链接的本质与原理

同一个页面上的两条链接,价值可以相差一个数量级以上。一条在正文第三段,周边是相关论述;一条在 footer,和其他四十条链接排在一起。多数站内优化清单把它们记作同一件事:”内链 +1″。这个记法对应的模型,Google 大约在二十年前就不用了。

这篇文章讲清楚一条链接从被发现到传递价值,中间经过哪几层计算,每一层折掉多少,以及权重真正的来源是什么。

起点:均分模型,也是所有清单的隐含假设

1998 年的 PageRank 原始论文里,链接价值的计算只有一个变量:页面把自身权重的 85%(阻尼系数 d=0.85)平均分给所有出链。一个页面有 10 条出链,每条拿 1/10;有 100 条,每条拿 1/100。位置无关,上下文无关,链接与链接完全等值。(本文讨论的是论文中的理论模型;后续工程实现另有 dangling nodes、规范化、nofollow 等处理,不影响本文论证。)

“多做内链””导航放关键词锚文本””footer 加链接”这类清单建议,全部隐含这个均分假设——只要链接存在,就传递等量价值。这个假设在原始模型里成立。问题是原始模型描述的是一个随机点击者:落在页面上,以均等概率点击任意一条链接。真实用户不是这样行为的,Google 也没有停留在这个模型上。

第一层修正:Reasonable Surfer,同页链接不再等值

2010 年授权的专利 US7716225(Ranking documents based on user behavior and/or feature data)(2016 年有延续专利 US9305099)记载了替代模型:链接按估计点击概率(estimated click probability)加权分配权重。专利列举了一批可用于估计的候选特征——链接在页面中的位置、字号、颜色、锚文本长度、周边文字、所在区块类型、与页面主题的相关性。注意专利措辞是”可以使用”(can use),它界定的是机制与特征空间,不承诺具体实现。

这一层修正的直接后果:正文中部一条被论述包裹的链接,和 footer 里一条模板链接,分到的权重从”相等”变成”按点击概率比例分配”。前者更可能被用户点击,后者点击概率趋近于零。均分模型下两者各拿 1/N;Reasonable Surfer 下,权重向高点击概率的链接集中,低概率链接被压到接近可忽略。

已知:专利文本明确记载了特征加权机制。未知:各特征的具体权重系数,Google 从未披露,且必然随系统迭代变化。

第二层修正:页面切分,模板区块整体折扣

Reasonable Surfer 处理的是单条链接的特征。在它之外,Google 对页面本身做结构切分:主内容(main content)与辅助内容(supplementary content)的区分,这个框架在质量评估指南里是明文的。导航、footer、侧边栏、目录锚点(TOC)、”相关文章”组件,判定依据是模板性——跨页面重复出现、位于正文流之外、自动生成。

模板区块里的链接会被计入链接图。Google 没有公开声明过”导航链接统一折扣”这样的规则——这一节的判断是推断,但推断的地基是明确的:Reasonable Surfer 专利列举的特征里就包含链接所在区块类型和页面位置,区块差异化处理是该机制的直接推论;质量评估指南对主内容/辅助内容的区分提供了评估框架;大量实测(导航锚文本堆砌的零产出、正文链接的可观测效果)与前两者吻合。三者合起来指向同一个结论:模板区块链接的实际价值通常显著低于正文链接。

折扣的来源可以拆成两个独立因子:全站重复(同一组链接在每个页面出现,信息量趋近于零)和正文之外(不参与主内容的语义流)。导航和 footer 两个因子全中;”相关文章””相关产品”这类组件只中第二个——它的链接目标逐页变化,不构成全站重复——所以折扣轻于导航,但仍显著重于正文链接。

由此可以给出一个梯度,这也是本文最直接可操作的结论之一:

正文语境链接 >> 逐页变化的组件链接 > 全站导航/footer 链接

注意表述是”折扣”,不是”清零”。导航链接被计入、被跟踪、参与抓取,只是在权重分配里被压到很低。指望在导航或 footer 里堆锚文本获得排名收益,在这个机制下算不出正回报。

第三层:链接传递的不只是权重,还有语义

前两层讲的都是权重量的分配。正文链接和组件链接还有一个量之外的差距:上下文。

一条正文链接携带三样东西:锚文本、锚文本前后的论述、来源页面与目标页面的主题关系。这三样共同构成目标页面的相关性信号——Google 用它理解目标页面是什么、和什么查询相关。2024 年泄漏的内容仓库 API 文档中,锚文本及其上下文对应多个独立属性,与链接权重属性并列存储,可作为两类信号分开处理的旁证。

组件链接在这一层几乎是空的:锚文本是目标页标题的机械复述,周边没有论述,不产生任何增量语义。这解释了一个实操现象——当一个页面实际获得排名的查询和你的目标意图不一致时(页面被 Google 理解偏了),有效的纠偏手段是从相关页面用正确锚文本做正文链接,重新校准语义;在组件里加同样的链接则没有可观测效果。传权重的链接和传语义的链接,在系统里不是同一件事。

nofollow 在这一层的处理没有公开定论:Google 在 2019 年的官方公告中明确 nofollow 自 2020 年起作为排名提示(hint)而非绝对指令,是否及多大程度参与锚文本语义计算,属于未知。可以确定的只有:它不是可依赖的上下文信号载体。

衰减演算:理论下限 15%,经验量级 85%

把前三层叠起来,可以算一笔账。一条链接的单跳衰减由三个因子构成:

第一,阻尼系数。d=0.85 是固定常数,单跳保留 85%,损失 15%。这是理论下限——只在页面仅有一条出链、且该链接拿满全部权重时达到。

第二,出链分配。页面权重在出链间分配,正文一篇文章带 30 条出链(含导航、footer、组件)是常态,单条链接的基数先被除下去。

第三,位置与相关性折扣。即上文两层:该链接的点击概率权重、所在区块的模板折扣。

(上述演算只讨论传递过程本身,不含来源页面自身质量带来的初始差异——同样的三因子,从高质量页面和低质量页面出发,基数完全不同。)

三因子相乘,一条普通位置的链接实际传递的价值,衰减到 80%–90% 是常规量级。David Quaid 给过”每跳衰减约 85%”的估算——需要明确标注:这是他对三重因子叠加的经验综合(empirical synthesis),不是系统里存在的某个常数。本文采用 -85%/跳作为示例量级:一个页面的权重经过正文链接传一跳剩 15%,两跳剩 2%,三跳剩 0.3%。

这笔账算完会逼出一个问题:衰减这么陡,权重从首页出发传不了三跳就耗尽了,那些离首页五六层深的页面,排名依据的权重从哪里来?

如果权重真是从首页逐层向下流的,深层页面应该普遍没有排名能力。实际不是。说明”权重自上而下逐层流动”这个图景本身是错的。

PRNS:权重不是流下来的,是按种子距离算出来的

PageRank Nearest Seeds(专利 US9165040)是 Google 提出的 PageRank 演进方案,也是现有公开证据中与现代 Google 排名行为吻合度最高的距离模型:系统选定一批高信任种子页面,每个页面的权重由它到最近种子的链接距离决定,距离越短权重越高。权重不再是全图迭代流动的结果,而是相对种子集合的路径计算。

支持它的公开证据有三条:专利文本本身;DOJ 反垄断案中 Google 工程师关于”距可信来源的距离”的证词;2024 年泄漏的 Content Warehouse 文档中的 pagerank_NS 属性。三条证据同向,但均不能证明 PRNS 就是当前系统的完整实现——这一节的地位是:公开证据下的最优解释,不是已证事实。

在这个模型下,内链的作用需要重新表述。内链不是把权重从 A 页”运送”到 B 页——运送模型下多做内链总是多多益善,与实测不符。内链的真正作用是改变目标页面的种子路径:当你的某个页面 A 已经获得了外部高权威页面的链接(A 离种子近),从 A 向 B 做一条正文链接,等于给 B 开了一条更短的种子路径。B 的权重提升不是因为 A”分”了权重给它,而是因为 B 到种子的距离缩短了。

这同时解释了衰减演算留下的问题:深层页面有权重,不是因为首页的权重穿透了五层导航流到了它,而是因为它通过某条正文链接路径接到了离种子近的页面。路径质量决定一切,层级深度本身不是变量。它与可观测现象(深层页面的排名能力、内链纠偏的实效、导航链接的低回报)的吻合度,高于均分流动模型——这是选择它作为工作模型的理由。

操作含义

以上机制收敛为四条判断,每条都和常见清单相反:

内链的目标是路径,不是数量。 在 ÷C 分配下,每加一条出链都在稀释既有链接;有价值的动作是从已获得较强外部信任信号的页面(高质量外链的实际落点——这是”离种子近”的可观测代理,种子距离本身无法测量)向目标页做正文链接,而不是全站铺内链。

导航和 footer 的锚文本堆砌算不出收益。 全站重复 + 正文之外,双重折扣后剩余量接近噪音。导航的功能是用户导航,不是权重分配工具。

“相关文章/相关产品”组件的角色是抓取连通性,不是相关性建设。 大规模站点保留它,保证链接图连通和新页面发现;但站点真正重要的那几十条边——集群互链、文章到产品页的转化路径——必须走正文语境位,组件替代不了语义载荷。

内链是语义校准工具。 页面实际排名的查询暴露 Google 对它的理解;理解与目标意图偏离时,用正文链接的锚文本和上下文纠偏——这是站内优化里少数有明确机制依据、且可观测效果的动作。

链接图的每一层计算——点击概率、区块折扣、语义上下文、种子距离——都在回答同一个问题:这条链接是给用户的,还是给爬虫的。给用户的链接,机制的每一层都在为它加权。