但是， 朋友分享调并请他们回答后面的问题. 如果我的样本量足够大，你可能会期望在这里到一些相关性 -但请记住,这些是各种各样的询,而平均受访者可能不在目标市场中، 因此谷歌完全有可能比他们更了解什么是好的结果. 话虽如此，在我看来，这些结果中有一两个在用户体验方面明显是错误的，分析为什么“错误”的页面排名更好会很有趣。
这或许可以作为后续文章的主题。如果你想深入了解，上面的帖子和 巴林号码数据 调查结束时的回复中都有足够的数据来说明我的意思（我不想为那些还没有尝试过的人破坏它）。如果您深入研究排名因素并提出了想法，请告诉我。
我们有希望用机器学习来对抗机器学习。 进行这项测试时遇到的麻烦之一是，当我创建Google 表单时،我知道的答案太多了，以至于无法很好地测试自己。但让我感到欣慰的是，我可以做第二件最好的事情——我可以测试我的神经网络（嗯，我的模型，由我们的研发团队重构，并根据他们收集的数据进行训练，我们称之为来自 Flippant 的 Deepnik）。
我认为这是公平的。说明中写道：“您可以使用任何您喜欢的工具来评估网站，但请不要自己在 Google 上提问而影响结果。”神经网络没有针对这些结果进行训练，所以我认为它符合规则。
我对英国的查询进行了测试，因为它是在 google.co.uk SERP 上训练的，而且它的表现比抛硬币还要好： 因此，即使谷歌的黑匣子变得比以往更加复杂和难以理解，也许我们仍有希望通过巧妙的工具来帮助我们继续回答诸如“为什么我们的竞争对手在这次搜索中落后于我们？”这样的问题。