例如，假设页面 A 涉及一个主题，而页面 B 涉及另一个主题。从历史上看，我们的模型无法比较这两个页面，因为它们从未出现在同一个 SERP 上。这种新方法为每个页面提供了一个抽象值，这样机器学习模型就可以将它们与任何其他页面进行比较。
重新训练集
而是模型看不到什么。
想一想：哪些类型的 URL 不会出现在 巴哈马电话数据 模型用于生成页面权威的 SERP 中？首先，不会有很多图像或其他二进制文件。也不会有受惩罚的页面。为了解决这个问题，我们现在使用一种常见的解决方案，即运行模型，识别异常值（实际上没有任何搜索价值的高 PA URL），然后将这些 URL 反馈到训练集中。然后，我们可以重新运行模型，以便它从自己的错误中吸取教训。这可以重复多次，以减少异常值的数量。
撕掉创可贴
Moz 始终意识到我们指标的变化可能会对我们的客户产生影响。连续性和准确性之间存在权衡。对于页面权威，我们专注于准确性。这可能会导致您的页面权威发生比正常情况下更大的变化，因此比以往任何时候都更重要的是要考虑您的竞争对手的页面权威，而不是将其作为一个独立的数字。
我们应该采取什么行动？
与利益相关者、团队成员和客户沟通更新情况
就像我们升级域名权威一样，一些用户可能会对他们的 PA 的变化感到惊讶。确保他们明白，新的 PA 将更准确（也更有用！），并且最重要的衡量标准是相对于他们的竞争对手。我们不会发布不比以前版本更好的页面权威，所以即使结果令人失望，也要明白，您现在比以往任何时候都更了解您的页面在 SERP 中的表现。