EEAT Mechanics

Starburst Relevance Feedback: Neubewertung an den Top-Ergebnissen

Starburst-Bild-Embeddings tauchen im Leak von 2024 auf. RESONEO zufolge bewertet dieser Twiddler Bilder neu nach ihrer Ähnlichkeit zu den Top-Ergebnissen der Anfrage; dieser Mechanismus ist RESONEOs Beschreibung, kein Leaktext.

By Thomas Wawra· Published · Version 1.0· Systems referenced: Mustang / SuperRoot etc.

01Was Schema und Leak zeigen

Das Schemaobjekt heißt StarburstLocalRelevanceFeedbackTwiddlerRanklabSignals. Starburst ist der Name eines Bild-Embeddings: eines Modells, das ein Bild in eine Zahlenreihe übersetzt, sodass ähnliche Bilder nah beieinander landen.

Der Leak von 2024 bestätigt, dass es Starburst-Embeddings gibt und dass sie in Versionen vorliegen. Ein Objekt speichert sie auf Frame-Ebene; das spricht dafür, dass sie nicht nur für Standbilder, sondern auch für einzelne Bilder eines Videos berechnet werden. Zu diesem Twiddler sagt der Leak nichts.

Quelle je Aussage (3)
C
Das Schemaobjekt ist StarburstLocalRelevanceFeedbackTwiddlerRanklabSignals im Namensraum image_twiddler.[1]
B
„Each supported Starburst embedding version will have a pair of AmarnaSignalsBlobInfo and …“[2]
C
Das Leak-Objekt speichert Starburst-Embeddings auf Frame-Ebene, was dafür spricht, dass sie auch für Videobilder berechnet werden; den Twiddler erwähnt der Leak nicht.[3]
Quelle: eeat-mechanics, eigene Einordnung · Mustang / SuperRoot etc.

02Wie Relevance Feedback funktionieren würde

RESONEO liest den Twiddler so: Nach dem ersten Ranking werden Bilder erneut bewertet, je nachdem, wie nah ihr Embedding an denen der besten Ergebnisse zur Anfrage liegt. „Relevance Feedback“ ist ein alter Begriff aus dem Information Retrieval für das Nachschärfen von Ergebnissen mit dem, was die ersten Treffer verraten; „local“ hieße, dass die Rückmeldung aus dieser einen Ergebnismenge stammt, nicht aus dem ganzen Index.

Trifft das zu, steigt ein Bild, das den Top-Ergebnissen ähnelt, und ein Ausreißer sinkt, selbst wenn sein Text passt. Das ist ein plausibler Aufbau, stützt sich aber auf RESONEOs Beschreibung und den Namen. Wie jeder Twiddler empfiehlt er nur; die Entscheidung trifft das Framework in Superroot, der Schicht, die die Ergebnisse aus Googles Indizes zusammenführt, bevor die Seite gebaut wird.

Quelle je Aussage (2)
C
RESONEO beschreibt den Twiddler so, dass er Bilder mithilfe von Starburst-Embeddings danach neu bewertet, wie sehr sie den Top-Ergebnissen der Anfrage ähneln.[4]
C
Trifft RESONEOs Lesart zu, verlieren visuelle Ausreißer in einer Ergebnismenge an Boden, selbst wenn ihr Text zur Anfrage passt.[3]
Quelle: eeat-mechanics, eigene Einordnung · Mustang / SuperRoot etc.

03E-E-A-T und die Systemkarte

Das ist ein Relevanzmechanismus. Er vergleicht Bilder mit Bildern und sagt nichts darüber, wer sie veröffentlicht hat; eine E-E-A-T-Wirkung hat er damit nicht. Auf unserer Karte gehört er zur Twiddler-Schicht. Steuern lässt er sich kaum, abgesehen vom Offensichtlichen: Ein Bild, das klar zeigt, wonach gefragt wird, hat die besten Chancen, den anderen starken Ergebnissen zu ähneln.

Quelle je Aussage (1)
C
Starburst Relevance Feedback vergleicht Bilder mit Bildern und hat keine E-E-A-T-Wirkung.[5]

04Quellen

Dieser Deep Dive ist Schicht-2-Content. Er interpretiert das Material und verweist immer auf Schicht 1 zurück, die Referenzebene. Jeder Claim ist einer Quelle zugeordnet, nach Art gekennzeichnet: [A] Unter Eid ausgesagt · [B] Wörtlich aus dem Leak · [O] Von Google dokumentiert · [W] Studie · [S] Auf der Seite nachgesehen · [C] Unsere Einschätzung · [P] Patent.

© Thomas Wawra · Senior SEO Manager · wetter.com — ein Unternehmen von Funke Digital