Unikl kód společnosti Yandex obsahující 1922 faktorů hodnocení vyhledávání Ranktracker vysvětluje všechny faktory hodnocení

Úvodní stránka

O Yandexu jste pravděpodobně slyšeli, je to čtvrtý největší vyhledávač na světě podle podílu na trhu. Včera unikl proprietární zdrojový kód Yandexu.

Nejzajímavější částí pro SEO komunitu je: seznam všech 1922 faktorů hodnocení používaných ve vyhledávacím algoritmu.

Stáhli jsme kód, analyzovali ho a zde je uveden v užitečné podobě.

Incident by neměl být překvapením, protože společnost Yandex nebo její produkty jsou často terčem kybernetických útoků. V roce 2016 portál Hackread.com exkluzivně informoval o tom, jak prodejce z temného webu prodává údaje o 6,3 milionu uživatelských účtů společnosti Yandex.

Vzáří 2021 byl ruský vyhledávač zasažen jedním z největších útoků DDoS, který byl veden pomocí 200 000 napadených zařízení internetu věcí.

Proč je to tak velké?

Yandex je jednou z největších IT společností v Rusku. V rámci země poskytuje širší škálu služeb než Google. Představte si jednu společnost, která nahradí Google, Uber, Amazon, Netflix a Spotify.

Je tento únik skutečný?

Osobně jsem v Yandexu nikdy nepracoval, ale znám několik lidí, kteří tam v různých obdobích pracovali nebo stále pracují. Ověřil jsem si, že alespoň některé archivy určitě obsahují moderní zdrojové kódy firemních služeb a také dokumentaci odkazující na skutečné intranetové adresy URL.

Co je uvnitř

Únikář sdílel odkaz na magnet obsahující 44,7 GB souborů propojených se zdroji git společnosti Yandex. Soubory byly údajně odcizeny společnosti Yandex v červenci 2022. Kromě toho, že obsahují antispamové směrnice, obsahují údajně i zdrojový kód společnosti Yandex.

Únik informací odhalil přibližně 1 922 faktorů hodnocení, které vyhledávač používá ve svém vyhledávacím algoritmu. Kód unikl ve formě torrentu. Podle analýzy, kterou zveřejnil uživatel Twitteru Alex Buraks, obsahují uniklá data řadu faktorů řazení, včetně relevance textu, PageRanku, stáří obsahu, čerstvosti atd.

O Yandexu jste pravděpodobně slyšeli, je to čtvrtý největší vyhledávač na světě podle podílu na trhu. Včera unikl proprietární zdrojový kód Yandexu.

Nejzajímavější částí pro SEO komunitu je: seznam všech 1922 faktorů hodnocení používaných ve vyhledávacím algoritmu.

[🧵THREAD] pic.twitter.com/6x82AAmbON
- Alex Buraks (@alex_buraks) 27. ledna 2023

Kromě toho existuje několik faktorů chování koncového uživatele, faktorů souvisejících s propojením a spolehlivostí hostitele. SEO najdou některé neobvyklé faktory hodnocení, jako je počet unikátních návštěvníků, průměrné hodnocení domény napříč dotazy a procento organické návštěvnosti.

Vypadá to, že unikly přinejmenším zdrojové kódy všech hlavních služeb společnosti Yandex:

Vyhledávač a indexovací bot
Mapy - například Mapy Google a Street View
Alice - asistentka s umělou inteligencí jako Siri / Alexa
Taxi - taxislužba podobná Uberu
Přímá - reklamní služba jako Google Ads / Adwords
Mail - Poštovní služba jako GMail
Disk - Služba pro ukládání souborů, jako je Disk Google
Market - tržiště jako Amazon
Cestování - jako Booking.com plus letenky, vlakové a autobusové jízdenky
Yandex360 - Podobně jako Google Workspaces pro služby na vlastní doméně
Cloud - Pravděpodobně neunikl veškerý kód infrastruktury.
Pay - Zpracování plateb jako Stripe, ale s omezenou sadou funkcí.
Metrika - Stejně jako Google Analytics
A přinejmenším backendová část většiny ostatních firemních služeb je k dispozici. Největší archiv s názvem "frontend" je zatím neprozkoumaný.

Šestakov dále zaznamenal některé klíče API, které byly s největší pravděpodobností použity k testování nasazení.

Podrobnosti o tomto úniku: naleznete zde:

https://arseniyshestakov.com/2023/01/26/yandex-services-source-code-leak/

Společnost Yandex popírá pokus o hackerský útok

Společnost Yandex tvrdí, že si je úniku vědoma, a již zahájila vyšetřování, aby prověřila, jak se "fragmenty" zdrojového kódu dostaly na veřejnost. Stojí za zmínku, že únik neobsahuje osobní údaje uživatelů ani zaměstnanců.

Vzhledem k významu společnosti Yandex v ruské IT infrastruktuře a uniklým datům se však lze domnívat, že útok byl motivován invazí na Ukrajinu. Mohli se na něm tedy podílet proukrajinští hackeři.

Společnost Yandex ve svém oficiálním prohlášení upřesnila, že společnost nebyla napadena hackery a na úniku zdrojového kódu na veřejnost se mohl podílet její bývalý zaměstnanec. Přední ruská IT firma uvedla, že uniklý archiv obsahuje fragmenty kódu, které jsou součástí interního úložiště, jehož data se liší od těch, která jsou použita v nejnovější verzi úložiště.

"Společnost Yandex nebyla hacknuta. Naše bezpečnostní služba našla fragmenty kódu z interního úložiště ve veřejném prostoru, ale obsah se liší od aktuální verze úložiště používaného ve službách Yandexu," stojí v prohlášení společnosti.

Úniky zdrojových kódů jsou nicméně nebezpečné, protože představují pro organizace závažné bezpečnostní problémy, protože aktéři hrozeb mohou sledovat duševní vlastnictví společnosti a systémová data. Únik zdrojového kódu by útočníkům pomohl vytvořit cílené bezpečnostní exploity.

Jaký je teoretický rozdíl mezi algoritmy používanými ve společnosti Google a Yandex?

Jsou si dost podobné:

existuje obdoba RankBrain- MatrixNet
používají PageRank (téměř stejný jako v Googlu);
mnoho textových algoritmů je stejných.

V Yandexu je spousta bývalých googlerů.
Yanex byl vytvořen jako klon společnosti Google;
SEO specialisté v Rusku používají téměř stejné taktiky white hat SEO pro Yandex a pro Google.

Samozřejmě existuje mnoho rozdílů, ale přístup a většina faktorů hodnocení se zdají být podobné.

V praxi: při porovnání výsledků vyhledávání Google a Yandex je jejich shoda ~ 70 %.

Podle Statcounteru se Yandex podílem na trhu blíží Yahoo a Bingu:

Soubor s faktory hodnocení: https: //dropbox.com/s/toyehkkfduogbwk/factors_gen.txt?dl=0

Struktura pro každý faktor:

název
odkaz na interní wiki (omezeno)
AntiSeoUpperBound (haha)
popis (je v ruštině, přeložil jsem ho pro vás)
atd.

1. První faktor v seznamu - PageRank.

Hlavní poznatky po analýze tohoto seznamu: Věk odkazů je faktorem hodnocení.

2. Provoz a % organické návštěvnosti jsou faktory hodnocení.

Nákup PPC ovlivňuje hodnocení.

3. Čísla v adresách URL jsou špatná pro hodnocení

4. Příliš mnoho lomítek v adresách URL škodí hodnocení

5. Tvrdá pesimizace rovná se PR=0

6. Spolehlivost hostitele je faktorem hodnocení

Čím méně chyb 40x/50x máte, tím lépe pro vaši organickou návštěvnost.

7. Existuje samostatný faktor pro hodnocení povýšení Wikipedie.

8. Mnoho faktorů hodnocení souvisejících s chováním uživatelů - CTR, poslední kliknutí, čas na stránce, míra odskočení.

Poznámka: Jsme si téměř jisti, že v Yandexu mají tyto faktory mnohem větší vliv než v Googlu.

9. Stáří dokumentu a poslední aktualizace jsou faktory hodnocení

10. Průměrná pozice domény ve všech dotazech je faktorem hodnocení

11. Hloubka procházení je faktorem hodnocení

Udržujte důležité stránky blíže k hlavní stránce:

horní stránky: 1 kliknutí z hlavní stránky
důležité stránky: <3 kliknutí

12. Navíc: faktor hodnocení osiřelých stránek

To můžete zjistit pomocí našeho nástroje pro audit webových stránek

13. Zpětné odkazy z hlavních stránek jsou důležitější než z interních stránek.

14. Počet vyhledávacích dotazů na váš web/URL je hodnotícím faktorem.

Čím více, tím lépe

15. Návštěvnost z Wikipedie je faktorem hodnocení

16. Pokud by vaše url byla poslední pro relaci vyhledávání (uživatel najde to, co potřebuje) - mělo by to vliv na hodnocení.

Existují pro to přísné faktory a také předvídatelné faktory.

17. Faktor hodnocení záložek

Čím více uživatelů přidá url do záložek, tím větší hodnotu má faktor

18. Zvláštní faktory hodnocení krátkých videí (tiktok, kraťasy, reel)

19. Mapy js-api na stránce (například Mapy Google) jsou hodnotícím faktorem

V Googlu (například v oblasti cestování) funguje i přidávání map s užitečnými informacemi/funkcemi.

20. Klíčová slova v URL jsou faktory hodnocení

Jak je vidět z popisu - optimální by bylo zahrnout až 3 slova z vyhledávacího dotazu.

21. Vracející se uživatelé jsou faktorem hodnocení

Vytvářejte produkty s dobrou retencí a prospěje to vašemu SEO (existuje mnoho faktorů pro jeho měření).

22. Podíl velkých písmen v <title> je hodnotícím faktorem

23. Procento přímé návštěvnosti je faktorem hodnocení

Aka. Pokud veškerá návštěvnost pochází z organického vyhledávání, je to podezřelé + špatné pro hodnocení.

24. Další faktor hodnocení kvality obsahu - nefunkční vložené video na stránce

Vkládání videí - dobré pro hodnocení.
Zlomené vkládání videí - špatné.

25. Ověřené účty na sociálních sítích se řadí jinak než ostatní url adresy

Důležité pro vyhledávání značky - v ideálním případě by se při vyhledávání vaší značky měly v první desítce objevit pouze vaše domény + ověřené sociální sítě.

26. Pokud kotvy vašich zpětných odkazů obsahují všechna slova z klíčových slov - je to dobré pro SEO.

Pokud je to v jednom odkazu - je to výhodnější. Zvláště pokud je pořadí slov stejné.

27. Poměr "dobrých" a "špatných" zpětných odkazů je faktorem hodnocení

![Poměr "dobrých" a "špatných" zpětných odkazů je faktor hodnocení](https://www.ranktracker.com/media/yandex-leaked-code-containing-search-ranking-factors-ranktracker-explains-all-ranking-factors/images/i84.png "Poměr "dobrých" a "špatných" zpětných odkazů je faktor hodnocení")

28. Hodnocení kvality textů na doméně je hodnotícím faktorem.

Stránky s nekvalitním obsahem ovlivňují celou doménu.

29. Množství reklamy na stránce je hodnotícím faktorem

30. Existuje náhodnost jako samostatný faktor hodnocení

Když nechápete, proč jsou některé stránky nahoře - může to být jen náhodné (testování faktorů chování).

31. JS z Google Analytics je hodnotícím faktorem

Předvídatelně. Dobré webové stránky používají GA / Google analytics častěji než špatné webové stránky.

32. Dopady zpětných odkazů z prvních 100 nejlepších webových stránek podle PageRanku na hodnocení

33. Adresa URL nemá žádné číslice

❌ /100-best-credit-cards

✅ /best-credit-cards

34. Počet lomítek v adrese URL

❌ /finance/articles/2023/investice-porady

✅ /investiční rady

35. Počet nepísmen v adrese URL

❌ /pet-toys&all$currency=dollar#mobile

✅ /pet-toys

36. Symbol '?' v adrese URL je hodnotícím faktorem

❌ /movies?genre=action

✅ /akční filmy

37. Vyhledávací dotaz = adresa URL včetně teček a mezer (??)

Vyhledávací dotaz je "Franklin D. Roosevelt":

❌ /roosevelt

✅ /Franklin_D._Roosevelt

38. Staré datum v adrese URL

❌ /2009/12/01/how-to-tie-a-tie

✅ /how-to-tie-a-tie

39. Klíčová slova jsou v URL, ne v textu stránky.

❌ /video-hry & stránka je o hudbě

✅ /video-hry & stránka je o videohrách

40. Pokrytí URL pomocí trigramů z vyhledávacího dotazu

✅ /hotels-new-zealand

❌ /nz

❌ /levné hotely v-novém-zélandu-nejlepší nabídky

Do adresy URL uveďte 1-3 nejdůležitější slova;
Méně lomítek/číslic/nepísmen, pokud nejsou součástí klíčového slova.

41. počáteční váhy faktorů hodnocení Yandexu

Konečné váhy vypočítá AI(matrixnet), ale užitečné jsou i počáteční hodnoty.

Závěr

Tak to bychom měli, to je vše, co zatím sdílíme. Právě začínáme. To vám poskytuje hrubý přehled o tom, co v něm je.

Jsme teprve na začátku a čeká nás mnoho dalších cenných poznatků.

V mnoha předpokladech a interpretacích, jak by takový rozsáhlý vyhledávač fungoval, jsme však měli pravdu, alespoň pokud jde o odkazy.

Celkově lze říci, že únik kódu společnosti Yandex nabízí fascinující pohled do vnitřního fungování moderního vyhledávače.

Ačkoli ne všechna zjištění lze přímo aplikovat na společnost Google, potvrzují se mnohé předpoklady, které byly v posledních letech vysloveny o obecném fungování velkých internetových vyhledávačů.

Předpokládám, že obor SEO má před sebou ještě několik zajímavých měsíců, kdy se dozví nové informace z tohoto úniku.

Sledujte tuto stránku, protože v následujících týdnech a měsících budeme nadále přidávat faktory hodnocení.

Zvláštní zásluhy na https://twitter.com/alex_buraks