在我总结谷歌过去两年关于用户信号作为排名因素的最新声明之前，我将简要区分网站的一般评分和 SERP 的个性化。
Google 会使用cookie 等方式存储每个用户的搜索历史记录，前提是用户接受 Google 的使用条款。这可以通过浏览器或登录后分之间的差于帐户来完成。对单个搜索结果的点击也会逐渐改变与用户相关的 SERP。例如，在经过几次相同的搜索查询之后，我点击的结果在我的个人 SERP中的排名会随着我点击次数的增加而稳步上升。这种对信息源的个人偏好也会影响相应域的其他 URL，而不仅仅是我过去访问过的 URL。
我在搜索查询时所在的位置也
决定了我的个性化搜索结果的排名（有关此内容的更多信息，请参阅文章区域关键词：如何确定本地用户意图？ ）。
为了实现个性化，谷歌还使用 手机数据 搜索历史来找出我在当前会话中搜索的主题上下文，或者通常我对捷豹汽车或捷豹动物更感兴趣。
这一切都发生在个性化搜索结果的框架内，但与单个网站的总体评价或评分无关。可以说，这是根据我个人的搜索行为对网站进行的排名。但对于不同的用户来说，这些分之间的差排名可能会有所不同。换句话说，我的个人用户信号（例如点击）在个性化搜索中发挥着作用。
但是，许多 SEO 人员关于用户信号 罗素·泰恩 人力资源业务合作伙伴、安全和工人赔偿 作为直接排名因素并因此作为网站总体评分的一部分的猜测并没有得到解释，并且仍有待商榷。
为了更好地解释网站评分，我想简单解释一下Google的工作原理。
Google的功能大致分为以下几个步骤：
- 抓取和索引
- 理解和扩展搜索查询（包括 Rankbrain）
- 检索和评分（蜂鸟/知识图谱）
- 检索后调整（包括 Panda、Penguin）
顺便说一句，负责评分之间的差分（即无论搜索查询如何都对单个文档进行评估）的不是 Rankbrain，而是 Hummingbird 算法。 Rankbrain 最初仅解释搜索查询。因此，Rankbrain 仅用于搜索查询方面。
如果我们解读 Gary Illye 在 Twitter 上有 數位數據 些恼火的帖子以及他对 Rand Fishkin 的问题的回答，Rankbrain 可以用来根据搜索意图对排名因素进行不同的加权。所以它会对文档的排名产生影响。
现在一些 SEO 声称，至少在使用 Rankbrain 确定搜索意图时，Google 依赖于真实的用户信号，因此也会影响排名。
Gary Illyes 在 2017 年秋季 Brighton SEO 的问答环节中提供了更详细的见解：
我们已经说过，在 Rankbrain 中，使用历史搜索数据来预测什么对搜索者最有效，否则我会坚持我之前所说的，我们对非常具体的事情使用点击和向上点击。其中之一就是个性化，例如如果你搜索 Python，我们可能需要点击几次才能弄清楚你指的是编程语言还是蛇或鸟或其他什么，但过了一会儿，我们发现你一致点击鸟或蛇或其他什么。
换句话说，Google 使用点击数据来识别关键字的搜索意图，但不评估单个页面。
以下是视频：
据谷歌称，事实上 Rankbrain 仅用于搜索查询方面，以便更好地识别各个用户的搜索意图和与搜索词的关系。
关于 Rankbrain 和用户信号就这分之间的差么多。如果您想了解更多关于这方面的信息，推荐我的文章《 机器学习、人工智能和 Rankbrain 对 SEO 和 Google 的重要性》 。
让我们通过 Hummingbird 对文件进行实际评分。我将尝试借助 Paul Haahr 在 2016 年 SMX West 上的演讲来解释这一点。
根据 Paul Haahr（见下面的视频）的说法，Google 将文档和网站分类为索引中的所谓分片。据哈尔说，碎片有数千种。我想象这些碎片是根据文档的用途和/或索引中的主题区域进行分类的。然后，根据文档的总体得分与通过 Rankbrain 识别的搜索查询的搜索意图的比较来确定与排名相关的总体得分。