1. 판다(2011)
- 필요성: Panda 알고리즘은 풍부하고 관련성이 높은 콘텐츠를 선호하는 동시에 덜 풍부하거나 빈약하거나 중복되거나 키워드가 많은 웹 사이트에 불이익을 주도록 설계되었습니다.
- 효과: 얇거나 중복된 콘텐츠만을 제공하기 위해 만들어진 웹사이트와 지나치게 상업화된 웹사이트는 불이익을 받게 됩니다. 업데이트의 목적은 가치가 덜한 사이트의 순위를 낮추고 풍부하고 사용자 중심적인 콘텐츠를 홍보하는 것이었습니다 홈페이지제작.
2 . 펭귄(2012)
- 목표: Penguin은 인위적으로 순위를 부풀리기 위해 스팸성 백링크나 키워드가 많은 앵커 텍스트 등 조작적인 링크 구축 전술을 사용하는 웹사이트를 표적으로 삼았습니다.
- 효과: 부자연스러운 백링크 프로필(예: 관련성이 없거나 품질이 낮은 백링크가 많은 경우)이 있는 웹사이트는 불이익을 받고, 보다 유기적이고 자연스러운 백링크 프로필이 있는 사이트의 순위가 향상되었습니다.
3. 벌새(2013)
- 목표: Hummingbird 업데이트는 이전 버전과 마찬가지로 키워드뿐만 아니라 검색어의 의미를 더 잘 이해하는 것을 목표로 했습니다. 의도를 고려하여 특정 검색에 대해 더 관련성이 높은 결과를 반환하려고 했습니다.
- 영향: 이를 통해 대화 검색, 추천 스니펫 및 더 길고 복잡한 쿼리, 즉 자연어 검색 이면의 “컨텍스트”를 이해하는 Google의 능력이 향상되었습니다.
4. 비둘기(2014)
목적: 이는 지역 신호의 중요성을 더 많이 제공하기 위한 것입니다. Google의 업데이트된 검색 결과는 관련성을 보여 주었고 근접성 및 위치 정보 태그 지정에 대한 초점이 높아졌습니다. 그 결과 지역 비즈니스 페이지와 검색자 모두에게 Google의 지역 검색결과가 더 가까워졌습니다.
영향: Pigeon은 Google 마이 비즈니스 내의 지역 검색 디렉토리 목록을 개선하기 위해 지역 Google 검색 엔진을 강화했습니다.
5. 모바일 친화 업데이트(2015)
-목적: “Mobilegeddon”이라고도 알려진 모바일 친화적인 업데이트를 통해 모바일 친화적인 웹사이트가 검색 결과에서 더 높은 순위를 차지하게 되었습니다.
- 영향: 모바일 친화적이지 않은 웹 사이트 또는 반응형 디자인이나 모바일 버전이 없는 웹 사이트는 모바일 검색 결과에서 낮은 순위를 차지하므로 웹 사이트 소유자는 모바일 최적화를 우선시하게 됩니다.
6. 랭크브레인(2015)
- 목적: RankBrain은 Google이 검색어를 더 잘 해석하고 페이지가 해당 검색어와 얼마나 관련성이 있는지 판단할 수 있도록 하는 기계 학습 알고리즘입니다.
- 영향: RankBrain은 Google이 복잡하고 롱테일 쿼리와 보다 모호한 검색을 처리하는 능력을 개선하여 검색 이면에 있는 사용자의 의도를 해석하면서 결과의 관련성이 더욱 높아지는 데 도움이 되었습니다.
7. 포섬(2016)
- 목표: Possum은 검색자의 물리적 위치는 물론 업체의 명성과 같은 기타 요소를 고려하여 세부적으로 조정된 지역 검색 결과를 업데이트합니다.
- 효과: 특정 반경 밖에 있는 일부 업체를 제거하고 새로운 유형의 업체가 지역 검색 순위를 매길 수 있도록 하여 지역 검색 결과를 더욱 다양하게 만들었습니다.
8. 프레드 (2017)
- 목표: Fred는 가치 중심의 사용자 중심 콘텐츠를 제공하기보다는 콘텐츠로 수익을 창출하는 웹사이트를 타겟팅했습니다. 특히, 사용자 경험이 좋지 않거나, 광고가 너무 많거나, 제휴 링크나 광고 수익에 더 도움이 되는 낮은 품질의 콘텐츠를 제공하는 웹사이트를 표적으로 삼았습니다.
- 효과: 품질이 낮은 콘텐츠를 제공하거나 광고가 너무 많아 사용자 경험이 좋지 않은 웹사이트는 Fred의 등장과 함께 순위가 떨어지기 시작했습니다.
9.버트 (2019)
- 목표: BERT는 Google이 검색어에 포함된 단어의 맥락을 더 잘 이해할 수 있도록 하는 자연어 처리 업데이트입니다.
- 효과: BERT는 Google이 롱테일 대화 쿼리를 처리하는 방식을 향상시켰습니다. 즉, 언어와 문맥의 미묘한 차이를 더 잘 이해함으로써 검색 결과가 더 정확해졌습니다.
10. 핵심 업데이트(진행중)
- 목적: Google은 전반적인 검색 알고리즘 조정을 개선하여 검색 결과의 품질을 전체적으로 향상시키기 위한 핵심 업데이트를 자주 제공합니다. 이러한 업데이트는 주로 검색 결과가 포함된 콘텐츠의 관련성 있고 유용한 결과를 개선하는 데 중점을 둘 수 있습니다.
- 효과: Google의 품질 가이드라인에 따라 콘텐츠가 다양하므로 웹사이트 순위가 변동될 수 있습니다. 일반적으로 핵심 업데이트는 검색 환경에 큰 변화를 가져옵니다.
11. E-A-T(전문성, 권위, 신뢰성)
- 목표: E-A-T는 그 자체로 알고리즘이 아니라 Google이 콘텐츠 품질, 특히 건강이나 재정 조언과 같은 YMYL 주제에 적용하는 원칙입니다.
- 효과: 낮은 E-A-T 콘텐츠가 순위에서 강등됩니다. 일반적으로 권위, 신뢰성, 전문성이 높은 웹사이트는 특히 민감한 주제에 관한 경우 더 높은 순위를 차지하는 경향이 있습니다.
12. 페이지 경험 업데이트(2021)
- 변경 이유: 이 업데이트는 페이지 로드 속도, 상호작용성, 시각적 안정성(핵심 웹 바이탈)과 같은 사용자 경험 신호에 크게 의존하여 Google에서 전반적으로 더 나은 경험을 제공하는 웹사이트의 순위를 매겼습니다.
- 효과: 광범위한 사용자를 위한 더 나은 또는 훨씬 더 나은 페이지 경험은 웹 사이트에 방해가 되는 광고가 적고 로드 시간이 더 빠르며 훌륭한 사이트로 간주된다는 것을 의미합니다.
13. 스팸 업데이트
- 목적: Google은 사이트가 링크 구성표, 숨겨진 텍스트 또는 오해의 소지가 있는 콘텐츠와 같은 스팸성 또는 조작적인 SEO 전술과 관련될 때마다 스팸 업데이트를 게시합니다.
- 영향: 스팸 기술을 적용한 사이트는 이후 순위가 하락합니다. Google은 검색결과의 품질과 관련성을 높게 유지하는 것을 목표로 합니다.
결론
Google의 SEO 알고리즘은 사용자에게 관련성이 높은 고품질 콘텐츠를 제공하는 데 더 집중하기 위해 수년에 걸쳐 훨씬 더 정교해졌습니다. 스팸 전술에 대한 처벌부터 체계적이고 모바일 친화적이며 사용자 중심의 웹사이트에 대한 보상에 이르기까지 궁극적인 목표는 항상 검색 경험을 개선하는 것입니다. 이러한 알고리즘 변경 사항을 따라가는 것은 SEO 성공에 필수적입니다. 왜냐하면 웹 사이트 순위와 유기적 트래픽을 유도하는 방식에 큰 차이를 만들 수 있기 때문입니다.