論文の概要: Public awareness and attitudes towards search engine optimization

• arxiv url: http://arxiv.org/abs/2204.10078v1
• Date: Thu, 21 Apr 2022 13:19:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:23:08.956802
• Title: Public awareness and attitudes towards search engine optimization
• Title（参考訳）: 検索エンジン最適化に対する公共の意識と態度
• Authors: Dirk Lewandowski and Sebastian Schulthei{\ss}
• Abstract要約: ユーザーの43%は、Googleにお金を払わずにより良いランキングを達成できると考えている。 広告が有機的な結果とどのように異なるかは29.2%しか知らない。 59.2%はSEOが(非常に)ランキングに強い影響を与えていると仮定している。
• 参考スコア（独自算出の注目度）: 4.429709236737153
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research focuses on what users know about search engine optimization (SEO) and how well they can identify results that have potentially been influenced by SEO. We conducted an online survey with a sample representative of the German online population (N = 2,012). We found that 43% of users assume a better ranking can be achieved without paying money to Google. This is in stark contrast to the possibility of influence through paid advertisements, which 79% of internet users are aware of. However, only 29.2% know how ads differ from organic results. The term "search engine optimization" is known to 8.9% of users but 14.5% can correctly name at least one SEO tactic. Success in labelling results that can be influenced through SEO varies by search engine result page (SERP) complexity and devices: participants achieved higher success rates on SERPs with simple structures than on the more complex SERPs. SEO results were identified better on the small screen than on the large screen. 59.2% assumed that SEO has a (very) strong impact on rankings. SEO is more often perceived as positive (75.2%) than negative (68.4%). The insights from this study have implications for search engine providers, regulators, and information literacy.
• Abstract（参考訳）: 本研究は、検索エンジン最適化(SEO)についてユーザが知っていることや、SEOの影響を受けている可能性のある結果の特定方法に焦点をあてる。 我々はドイツのオンライン人口(N=2,012)のサンプルを用いてオンライン調査を行った。 43%のユーザーがGoogleにお金を払わずにより良いランキングを達成できると考えている。 これは、インターネットユーザーの79%が認識している有料広告による影響の可能性とは対照的である。 しかし、有機的な結果と広告の違いは29.2%に過ぎなかった。 検索エンジン最適化」という用語はユーザーの8.9%で知られているが、14.5%は少なくとも1つのseo戦術を正しく命名できる。 SERP(検索エンジン結果ページ)の複雑さやデバイスによって、SEOによって影響を受け得るラベル付け結果の成功は、より複雑なSERPよりも単純な構造を持つSERPにおいて高い成功率を達成した。 SEOの結果は大きな画面よりも小さな画面の方がよく同定された。 59.2%はSEOが(非常に)ランキングに強い影響を与えていると仮定している。 SEOは陰性(68.4%)よりも陽性(75.2%)と認識されることが多い。 本研究から得られた知見は,検索エンジンプロバイダ,規制機関,情報リテラシーに影響を及ぼす。

関連論文リスト

• Tree Search for Language Model Agents [69.43007235771383]
  対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。 我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。 現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-01T17:07:55Z)
• Algorithmically Curated Lies: How Search Engines Handle Misinformation about US Biolabs in Ukraine [39.58317527488534]
  2022年6月、Google、Bing、Yandexの検索出力の仮想エージェントベースのアルゴリズム監査を行う。 検索の言語に基づく誤情報暴露では,すべての検索エンジンがロシア語で偽ニュースを多く提示するなど,大きな相違がみられた。 これらの観察は、AICSが操作に脆弱である可能性、特に展開するプロパガンダキャンペーンの場合を強調している。
  論文  参考訳（メタデータ） (2024-01-24T22:15:38Z)
• Autonomous Tree-search Ability of Large Language Models [58.68735916408101]
  大規模言語モデルは、高度なプロンプト技術で顕著な推論能力に優れています。 近年の研究では、LLMがより困難な推論タスクを解くために受動的木探索を行えるように、検索ロジックを定義するために外部プログラムを活用することが提案されている。 我々は,LLMの自律木探索能力という新しい概念を提案し,正しい解を求める探索軌跡を含む応答を自動生成する。
  論文  参考訳（メタデータ） (2023-10-14T14:14:38Z)
• User Attitudes to Content Moderation in Web Search [49.1574468325115]
  我々は、Web検索における誤解を招く可能性のあるコンテンツや攻撃的なコンテンツに適用される様々なモデレーションプラクティスに対するサポートレベルについて検討する。 最も支持されている実践は、誤解を招く可能性のあるコンテンツや不快なコンテンツについてユーザーに知らせることであり、最も支持されていないものは、検索結果を完全に削除することである。 より保守的なユーザーやウェブ検索結果に対する信頼度が低いユーザーは、ウェブ検索におけるコンテンツモデレーションに反する傾向にある。
  論文  参考訳（メタデータ） (2023-10-05T10:57:15Z)
• Beyond Rankings: Exploring the Impact of SERP Features on Organic Click-through Rates [0.0]
  検索エンジンの結果ページ (SERP) は、インターネットの広範囲へのデジタルゲートウェイとして機能する。 過去数十年間、クリックスルー率(CTR)を決定するためにウェブサイトランキングの影響を中心に研究が急増しているのを目撃してきた。 本研究は,これらの特徴の重要な役割を解明し,単に美的要素であるだけでなく,CTRとインターネット利用者の行動に強く影響していることを明らかにする。
  論文  参考訳（メタデータ） (2023-05-31T12:01:02Z)
• Evaluating Verifiability in Generative Search Engines [70.59477647085387]
  生成検索エンジンは、インラインの引用とともに、ユーザークエリへの応答を直接生成する。 我々は,一般的な4つの生成検索エンジンの評価を行う。 既存の生成検索エンジンからの応答は流動的であり、情報的に見えるが、しばしばサポートされていない文や不正確な引用を含んでいる。
  論文  参考訳（メタデータ） (2023-04-19T17:56:12Z)
• Whole Page Unbiased Learning to Rank [59.52040055543542]
  アンバイアスド・ラーニング・トゥ・ランク(ULTR)アルゴリズムは、バイアスド・クリックデータを用いたアンバイアスド・ランキングモデルを学ぶために提案される。 本稿では,BALというアルゴリズムをランク付けするバイアス非依存学習を提案する。 実世界のデータセットによる実験結果から,BALの有効性が検証された。
  論文  参考訳（メタデータ） (2022-10-19T16:53:08Z)
• The Matter of Chance: Auditing Web Search Results Related to the 2020 U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
  私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。 その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
  論文  参考訳（メタデータ） (2021-05-03T11:18:19Z)
• Search Engine Similarity Analysis: A Combined Content and Rankings Approach [6.69087470775851]
  我々は、DuckDuckGoとともに、GoogleとBingという2つの主要な検索エンジンの親和性について分析する。 我々は、検索応答のコンテンツとランキングの両方を活用する新しい類似度指標を開発した。 しかしBingとDuckDuckGoは相違点が多い。
  論文  参考訳（メタデータ） (2020-11-01T23:57:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。