(21) International launch of shopping rich snippets. [project codename “rich snippets”] 全球性推出購物的複合式摘要資料 [專案代碼 rich snippets] ~ 把原本只有在美國、日本、德國的複合式摘要資料擴大，也就如果你的購物網站具有複合式摘要資料的話，可以讓搜尋者更加清楚。

(22) Improvements to Korean spelling. 韓文拼字的改善。也就是當使用韓文搜尋打錯字時，會以韓文輸入法與拉丁輸入法去判斷可能錯誤。

(23) Improvements to freshness. [launch codename “iotfreshweb”, project codename “Freshness”] 改善新鮮內容判斷 [啟動代碼 iotfreshweb，專案代碼 Freshness]~ 使用新的訊號決定新鮮內容，這個改善會比以前更快。

(24) Web History in 20 new countries~ 新增20個國家的web歷史資料，如Malaysia, Pakistan, Philippines, Morocco, Belarus, Kazakhstan, Estonia, Kuwait, Iraq, Sri Lanka, Tunisia, Nigeria, Lebanon, Luxembourg, Bosnia and Herzegowina, Azerbaijan, Jamaica, Trinidad and Tobago, Republic of Moldova, Ghana，讓使用Google帳號者可以透過這些資料改善搜尋。

(25) Improved snippets for video channels~ 改善影音頻道的複合式摘要資料。因為許多搜尋會出現各種影音網站的內容，這個演算法改善讓這些複合式摘要資料的品質更優秀，並且改善後台產生複合式摘要資料的方法。

(26) Improvements to ranking for local search results. [launch codename “Venice”]改善在地搜尋的評等[啟用代碼 Venice]~ 更以主要搜尋為訊號，改善在地搜尋的評等演算法。

(27) Improvements to English spell correction. [launch codename “Kamehameha”]改善英文拼字錯誤更正的功能 [啟用代碼 Kamehameha]~ 當英文拼字錯誤時可以更正確的更正。

(28) Improvements to coverage of News Universal. [launch codename “final destination”]改善新聞搜尋的範圍 [啟用代碼 final destination]~  改善以往的一些新聞搜尋的錯誤。

(29) Consolidation of signals for spiking topics. [launch codename “news deserving score”, project codename “Freshness”] 合併判斷新鮮搜尋的訊號 [啟動代碼 news deserving score，專案代碼 Freshness]~ 使新鮮搜尋的訊號能夠更快的判斷。

(30) Better triggering for Turkish weather search feature. [launch codename “hava”] 土耳其天氣搜尋功能改善 [啟動代碼 hava]~ 讓土耳其使用者在某些特定搜尋時，可以直接在搜尋結果上看到天氣預測結果，也就是某些關鍵字會啟動天氣搜尋的功能更加精準。

(31) Visual refresh to account settings page~ 使帳號設定頁面的視覺更新與其他設計更加一致。

(32) Panda update~ Panda更新，針對Panda更新，讓許多已經修正的演算法結果可以快速正確的反應在搜尋結果上。

(33) Link evaluation~ 更改連結評估方式，可以參考”Google更新連結訊號(link signal)演算法“。

(34) SafeSearch update~ 關於成人內容的搜尋改善，讓許多成人內容在安全搜尋保護時不會出現。

(35) Spam update~ 改善可能的垃圾訊息，修正以往的演算法。

(36) Improved local results~ 改善在地搜尋，以使用者的在地區域為主，讓使用者可以查詢到當地的資訊。

(37) Flight Search on mobile~ 改善行動設備上的航班搜尋。

(38) Improved health searches~ 改善健康方面的資訊搜尋。

(39) Better related searches for images~ 改善圖案搜尋的相關性判斷。

(40) Upcoming concert dates~ 近期演唱會日期搜尋的更新。

以上的20個搜尋演算法更新項目，大致可以歸納為以下幾種類型:

(1) 與資料本身相關: 呈現更新、更精準、更大範圍、更多樣性的搜尋內容，如上述的(23 )、(24)、(25)、(26)、(28)、(29)、(32)、(33)、(36)、(39)。

(2) 與資料格式相關: 使資料的展現更容易閱讀，如上述的(21)。

(3) 與資料過濾相關: 更有效的控制應該出現以及不該出現的資料，如上述的(30 )、( 34)、(35 )、(38)、(40)。

(4) 與使用者界面相關: 修正使用者界面，如上述的(22)、(27)、(31)、(37)。

跟前20個搜尋演算法更新一樣，也是Google對於fresh(新鮮)、local(在地)、relevant(相關)的演算法修正，另外值得注意的是複合式摘要資料、行動搜尋、以及特殊搜尋如天氣或是演唱會之類。

後續我們會將這次Google的搜尋演算法更新再做一次總整理，敬請期待囉。

更多相關參考:

Search quality highlights: 40 changes for February

Google Changes How It Evaluates Links

Local Results, Link Evaluation & Freshness Signals Top Google’s February Search Updates

除了我們在”Google更新連結訊號(link signal)演算法“提到的更新之外，以下是其他Google的搜尋演算法更新 (algorithm updates):

(1) More coverage for related searches [launch codename “Fuzhou”] 相關搜尋涵蓋更多的範圍 [啟動代碼為 Fuzhou] ~ 這個更新因為有更多的資料來源，使得搜尋時會有更多的相關搜尋內容。以後在進行Google搜尋，在頁面的最下端，會出現更多的相關搜尋 (只是不知是否只有英文搜尋會有影響?)。

(2) Tweak to categorizer for expanded sitelinks [launch codename “Snippy”, project codename “Megasitelinks”] 對於延伸sitelinks分類的更新 [啟動代碼為 Snippy，專案代碼為 Megasitelinks]~ 這個更新主要針對以往sitelinks分類而產生重覆進行改善。

(3) Less duplication in expanded sitelinks. [launch codename “thanksgiving”, project codename “Megasitelinks”] 減少延伸sitelinks的重覆 [啟動代碼為 thanksgiving，專案代碼為 Megasitelinks]~ 跟(2)一樣是改善sitelinks重覆問題。

(4) More consistent thumbnail sizes on results page ~ 搜尋結果頁面縮圖尺寸大小更加一致性，尤其不同搜尋型態的搜尋結果頁面，盡量求其一致的畫面。

(5) More locally relevant predictions in YouTube. [project codename “Suggest”] 對於YouTube在地化相關性的預測 [專案代碼 Suggest]~ 針對不同地區的YouTube搜尋，會優先考慮與搜尋者所在位置的當地資料，例如如果在美國搜尋”lady gaga in”，可能就會給予”lady gaga in times square”，也就是會與其他地區有不一樣的搜尋結果。

(6) More accurate detection of official pages. [launch codename “WRE”] 對於官方網頁更正確的偵測 [啟動代碼 WRE]~ 以往有些誤判某些企業的官方網站，現在都已經修正過來了，例如搜尋”acer”，Acer的官方網站就會出現在搜尋結果第一名的位置。

(7) Refreshed per-URL country information. [Launch codename “longdew”, project codename “country-id data refresh”] [啟動代碼為 longdew，專案代碼為 country-id data refresh]~ 更新與國家相關的網址，以得到更多最新的訊息。

(8) Expand the size of our images index in Universal Search. [launch codename “terra”, project codename “Images Universal”] 對於Universal Search的圖案擴大索引尺寸[啟動代碼為 terra，專案代碼為 Images Universal]~ 使用更多的資料，以增加顯示更多相關的圖案。

(9) Minor tuning of autocomplete policy algorithms. [project codename “Suggest”] 些微的調整自動完成的政策演算法 [專案代碼 Suggest]~ 之前Google曾經一些不當的建議搜尋關鍵字而惹來官司，這個autocomplete的修正，主要是讓一些不恰當的關鍵字不會出現。

(10) “Site:” query update [launch codename “Semicolon”, project codename “Dice”] Site指令查尋更新 [啟動代碼 Semicolon，專案代碼 Dice]~ 讓site:這個指令產生的搜尋結果更有多樣性。

(11) Improved detection for SafeSearch in Image Search. [launch codename “Michandro”, project codename “SafeSearch”] 改善SafeSearch在圖案搜尋的偵測 [啟動代碼 Michandro，專案代碼 SafeSearch]~ 只要是針對成人圖片內容搜尋的安全搜尋進行更新，也就是不該出現的內容不會出現。

(12) Interval based history tracking for indexing. [project codename “Intervals”] 以區間為基礎的索引歷史追蹤 [專案代碼 Intervals]~ 修正文件追蹤演算法的訊號。

(13) Improvements to foreign language synonyms. [launch codename “floating context synonyms”, project codename “Synonyms”] 外語同義詞的改善 [啟動代碼 floating context synonyms，專案代碼 Synonyms]~ 這個改善主要修正英文到其他語言的同義詞，因此對於英文搜尋來說，會產生更多與同義詞相關的內容。

(14) Disabling two old fresh query classifiers. [launch codename “Mango”, project codename “Freshness”] 停止兩個舊的新鮮搜尋分類器 [啟動代碼 Mango，專案代碼 Freshness]~ 通常某些特定搜尋會將比較新鮮的內容優先呈現，現在取消了兩個不合時宜的”新鮮搜尋分類器”。

(15) More organized search results for Google Korea. [launch codename “smoothieking”, project codename “Sokoban4”] 韓國Google更多組織過的搜尋結果 [啟動代碼 smoothieking，專案代碼 Sokoban4]~ 把韓國的搜尋結果分類為新聞、部落格、網頁。

(16) Fresher images. [launch codename “tumeric”] 更新的圖案 [啟動代碼 tumeric]~ 修正了對於新圖案的訊號演算法。

(17) Update to the Google bar. [project codename “Kennedy”] Google Bar的顯示方式更新 [專案代碼 Kennedy]

(18) Adding three new languages to classifier related to error pages. [launch codename “PNI”, project codename “Soft404”] 錯誤頁面相關的分類器，增加三個新的語言 [啟動代碼 PNI，專案代碼 Soft404]~ 對於404錯誤的回報，增加了Portuguese、Dutch、Italian三種語言。

(19) Improvements to travel-related searches. [launch codename “nesehorn”] 旅遊相關的搜尋改善 [啟動代碼 nesehorn]~ 主要針對飛機航班(flight)查尋的搜尋進行改善。

(20) Data refresh for related searches signal. [launch codename “Chicago”, project codename “Related Search”] 相關搜尋資料刷新的訊號 [啟動代碼 Chicage，專案代碼 Related Search]~ 改善”Searches related to”的顯示，例如大家都在搜尋”apple”後就會馬上搜尋”banana”，那麼”banana”就是相關搜尋。

以上的20個搜尋演算法更新項目，大致可以歸納為以下幾種類型:

(1) 與資料本身相關: 呈現更新、更精準、更大範圍、更多樣性的搜尋內容，如上述的(1)、(5)、(7)、(8)、(10)、(12)、(16)、(19)、(20)。

(2) 與資料格式相關: 使資料的展現更容易閱讀，如上述的(4)、(15)、(18)。

(3) 與資料過濾相關: 更有效的控制應該出現以及不該出現的資料，如上述的(2)、(3)、(6)、(9)、(11)、(14)。

(4) 與資料對應相關: 相關詞或是同義詞的對應修正，如上述的(13)。

(5) 與使用者界面相關: 修正使用者界面，如上述的(17)。

其中比較值得注意的地方是Google對於fresh(新鮮)、local(在地)、relevant(相關)的演算法修正，雖然Google並沒有清楚說明改變在哪裡，但是根據幾個搜尋結果可以看到確實Google SERP已經有些微的變動。

另外的20個搜尋演算法更新，我們將在下一篇文章來討論。

這篇”Ten recent algorithm changes“宣佈了10個演算法更新，我們先將原文摘錄如下:

Cross-language information retrieval updates: For queries in languages where limited web content is available (Afrikaans, Malay, Slovak, Swahili, Hindi, Norwegian, Serbian, Catalan, Maltese, Macedonian, Albanian, Slovenian, Welsh, Icelandic), we will now translate relevant English web pages and display the translated titles directly below the English titles in the search results. This feature was available previously in Korean, but only at the bottom of the page. Clicking on the translated titles will take you to pages translated from English into the query language.

Snippets with more page content and less header/menu content: This change helps us choose more relevant text to use in snippets. As we improve our understanding of web page structure, we are now more likely to pick text from the actual page content, and less likely to use text that is part of a header or menu.

Better page titles in search results by de-duplicating boilerplate anchors: We look at a number of signals when generating a page’s title. One signal is the anchor text in links pointing to the page. We found that boilerplate links with duplicated anchor text are not as relevant, so we are putting less emphasis on these. The result is more relevant titles that are specific to the page’s content.

Length-based autocomplete predictions in Russian: This improvement reduces the number of long, sometimes arbitrary query predictions in Russian. We will not make predictions that are very long in comparison either to the partial query or to the other predictions for that partial query. This is already our practice in English.

Extending application rich snippets: We recently announced rich snippets for applications. This enables people who are searching for software applications to see details, like cost and user reviews, within their search results. This change extends the coverage of application rich snippets, so they will be available more often.

Retiring a signal in Image search: As the web evolves, we often revisit signals that we launched in the past that no longer appear to have a significant impact. In this case, we decided to retire a signal in Image Search related to images that had references from multiple documents on the web.

Fresher, more recent results: As we announced just over a week ago, we’ve made a significant improvement to how we rank fresh content. This change impacts roughly 35 percent of total searches (around 6-10% of search results to a noticeable degree) and better determines the appropriate level of freshness for a given query.

Refining official page detection: We try hard to give our users the most relevant and authoritative results. With this change, we adjusted how we attempt to determine which pages are official. This will tend to rank official websites even higher in our ranking.

Improvements to date-restricted queries: We changed how we handle result freshness for queries where a user has chosen a specific date range. This helps ensure that users get the results that are most relevant for the date range that they specify.

Prediction fix for IME queries: This change improves how Autocomplete handles IME queries (queries which contain non-Latin characters). Autocomplete was previously storing the intermediate keystrokes needed to type each character, which would sometimes result in gibberish predictions for Hebrew, Russian and Arabic.

以上這些演算法更新並不是每個都對我們有嚴重影響，其中應該注意的有:

(1)Snippets with more page content and less header/menu content 搜尋結果將不再只以標題或是選單來顯示網站描述。

(2)Better page titles in search results by de-duplicating boilerplate anchors 重複樣板式的描點文字將不再會影響搜尋結果標題。

(3)Extending application rich snippets 軟體類搜尋結果列表的複合式描述內容將擴展。

(4)Fresher, more recent results & Improvements to date-restricted queries 新鮮內容的選取將更精準。

(5)Refining official page detection 搜尋官方網站的查詢結果將更精準。

這五個類別的演算法更新，有三個是關注在搜尋結果的展現方式，有兩個是關注在列表標的網站的選擇。但是「搜尋結果的展現方式」也同樣會影響「列表標的網站的選擇」，因此可以說這五個演算法更新都算是Ranking Factor (評等因素)的修改。

我們應該如何應對來讓我們的網站適應這些演算法更新更新呢? 相關內容將持續刊登，也歡迎各位多多交流討論。

幾個權威網站都提到這個訊息:

Whiteboard Friday – Google’s May Day Update & What It Means for You

Google May Day Update Confirmed, Our Fourth Post

Google Confirms “Mayday” Update Impacts Long Tail Traffic

Is This Google Algorithm Update Costing You?

Webmaster World Discussion

根據之前任職於Google的Vanessa Fox的說法，這個Google Mayday所影響的大多是沒有太多外鍊、沒有原創性、沒有太值得閱讀的產品項目頁面。這類頁面通常都是商務網站的頁面，並且內容都是從廠商的資料匯入而來。

雖然Google幾乎每天都有一個更新來調整多變的網路環境(如下影音檔所說)，但是這個Google Mayday可說是2010年最大的變動，因為其實影響的不只有商務網站，或多或少都會影響網站的長尾關鍵字搜尋量。

Fox的這句話: My complete speculation is that perhaps the relevance algorithms have been tweaked a bit. Before, pages that didn’t have high quality signals might still rank well if they had high relevance signals. And perhaps now, those high relevance signals don’t have as much weight in ranking if the page doesn’t have the right quality signals.

現在的quality signal(品質訊號)可能比relevance singal(相關訊號)更重要，意思是以往可能先比較「相關性」然後再比「品質」，但是現在已經顛倒過來，「品質」的重要度已經超過「相關性」。

Google的這個Ranking algorithm update已經在五月被談論許久，但是都沒有獲得證實，終於在上星期確定，所以又稱為Google Mayday Update，這個演算法的更新會造成多大的影響呢? 我們應該要有什麼因應措施呢? 請鎖定本網，我們將陸續為您分析解決方案。

2010/5/31 後記:

網友問: 什麼叫quality signals? 什麼叫relevance signals?

舉個例子，Google要找適合人選到Google工作，現在依工作能力高到低為 : Anges、Bill、Cathy、Danny、Ellen，但是如果依照可信人士推薦的話，高到低為 : Danny、Helen、Goodwill、Cathy、Bill

工作能力就可以看成relevance signals，可信人士推薦就可以看成quality signals。

如果Google以工作能力為第一考量，然後再考慮可信人士推薦，那麼會取出Bill; 如果Google以可信人士推薦為第一考量，然後再考慮工作能力，那麼會取出Danny。

Matt Cutts談到Google Mayday的影片: