有偏见的搜索行为
Posted: Wed Jan 29, 2025 9:50 am
好吧，通过点击流数据，我们可以通过查看用户从 SERP 点击的唯一 URL 数量来非常清楚地回答这个问题。个性化关键字应该会导致点击的唯一 URL 数量增加，因为用户看到的 URL 彼此不同。我们随机选择了 50 个搜索点击对（搜索的关键字和用户点击的 URL）用于以下关键字，以了解 SERP 的个性化程度。
如您所见，高度个性化的关 富人数据库 键字（如“我附近的银行”或“园林绿化公司”）（这些关键字取决于位置）会收到大量唯一 URL 的点击。这是意料之中的，并在一定程度上验证了该模型。然而，“希拉里·克林顿”和“唐纳德·特朗普”等候选人姓名的个性化程度并不比 Dropbox、Google 或 Facebook 等主要品牌以及三星 Note 7 等产品更高。看来，假设的过滤泡沫已经破灭——大多数用户看到的结果彼此完全相同。
但这就是我们要问的全部吗？我们能更多地了解网上用户的政治行为吗？事实证明我们可以。点击流数据真正有趣的功能之一是能够进行“同时搜索”分析。我们可以查看点击流数据，并确定一个人或一群人在首次搜索特定短语后是否更有可能搜索一个短语或另一个短语。我们深入研究了点击流数据，以查看搜索“唐纳德特朗普”和“希拉里克林顿”的个人后续搜索之间是否存在任何实质性差异。虽然大多数搜索都差不多，正如您所预料的那样，搜索“youtube”或“facebook”，但还是存在一些非常有趣的差异。
例如，搜索“唐纳德·特朗普”的人比搜索过“希拉里·克林顿”的人搜索“奥马尔·马丁”的可能性高出 2 倍。奥马尔·马丁是奥兰多枪击案的凶手。搜索过“希拉里·克林顿”的人搜索“菲兰多·卡斯蒂利亚”的可能性高出约 60%，菲兰多·卡斯蒂利亚是一起警察枪击案的受害者，尤其是最令人震惊的例子之一。因此，至少从这一早期证据来看，似乎是人们将自己的偏见带给了搜索引擎，而不是搜索引擎将偏见推回给他们。
获取真实的点击率模型
自我们开始从事这项技术以来，搜索营销人员一直在研究点击率 (CTR) 模型，试图根据一组假设来预测流量和收入，而这些假设自 10 个蓝色链接时代以来几乎已经消失。随着 SERP 功能（如答案框、知识图谱和搜索结果中的 Twitter 信息流）的出现，很难准确估计我们能从任何给定位置获得多少流量。
如您所见，高度个性化的关 富人数据库 键字（如“我附近的银行”或“园林绿化公司”）（这些关键字取决于位置）会收到大量唯一 URL 的点击。这是意料之中的，并在一定程度上验证了该模型。然而，“希拉里·克林顿”和“唐纳德·特朗普”等候选人姓名的个性化程度并不比 Dropbox、Google 或 Facebook 等主要品牌以及三星 Note 7 等产品更高。看来，假设的过滤泡沫已经破灭——大多数用户看到的结果彼此完全相同。
但这就是我们要问的全部吗？我们能更多地了解网上用户的政治行为吗？事实证明我们可以。点击流数据真正有趣的功能之一是能够进行“同时搜索”分析。我们可以查看点击流数据，并确定一个人或一群人在首次搜索特定短语后是否更有可能搜索一个短语或另一个短语。我们深入研究了点击流数据，以查看搜索“唐纳德特朗普”和“希拉里克林顿”的个人后续搜索之间是否存在任何实质性差异。虽然大多数搜索都差不多，正如您所预料的那样，搜索“youtube”或“facebook”，但还是存在一些非常有趣的差异。
例如，搜索“唐纳德·特朗普”的人比搜索过“希拉里·克林顿”的人搜索“奥马尔·马丁”的可能性高出 2 倍。奥马尔·马丁是奥兰多枪击案的凶手。搜索过“希拉里·克林顿”的人搜索“菲兰多·卡斯蒂利亚”的可能性高出约 60%，菲兰多·卡斯蒂利亚是一起警察枪击案的受害者，尤其是最令人震惊的例子之一。因此，至少从这一早期证据来看，似乎是人们将自己的偏见带给了搜索引擎，而不是搜索引擎将偏见推回给他们。
获取真实的点击率模型
自我们开始从事这项技术以来，搜索营销人员一直在研究点击率 (CTR) 模型，试图根据一组假设来预测流量和收入，而这些假设自 10 个蓝色链接时代以来几乎已经消失。随着 SERP 功能（如答案框、知识图谱和搜索结果中的 Twitter 信息流）的出现，很难准确估计我们能从任何给定位置获得多少流量。