Blekko算是Social Search(搜尋社交化)的真正開端，他使用「slashtags」來當成資料搜尋的起點，也很類似資料過濾器。而Google看Facebook的Social Graph遍地開花，到處都能夠看到Facebook的Like，也宣佈了還在實驗室的Google+1 Button，我們透過PostRank的角度來看看這些Social Search(搜尋社交化)會對於SEO有何影響 …
首先必須先來談談Social Search(搜尋社交化)的定義。
因為資料太多，並且搜尋者未必具備選擇的能力或是搜尋技巧，因此許多情況下，網路使用者需要別人的協助。Blekko就是希望這個「別人」是專家之類的人，我們就可以使用專家定義好的「slashtags」，例如我們可以使用「digital camera /reviews」以reviews(評論)這個「slashtags」，來進行digital camera的搜尋，這樣找出來的資料就可以確定是數位相機產品的網頁。
但是使用者搜尋的範圍太廣，我們怎麼知道誰是專家呢? 因此「熟人的推薦」，就形成了另外一種搜尋資料的方法。例如，在Facebook的Social graph下，我們不僅可以看到某些網頁有多少人按下Like，還可以看到哪些熟人按下Like，這些資料也許就可以當成我們判斷的某種依據。
因此「專家的推薦」與「熟人的推薦」，就可以當成搜尋者的參考，用來判斷某些網頁內容或產品的好壞。
所以Social Search(搜尋社交化)的定義可以說是: 網路使用者在搜尋資料時，以可信賴者的的推薦為依據，來進行的搜尋活動，稱為搜尋社交化或是社交化搜尋。
但是問題是，如果使用者只看到Facebook的Like，或是只看到Google+1，那麼Twitter的Retweet數目呢? 我們怎能期待我們的社交圈只使用同一種社交網路呢? 另一個問題是，我們的社交圈的看法會跟我們的看法一樣嗎? 可信賴者的的推薦是否可以運用在任何情境上呢?
以上的兩個問題，就決定了搜尋社交化的發展。
關於第一個問題，PostRank提出了解決辦法，就是把所有社交網路上的投入程度(engagement)加以量化，讓使用者可以看到整合的分數，但是這個分數是所有人，包括熟人與陌生人的投票分數。
關於第二個問題，目前則是許多人的疑問，也就是可信賴者的的推薦，在很多情況下是沒有意義的，因為可信賴者未必具備各種領域的專業度。
因此，目前把Facebook的Like或是Google+1當成評等因素，其實是不夠成熟的，也就是如果佔有評等演算法過重比例的話，搜尋結果不但不一定能夠提高品質，更可能讓spammer上下其手。
況且Google+1有何誘因讓正常使用者按下投票呢? Google+1的資料對於使用者的隱私有何保障呢? (Google+1 隱私參考資料) 使用者為何要免費提供個人喜好給Google及相關廠商呢? 如果按下Google+1對於使用者沒有任何好處，是否該懷疑按下Google+1的人到底是何企圖呢?
所以Social Search(搜尋社交化)要真正運作，Google等搜尋引擎必須看總體的社交投入程度(如PostRank之類)，而非單一管道的推薦，並且必須能夠瞭解推薦者的profile是屬於哪類的使用者，更重要的是增加使用者按下+1的誘因，如果不能做到的話，勢必會減損這個評等的準確度。