中文搜索上，baidu vs google哪个好？

zach 发表于 2014-6-17 11:00
典型的百度作风，竞价排名的骗子比官网排名都高……

百度具体怎么排不知道，但是Bing一样有这种情况。。。。
Google可能也有过，比如你search download adobe reader 第一个结果不是adobe.com而是一个奇奇怪怪的垃圾网站

然后因为是第一条ads algo，所以特别显眼，我都点过那种东西。

btw 不用试了，adobe例子见于去年，现在已经不可复制了哈。。。。

小K 发表于 2014-6-17 10:53
for google, most users are signed users, i bet they use signed in user id to assign their experiment ...

“for google, most users are signed users”
——这个是有数据支持的吧？为什么会是most？原因是不是因为gmail用户太多了、自动就log-in了？如果不用gmail等google产品，只是用google搜索，google也不会让你登录的吧？

我猜baidu的大多数用户都不是登录用户。低端用户哪里想得到去注册个baidu账户啊……贴吧、知道、百科的活跃用户除外——这部分有多少？

这个帖子开的很值。。。好多干活

对了，大家讨论引擎，我用狗狗找国产演员，看到结果然后惊呆了
之前只是找过美国的名人，觉得那个carousel (?) bar做的很好，没想到国内的演员的search result也做的那么好！！ （哈，这个结果在家里看见的，在公司就没法repo)

zach 发表于 2014-6-18 00:00
典型的百度作风，竞价排名的骗子比官网排名都高……

还好追回来了。不过还是被坑了200+“服务费”，而且是在我强烈要求自己去取回来的情况下才追回来，不然他们一直声称“货到了之后运费多退少补”

FTC tells Google, Yahoo, Bing, others to better differentiate ads in web content searches
http://www.networkworld.com/arti ... ntent-searches.html


http://generastrategies.com/f-t- ... ertising-correctly/

我没跟进这件事，现在如何了？

363853746 发表于 2014-6-17 10:48
基于ip区分的？还是基于cookies？

如果你没有登录baidu的话，应该是ip。

yls在上海，这家shztky的骗子公司投放了上海地区的竞价排名，所以yls一搜“中铁快运”，就出现在了第一个。

这家公司没有投放针对美国ip的，所以你搜就搜不到这家。

我开隐私模式去baidu搜了下“上海中铁快运”，对一个美国ip的匿名用户，是这样的：

前两条是竞价排名的中（骗）介（子）公司广告，标注了“推广”和“蓝色加v认证”（有一家还是v1最高级）。我比yls幸运一些，这两条都注了“推广”。

然后接下来是百度地图，接下来是“中铁快运商城”，然后才是中铁快运官网。这就给baidu的自动算法跪了。一个匿名未登录用户，搜上海中铁快运，他竟然认为想搜“中铁快运商城”的可能性更大……而且竟然把3条中铁快运商城都摆到官网前面

这还是热词，他们的人工编辑都没干预成功。所谓的“百度使用人工编辑使baidu中文搜索结果优于google的自动搜索算法”，真的有你们说的那么神么……

小K 发表于 2014-6-17 11:02
百度具体怎么排不知道，但是Bing一样有这种情况。。。。
Google可能也有过，比如你search download adob ...

yls这个例子是骗子公司的网站没有被注明“推广”啊（而且加了蓝v认证）。bing和google对这些广告都是会注明的呀。
baidu是根本不注明广告（yls的例子，以及过去的黑历史），bing和google被FTC训是label了但是label的不够明显。一个是有无问题，一个是程度问题。。。。

cookies != ip

otherwise all students using the same school network (same ip to the outside), or a 10k ppl company will all use the same ip and be considered the same user

e.g. you may use both firefox and chrome
likely you will be recognized as two different unique users

then you get into a whole lot of challenges, how to distinguish real unique users from non unique ones? what if you can't? what about user correlation? query term correlation?

all models come with assumptions and sometimes not strictly followed. all models are wrong, some are useful.


now we are getting into unnecessary details here......