NavBoost est un algorithme de machine learning développé par Google pour améliorer la qualité des résultats de recherche en exploitant les données comportementales des utilisateurs. Il collecte et analyse les interactions des utilisateurs sur Google Chrome pour optimiser le classement des pages web en fonction de l’engagement et des préférences des internautes.

Comment fonctionne NavBoost ?

NavBoost utilise les données collectées via Google Chrome pour analyser les comportements des utilisateurs et ajuster les classements des pages en conséquence.

Utilisation des données utilisateurs :

NavBoost repose fortement sur les données d’interaction des utilisateurs. Il mémorise les clics passés jusqu’à 13 mois pour affiner les résultats de recherche en fonction des préférences évolutives des utilisateurs. Cette mémorisation des clics permet à Google de comprendre le contexte et l’intention derrière les requêtes de navigation, assurant ainsi des résultats plus pertinents

Analyse des comportements :

L’algorithme analyse divers signaux utilisateurs, tels que les taux de clics (CTR), le comportement des utilisateurs, la qualité des sites web, et la pertinence du contenu. En comprenant l’intention de l’utilisateur, NavBoost privilégie les résultats de recherche les plus utiles et pertinents.

Segmentation des résultats :

NavBoost segmente les résultats en fonction de la localisation, du type d’appareil (mobile ou desktop), et d’autres caractéristiques contextuelles. Cela permet de fournir des résultats de recherche adaptés aux spécificités de chaque utilisateur.

Les KPI à suivre

Voici les principales mesures utilisées pour évaluer la qualité d’une visite :

• Clics et CTR (Click-Through Rate) : Mesure le pourcentage de clics par rapport au nombre total d’impressions, indiquant l’attractivité d’un résultat de recherche.
• Taux de rebond : Indique le pourcentage d’utilisateurs quittant un site après avoir visité une seule page. Un taux de rebond élevé peut signaler une expérience utilisateur insatisfaisante.
• Pogosticking : Se produit lorsque les utilisateurs cliquent sur un résultat de recherche, reviennent rapidement à la SERP et cliquent sur un autre résultat, suggérant que le premier résultat n’était pas pertinent.
• Temps passé sur la page : Un indicateur clé de l’engagement utilisateur ; plus le temps passé est long, plus la page est jugée pertinente et utile.
• Taux de scroll : Mesure la profondeur de défilement d’une page par les utilisateurs. Un taux de scroll élevé indique que le contenu est engageant et que les utilisateurs explorent en profondeur.

Ces indicateurs sont analysés par des modèles de deep learning pour ajuster les classements des résultats de recherche en temps réel, garantissant ainsi que les pages les plus pertinentes et engageantes apparaissent en premier.

Les dates clés du projet NavBoost

• 2008 : Lancement de Google Chrome, permettant la collecte massive de données utilisateurs.
• Fin 2023 : Révélation officielle de NavBoost lors du procès antitrust contre Google, confirmant l’utilisation des données de navigation pour le classement des résultats de recherche.
• Mai 2024 : Confirmation de l’importance de NavBoost lors du Google Leak, où des documents internes révèlent son rôle crucial dans les SERPs.

Les enjeux pour le SEO

L’avènement de NavBoost marque la naissance d’un quatrième pilier du SEO, centré sur les données comportementales des utilisateurs. Traditionnellement, le SEO reposait sur trois piliers : le contenu, la technique et la popularité (liens entrants). Avec NavBoost, l’expérience utilisateur devient un critère essentiel.

NavBoost est aujourd’hui une composante essentielle de l’algorithme de Google, visant à améliorer les résultats des requêtes de navigation en se basant sur les interactions et les comportements des utilisateurs. Pour bénéficier de NavBoost, les propriétaires de sites web doivent se concentrer sur une structure de navigation claire, une expérience utilisateur optimisée, et des pratiques SEO conformes aux meilleures pratiques actuelles.