Google, atendendo centenas de milhões de usuários ativos diários e bilhões de usuários ativos mensais. Embora os sistemas de classificação downstream permaneçam baseados em engajamento e atentos às tendências, o SDF atua como uma camada de filtragem proativa. Ele remove conteúdo fundamentalmente desatualizado antes de entrar no estágio de classificação de computação pesada, fornecendo um conjunto de candidatos refinado. O SDF consegue isso decompondo o problema em dois componentes complementares…”

O artigo de pesquisa descreve dois filtros que estão no cerne do SDF.

Mecanismos de recomendação e atualização

A maioria das pessoas sabe o que é um mecanismo de pesquisa. Existem outros tipos de mecanismos e um deles é chamado de mecanismo de recomendação. Google Discover e YouTube são exemplos de mecanismos de recomendação.

Além de combinar o conteúdo com os interesses do usuário, um mecanismo de recomendação apresenta conteúdo novo. A atualização é um fator chave de classificação do Google Discover, é o que os usuários preferem. Os pesquisadores descobriram uma maneira de prever proativamente qual conteúdo não é mais recente e usar essas informações para eliminar o conteúdo obsoleto antes que ele chegue aos usuários.

Por que a data de publicação e as métricas de envolvimento do usuário falham

Os métodos tradicionais para identificar conteúdo desatualizado dependem de datas limite de publicação e métricas de envolvimento do usuário que indicam que as pessoas pararam de interagir com um tópico.

Os investigadores explicaram que a data de publicação não indica de forma fiável se o conteúdo ainda é relevante ou útil para os utilizadores.

• O conteúdo pode ficar desatualizado logo após a publicação, quando é substituído por informações mais recentes.
• O conteúdo também pode ficar obsoleto devido à redução da relevância, que ocorre quando sua utilidade diminui com o tempo, mesmo quando não é substituído por conteúdo mais recente.
• Outro problema com o uso de datas limite é que conteúdo perene relevante e útil pode ser impedido de ser exibido.
• As datas de publicação medem apenas quando algo foi publicado e não se é relevante ou se foi substituído.

Métricas de envolvimento do usuário

As métricas de engajamento do usuário são insuficientes porque os sistemas baseados em engajamento são reativos. Os sinais são interpretados muito depois de os usuários já terem decidido que o conteúdo está obsoleto.

Filtragem de decaimento de supersessão (SDF)

A palavra “supersessão” é derivada da palavra “substituir” e substituir conteúdo obsoleto por conteúdo mais recente é o objetivo deste sistema. Os pesquisadores desenvolveram o Supersession-Decay Filtering (SDF) como forma de detectar proativamente quando o conteúdo está obsoleto devido a informações mais recentes e de prever quando o conteúdo naturalmente perde relevância.

1. Supersessão
   O primeiro filtro identifica o conteúdo que ficou desatualizado porque informações mais recentes o substituíram (substituição). A IA avalia a relação entre o conteúdo mais antigo e o mais recente para detectar se as informações anteriores permanecem úteis.
2. Decadência de Relevância
   O segundo filtro alimentado por IA avalia o conteúdo para prever quando ele perderá sua utilidade, mesmo que nada mais recente o tenha substituído. Outro filtro alimentado por IA prevê quando o conteúdo perderá relevância.

Juntos, eles removem recomendações obsoletas antes que cheguem ao sistema de classificação, melhorando a atualização do conteúdo e, ao mesmo tempo, reduzindo os custos de computação.

SDF bloqueia conteúdo da classificação

Os dois filtros (Supersession e Relevance Decay) funcionam juntos como um único sistema. Se algum dos filtros identificar conteúdo desatualizado, esse conteúdo se tornará inelegível para classificação no Google Discover. O conteúdo que consegue passar por ambos os filtros permanece elegível.

Os resultados dos testes

Os pesquisadores descobriram que o SDF reduziu as recomendações de conteúdo obsoleto em comparação aos métodos tradicionais. O envolvimento dos usuários mostrou ganhos modestos, melhorando o envolvimento dos usuários e a diversidade de conteúdo. Ao longo de dois anos de implantação, as reclamações dos usuários sobre conteúdo desatualizado diminuíram 54,9%. O sistema também reduziu os custos de computação ao remover conteúdo desatualizado antes da classificação.

Conclusões

O artigo de pesquisa é intitulado Decompondo Staleness em Sistemas de Recomendação: Uma Estrutura de Filtro Duplo para Supersessão e Decadência. Acredito que o SDF do Google torna imperativo que os editores tenham respostas para:

• Qual porcentagem do conteúdo deve ser perene?
  Este é o conteúdo que irá sustentar o site com tráfego para consultas úteis e informativas aos usuários.
• Qual porcentagem tem uma janela de relevância limitada. Existe um plano para atualizar o conteúdo quando ele ficar obsoleto?
• Qual porcentagem do conteúdo é notícia e tem uma curta janela de relevância?
  Idealmente, é importante cobrir todas as notícias de última hora que sejam relevantes para o público.

Por quanto tempo o conteúdo permanecerá relevante é importante porque pode ser usado para decisões sobre interligação de artigos. Muitos plug-ins e sistemas baseados em IA para interligar conteúdo são baseados na relevância semântica. O novo sistema SDF do Google acrescenta uma dimensão de novidade a esse cálculo.

Imagem em destaque por Shutterstock/JHVEPhoto