3&2AÍAM.G2.
Fulltext pro MUNI
Jakub Černý, Ph.D. 1UNI Brno, 9.12.2009
www.seznam.cz                                                                                                                                                                          ... najdu tam, co neznám !
74
Co dnes servírujeme?
•  Jak měřit kvalitu fulltextu?
Jak se srovnávat s konkurencí?
Jak nastavovat parametry algoritmu hledání?
•  Jak funguje textový signál relevance?
•  SEO pro běžné uživatele z pohledu lidí,
co píší fulltext                                          ±)\
Co byste chtěli slyšet vy?
www.seznam.cz
najdu tam, co neznám !
Jak tečou uživatelé internetem?
Internet a odkazy jsou jako dálnice
- co dělá běžný uživatel z pohledu mimozemšťana?
Kde každý začíná?
- homepage, fulltext, znám adresu
Máte webový portál, kde sehnat návštěvníky?
- postavit lepší přípojku z dálnice (SEO)
- reklama
www.seznam.cz
najdu tam, co neznám !
Znovu objevení kola
Do roka to bude
řádka s URL v prohlížeči.
1	Vyhledat Seznamem
Internet   Firmy   Mapy   Zboží   Obrázky   Encyklopedie
Copyright©1&96- 200& Seznam.cz, a.s. Seznam- Nápověda- Přidat stránku do hledání- BIoq -Technická podpora
www.seznam.cz
najdu tam, co neznám !
Seznam vs. Google
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
— Google
— Seznam
ca s
Proč Seznam vydrží?
www.seznam.cz
najdu tam, co neznám !
Opakování: Jak funguje Fulltext
Jak měřit úspěch?
www.seznam.cz
najdu tam, co neznám !
Proč? Co chceme?
Měření kvality vyhledávačů Srovnání Seznamu s konkurencí
- Kdo je lepší?
- Na kterých kategoriích?
- Na kterých dotazech?
- Jak popsat skupinu dotazů, kde se to děje?
Dostaneme tip, co zlepšovat
Měřitelnost toho, jak jsme se zlepšili (SMART)
fc>incj
Google
www.seznam.cz
najdu tam, co neznám !
Otázka pro vás:
Jak měřit kvalitu výsledků fulltextového hledání?
Čistě pořadí výsledků, ne rychlost hledání, či kvalitu webovky, snippetů
www.seznam.cz
najdu tam, co neznám !
Kalibrace
Vital
Usefull
Relevant
Nonrelevant
Off-topic
www.seznam.cz
najdu tam, co neznám !
Kalibrace
Vital
Usefull
Relevant
Nonrelevant
(navigační výsledek) Dotaz má jasnou interpretaci a stránka je oficiální stránkou (jedinečnost). q=youtube ... youtube.cz
(užitečný výsledek) Stránka je hodně uspokojující, vyčerpávající výklad, vysoká kvalita,důvěryhodný zdroj. q=houby ... atlashub.cz
(dobrý výsledek)
q=harry potter... knihy.cz/prodej/harry-potter
(blbý výsledek) Sice je to k tématu, ale není užitečné (málo informací, staré info, příliš obecné). q=praha ... zoopraha.cz
Off-topic
(výsledek mimo mísu) Výsledek obsahuje hledaná slova, ale tématicky je mimo. q=houby ... „je to na houby"
www.seznam.cz
najdu tam, co neznám !
Výběr dotazů
Vše (60mil dotazů) Okalibrované (tisíce dotazů)
Sociodemo kalibrátorů
•Porozumění dotazu •Kvalifikace pro zhodnocení kvality •Muži vs. ženy (fotbal x parfémy) •Puberťáci vs. důchodci (q=hudba)
najdu tam, co neznám !
Kvalita dotazu: bazén podoli
Graf kvality    Graf spolehlivosti | Graf fitness kvality Celé období | Mésíc | Týden
81
72
63
54
45
36
27
18 2009-06-21     2009-07-01    2009-07-11
^
/
google
seznam
live
seznam test
Fulltext	Kvalita	Spolehlivost
seznam	26%	82%
seznam test	55%	82%
aooale	68%	59%
live	63%	87%
Výpis výsledků
	Poradí	URL	Dotaz	Box J	Akce
D	1	http://www.pspodoli.cz	bazén podoli	vital          Ina	
					
D	2	http://www.pspodoli.cz/zarizeni.htm	bazén podoli	useful	QQ
					
D	3	http://www.bazenpodoli.cz/bazenv-podoli	bazén podoli	useful	Da
					
D	4	http://cs.wikipedia.ora/wiki/Plaveck%C3%BD stadion Podol%C3%AD	bazén podoli	useful	Da
					
D	5	http://ejipedice.rps.cz/lokalitv/12388-plaveckv-stadion-podoli-bazen.html	bazén podoli	relevant	Da
					
D	6	http://zuzikwww.bloa.cz/0904/ieste-krasneisi-nez-bazen-v-praze-4-podoli	bazén podoli	relevant	□ S3
					
D	7	http://www. nelso. cz/cz/place/8597	bazén podoli	relevant	Da
					
D	8	http://www.praaueout.cz/sport/bazenv/plaveckvstadionpodoli	bazén podoli	relevant	oa
					
D	9	http://www.vitalia.cz/kataloa/bazenv/plaveckv-stadion-podoli-cstv	bazén podoli	relevant	Da
					
D	10	http://naturista.cz/drupal/2qHokalitv/praha podoli	bazén podoli	relevant	Da
					
D	11	http://www.zaket.cz/8x4p rnista.php?akce=9	bazén podoli	relevant	IQ
					
D	12	http://sechtl-vosecek.ucw.cz/en/cml/35mm/film35mm1516.html	bazén podoli	non-relevant	Da
				non-relevant	
D	13	http://6rbtata.com/view/hRhkHC2Lt 0/Hu%C4%8D%C3%ADnovi - baz%C3	bazén codolí ľ		aa
					
			.....		l~l en
Kvalita kategorie: Víceslovně
Graf kvality | Graf spolehlivosti | Graf fitness kvality Celé období    Měsíc    Týden
84 80 76 72 68 64 60 56 52
\
^t
\
\
2009-06-21     2009-07-01     2009-07-11
google
seznam
live
seznam test
Fulltext	Kvalita	Spolehlivost
google	74%	78%
seznam	57%	78%
live	55%	45%
seznam test        65%		55%
Výpis
	Poradí	Název	Úplnost J	Seznam		Google			Live			Seznam test			Akce
				Q     sp.		Q.	Sfi	iL	o	Sj)	±L	Q.	Sji     *L		
D	1	bazén podolí	100%	26%   82%		67%	59%	+30.5	63%	86% : +33.4		55%	82%   +26.1    QĚ3HS		
D	2	karnevalové maskv a kostvmv	100%	66%	93%	73%	87%	+4.6	55%	80%    -10.9		100%	0%	-72.3	HQI
D	3	over ball žlutv	100%	50%	67%	81%	69%	+24.4	100%	0%	-54.4	84%	43%	+17.4	HQI
D	4	nokia servis	100%	53%	93%	72%	92%	+15.5	54%	98%	+1.7	100%	0%	-61.5	j   m
D	5	vvpočet čisté mzdv	100%   78%   86%			92%	85%   +10.5		100%	0%    -80.0		72%   82%      -5.4   QQI			
D	6	levandule wiki	100%	33%	58%	99%	64%	+50.6	100%	0%	-38.7	29%	62%	-2.8   QQi	
D	7	přesun brněnského nádraží	100%	39%	98%	66%	98%	+23.2	60%	98%	+18.6	100%	0%	-49.7	Q^i
D	8	psí útulek	100%	67%	88%	66%	82%	-1.4	100%	0%    -71.9		62%	78%      -5.9		QQI
D	9	odstredivá sila vzorec	100%	27%	98%	60%	98%	+30.4	40%	98%	+13.3	100%	0%	-37.7	Dl %
D	10	ústava české republikv	100%	43%	57%	87%	71%	+36.6	100%	0%	-46.7	75%	33%	+14.8	BQI
D Označit vše I Smazat označené
Provést
Předchozí   1   2   3   4   5   6   7   Následující * (celkem 251 záznamů)
Srovnáni výsledků fulltextů Dotaz:           avon
Porn (li		(jooíjle	se z nil m	live		seznam test
Kvalita / Spolehlivost:		81.4%/ 68.2%	84.3%/91.8%	42.1%/82.1%		84.3%/91.8%
	1			www.avon.com	www.avon-kosmetika.cz	
2		Q www.avoncosmetics.cz	D www.avoncosmetics.cz	Q www.avoncosmetics.cz   [J www.avoncosmetics.cz		
	3	www.avon.cz	D www.kosmetika-avon.cz	www.avon.com.au	Q www.kosmetika-avon.cz	
4		Q www.avon-plus.cz	www.avon.cz	www.avon.ca	www.avon.cz	
5		O www.krasa.cz	D www.avon-eshop.com	www.avon.cz	uj| www.avon-eshop.com	
6		O www.krasa.cz	D www.avon-kosmetika.eu	Q www.avon.orq	Q www.avon-kosmetika.eu	
	7	www.avon-kosmetika.cz	D www.avon-plus.cz	uj www.avon-plus.cz		ujj www.avon-plus.cz
8		0 zena.centrum.cz	D www.online-avon.cz	jjj www.ar.avon.com		Q www.online-avon.cz
9		O zena.centrum.cz	] www.vuneprotebe.cz	www.pl.avon.com	] www.vuneprotebe.cz	
10		Q www.zdravaprsa.cz	ujj www.avon-stvl.cz	www.avon.ru	u_J www.avon-stvl.cz	
11		n www.avon-online.sk	n www.avonladv-online.com	www.avon.co.nz	n www.avonladv-online.com	
12		Qvltava2000.cz	n www.avon-eshop.eu	] www.br.avon.com	n www.avon-eshop.eu	
13		n www.firmv.cz	uj www.mui-avon.cz	n www.avon.bci		uj www.mui-avon.cz
	14	cs.wikipedia.orci	n www.avonland.cz	n www.avon.it	ujj www.avonland.cz	
15		Q www.mammahelp.cz	www.kosmetika-avon.biz	] www.avon.fi	www.kosmetika-avon.biz	
	16	www.estav.cz	D www.krasa.cz	www.avon-kosmetika.cz	Q www.krasa.cz	
	17	www.aemonev.cz	n www.avon-relax-centrum.com	www.avon.com.tr	n www. avon-re la x-centrum.com	
18		O tn.nova.cz	D www.krasnadama.cz	Q www.avon.cien.tr		Q www.krasnadama.cz
19		n avon.heureka.cz	,.j www.avon-centrum.cz	n www.avon.lt		Ljjj www.avon-centrum.cz
20		n www.lekarna.cz	n avon-land.euweb.cz	] www.cl.avon.com	n avon-land.euweb.cz	
Přínosy
Možnost automatického nastavování parametrů fulltextu
Rozhodování se na základě reálných dat
Rychlejší vývoj a testování změn relevance fulltextu (prototypy úprav).
Přenesení práce na externí kalibrátory
Bonzování, co jsou nepovedené dotazy a jejich následné sledování - víme na co se zaměřit
Včas zjistíme, jak se zlepšila konkurence, co provedli - můžeme je včas dohnat
www.seznam.cz
najdu tam, co neznám !
Automatické ladění parametrů
fulltextu
www.seznam.cz
najdu tam, co neznám !
Jak nastavit parametry na optimum?
Historie ladění parametrů
v Seznamu
Od oka
- nějak nastavit parametry a pak to nějak zkoumat
- ve více lidech od oka, pak se hádáme
- každý dodá dotazy, kde jsme lepší, horší, beze změny
Využití kalibrací a měření kvality fulltextu
- Ručně nastavovat, ale hned vidím kvalitu (i dotazy, na kterých to drhne)
Automatické nastavování vah
www.seznam.cz
najdu tam, co neznám !
Nastavovače vah
Vývoj kvality nejlepší sady vah v tase
71.7
Evo Evo Evo Evo Evo Evo Evo Evo Evo Evo
luce 0 luce 1 luce 2 luce 3 luce 4 luce 5 luce 6 luce 7 luce 8 luce 9
0    3    6    9   12 15 18 21  24 27 30 33 36 39 42 45 48 51  54 57 60 63 66 69 72 75 78 81  84 87
Nastavovače vah
Vývoj kvality v závislosti na vybraných vahách
Kvalita
	73	^          £fflfí$c-
	72*5	
Kvalita	72	
	71*5	
	71	
	70*5	
	70	1—                                              /
	G	200^^^^^ ueightPageRank
- - 72
73 72.5
71*5
71
70.5
70
000
300
J00
100
ueightQuerySite
>00
íeel
www.seznam.cz
najdu tam, co neznám !
Otázka pro vás:
Jak odstranit bottle neck?
Když změníme parametry, tak se musíme pro všechny nakalibrované dotazy zeptat fulltextu na nové pořadí výsledků. Podle toho poznáme, jestli jsme si pomohli...
Potřebujeme se ptát mnohem více než stíháme...      ^
Nastavovač
Parametry+dotaz Fulltext
www.seznam.cz
najdu tam, co neznám !
Textový signál relevance

;%
Textový signál relevance
Je to názorná ukázka evoluce 1 signálu
...jak probíhá výzkum
Uslyšíte, jak funguje hledání v textech (to můžete na vašich stránkách ovlivnit)
*
www.seznam.cz
najdu tam, co neznám !
Vývojové generace TXT signálu
Jen slova z dotazu, presná shoda tvaru
-Jen 50% relevantních dokumentů obsahuje slova z dotazu.
Příklad: Dotaz „ČNB", ale relevantní stránka obsahuje jen „oficiálni úroková míra v České národní bance".
www.seznam.cz
najdu tam, co neznám !
Vývojové generace TXT signálu
Přidání lemmatizace slov
Různé váhy slov podle výskytiště (H1, URL, Title, odstavec, bold, ...)
Příklady vtipné lematizace:
-Stát, ženu, lov lína, barum, jizdní rady, dog
www.seznam.cz
najdu tam, co neznám !
Vývojové generace TXT signálu
Různé váhy slov podle jejich korpusové četnosti
-tfxidf
- vynechávání slov
Příklad dotazů: Petr a Pavel, Jak se odstraňuje vosí hnízdo?
www.seznam.cz
najdu tam, co neznám !
Otázka i
3-slovné dotazy: l\
výsledky, kde se s z dotazu najdou b u sebe? Nebo je t< jedno?
Dro vas:
/láme zvýhodňovat
>lova
I í:
o
najdu tam, co neznám !
Vývojové generace TXT si
Proximita a pořadí slov z dotazu
Príklady:
- Jakub Černý x Černý Jakub -Václav Klaus video
- Já do lesa nepojedu, já do lesa nepůjdu
Ko lokace
-Velký vůz, černý Petr, Česká republika
www.seznam.cz
najdu tam, co neznám !
Vývojové generace TXT signálu
Předzpracování dotazu
- Poslechnu si uživatele a přeložím to do jazyka, ve kterém fulltext umí vyhledávat.
- Nastavení proximity, ...
Příklady:
-VŠE, MŽP, IE8 (ale i naopak)
- Kdy vyhořelo Národní divadlo?
- (běžné otázky jako na kamaráda)
www.seznam.cz
najdu tam, co neznám !
Vývojové generace TXT si
Doplňování slov odjinud
-zezpětných odkazů (bazén podolí) -anonymní termy
• jméno, datum, místo, video
•  pro odpovědi na otázky: Kdo? Kdy? Kde?
Příklady:
-Václav Klaus video
- Kdy vyhořelo Národní divadlo?
www.seznam.cz
najdu tam, co neznám !
Další okolnosti kolem TXT signálu
Body text extraction (BTE) Site-wide texty (SWT)
- rozpoznání důležitosti slov podle vzhledu site
- odstranění neopodstatněných nároků na důležitost
• Všechny texty v H1 apod.
Různé chování pro různé kategorie dotazů
- Navigační
- Informační
- Transakční
www.seznam.cz
najdu tam, co neznám !
Další okolnosti kolem TXT signál
Desambigulace
-Vyloučení nejednoznačnosti
- Řekněte mi něco o německých tancích?
- Hrách vs. (o počítačových) hrách
www.seznam.cz
najdu tam, co neznám !
EOHIHl
Jak to funguje ve fulltextu
Uvidíte, že SEOptimalizátoři někdy vaří z vody a tvrdí blbosti, (ale hlavně že zákazník zaplatí).
Úkoly SEO:
•  Pořadí výsledků
-  být v první 10ce výsledků
•  Snippety
-  kvalitní popisek u výsledku
-  ovlivňuje to CTR výsledku
•  Robot a rychlá indexace
Pozor na náklady!
Krásný web neznamená nalezitelný web! Stroje
mají jiné oči.
www.seznam.cz
najdu tam, co neznám !
Proces
keywords
Výsledky hledání
Být v 1. desítce
Podle čeho si uživatel vybere, na co klikne?
ledání
Landing Page
Uživatel už je skoro lapen.
Neztratí se?
Neuteče nám?
Hurá, dosáhli jsme cíle.
najdu tam, co neznám !
Pořadí výsledků
Mixování signálu relevance:
12 10
8 6 4 2 0
lili
i                                       i                                       i                                       í
i                                       i
TXT        ZO         PR       sigX      sigY      sigZ
Kdo je lepší? Jak to míchat?
www.seznam.cz
najdu tam, co neznám !
Signály
	On page
obecné	Doména, historie, struktura stránky
tématické (k dotazu)	TXT
relevance
	Off page	User
		
	Page Rank	???
		
	Zpětné odkazy	???
		i
najdu tam, co neznám !
Úspěch záleží i na samotných
uživatelých
Sice je nalákáte na svůj web, ale když se jim tam nebude líbit, tak utečou.
-  Relevantní obsah
- Jasná navigace
- Výzva k akci
-  Identifikace webu: kontaktní údaje
Doporučení:
• Steve Krug: Web design: Nenuťte uživatele přemýšlet!
www.seznam.cz
najdu tam, co neznám !
SEO - Rada
Všeho s mírou. Každá rada jde přehnat a zprasit. Pak je to často naškodu.
Pište dobrý a užitečný web, vykašlete se na podvody. (Uznejte, že někdo může být lepší).
Rozdíl mezi SEO a praSEo.
www.seznam.cz
najdu tam, co neznám !
SEO - On page faktory
Volba klíčových slov
- Nástroje pro analýzu klíčových slov (Sklik, AdWords, ...)
- Statistiky Seznamu
- Long tail
Copywriting
Titulek, URL, nadpisy, alt
Meta description, katalogový popisek
www.seznam.cz
najdu tam, co neznám !
SEO - Off page faktory
Zpětné odkazy
- Interní x externí
- Důležitý je text odkazu, zohledňuje se i okolí -Tématická podobnost odkazované stránky
Odkazová síť
- Page rank
www.seznam.cz
najdu tam, co neznám !
SEO - Snippety
Ovlivňují proklikovost výsledku Jejich cíl:
- Ve dvou větách ukázat, o čem je váš web
- Ukázat v jakých souvislostech se nalezla slova z dotazu
Kde se berou texty snippetu?
-Title, URL (hesla popisující stránku)
— Meta description (popis stránky ve 2 větách;ne na celé site stejné!)
-Text stránky
www.seznam.cz
najdu tam, co neznám !
Seo - snippety (příklad)
Soubor    Úpravy    Zobrazení    Historie   Záložky    Nástroje    Nápověda
--------^    C                   ^   (5   http://sear^
sezná m.cz/7q=muni &mcd=f
1   Nejnavštěvovanější        Jakzačít        Přehled zpráv
^ muni - Seznam
5e2*J^1
muni
Vyhledat Seznamem
Česky    Ve světě    Firmy    Mapy    Zboží    Více v
"V^
$ ——-       Masarykova univerzita
* " ijíjb-     1Ü  orosince 2009 "Masarykova univerzita v Brně Příběh vzdělání a vědy ve střední
Evropě." Křest knihy.
střední..
www.muni.cz/
.Masarykova univerzita v Brně. Příběh vzdělání a vědy ve
^^^m	—~~  I
Bj   n	......, .   ..
^L - J	^^
	.___    ^^—^^—
	,        ....
	^r  i-=
	—               -t.-----------------------
	_
Veřejné služby Informačního systému
Potíže s přístupem (časté dotazy a odpovědi na ně} Návod ke zpřístupnění autentizovaných služeb Začínáme s is.muni.cz (text pro nové uživatele} Pravidla použití Informačního is.muni.cz/
FF: Start
@HS
Masarykova univerzita ... @muni.cz
www.phil.muni.cz/ - Brno-město - Zobrazit na mapě
Fakulta informatiky Masarykovy univerzity
MU Knihovny MU INET.muni.cz Masarykova univerzita Studentská komora AS Fl Hlavní strana O Fakultě informatiky Přijímací řízení Studium Výzkum a vývoj Projekty Zahraniční studium E-learning - www.fi.muni.cz/ - Brno-město - Zobrazit na mapě
SEO - Robot
1. krok je, aby se vaše stránka dostala do indexu Přidání URL do hledání          r-           —
H Přidat stránku do hledání -MStatistika dotazu "muni" i r                           lAv                                  i              £111             X       \                 © 1996-2009 Seznam.cz, a.s.
(■|"0rmUl3r   PI3   WOOL!    FIJI   tSXtU)           Seznam - Nápověda - Technická podpora - Reklama - RSS
Jak pomoci robotům?
- Sitemap.xml
Jak jim něco povolit a něco zakázat?
- Robots.txt
Redirekty, 404, ...(dodržet jedinečnost URL)
www.seznam.cz
najdu tam, co neznám !
Black hat SEO
Za účelem podvádět (spam)
- Skryté odkazy a texty -MFA
- Doorway pages
- Link farmy
- Krádeže obsahu
- Další
Hrozí penalizace.
A co se říká dál? Ptejte
báchorky
Validní stránky mají vyšší pozici.
Vyšší Srank znamená vyšší pozici ve výsledcích!
se.
najdu tam, co neznám !
Děkuji za pozornost.
www.seznam.cz
najdu tam, co neznám !