让我们深入研究Google可能正在使用机器学习的事情：
企鹅算法：
利用一组链接特征识别垃圾链接，比如：
- 外部链接坐在页脚中
- 右侧栏中的外部链接
- 靠近诸如“赞助”（和/或相关短语）之类的文本
- 靠近图像中带有“赞助”（和/或相关短语）的图像
- 与其他相互关联程度较低的链接分组
- 丰富的锚文本与页面内容无关
- 导航中的外部链接
- 实现没有用户可见的指示它是一个链接（即它下面没有行）
- 从一个糟糕的网站类别（从文章目录，从你不做生意的国家，等）
- ......以及许多其他因素
如果你的网站只有少部分的外链是以上的形式，问题不大，但如果指向你的网站的大部分链都都是上述链接，则算法可能开始标记站点。
我上面概述的是一种有监督的机器学习方法，在这种方法中，您可以使用多年来已识别的已知错误和良好链接（或站点）来训练算法。一旦算法被训练，您将通过它运行其他链接示例来计算每个算法是坏链接的概率。根据来自不良链接的链接百分比（和/或总PageRank），您可以决定是否降低网站的排名。
解决同一问题的另一种方法是从已知良好链接和错误链接的数据库开始，然后让算法自动确定这些链接的特征（或特征）。这些特征可能包括人类可能没有考虑过的因素。
熊猫算法：
以下是可能是内容质量较差的网站功能的一些内容：
- 与竞争页面相比，页面上的字数较少
- 低同义词的使用
- 过度使用页面的主要关键字（来自标题标签）
- 在页面底部隔绝的大块文本
- 大量链接到不相关的页面
- 内容从其他网站上删除的页面
- ......以及许多其他因素
您可以从一组已知的好站点和坏站点（从内容角度）开始，并设计算法以确定这些站点的共同特征。
正如上面的Penguin讨论一样，我并不代表这些都是熊猫的所有部分 - 它们只是为了说明它如何运作的整体概念。
这意味着什么？
鉴于更高的用户满意度对Google至关重要，这意味着您现在必须将内容质量和用户对您网页内容的满意度视为SEO排名因素。 你将需要测量它，并随着时间的推移稳步改进它。 有些问题要问自己包括：
1.您的网页是否符合大部分访问者的意图？ 如果用户对该产品感兴趣，他们在选择产品时是否需要帮助？ 学习如何使用它？
2.相关的意图怎么样？ 如果有人来到您的网站寻找特定产品，他们可以寻找其他相关产品吗？
3.页面上的内容存在哪些差距？
4.您的网页是否比竞争对手的网页质量更高？
5.您测量页面性能并随着时间的推移改进它的策略是什么？
Google可以通过多种方式衡量您的网页有多好，并使用它来影响排名。 这里是其中的一些：
1.当他们点击SERP后到达您的页面时，他们会待多久？ 与竞争页面相比如何？
2.您的SERP列表与竞争对手的点击率相对较高？
3.您的企业获得了多少品牌搜索？
4.如果您有特定产品的页面，您是否提供比竞争页面更薄或更丰富的内容？
5.当用户在访问您的页面后单击返回搜索结果时，他们是否表现得像他们的任务已完成？ 或者他们点击其他结果还是输入后续搜索？