Démystifier l'algorithme Navboost de Google

Vous êtes webmaster ou SEO et vous vous demandez ce qu'est exactement l'algorithme Navboost de Google dévoilé par ses dirigeants lors du procès antitrust qui s'est déroulé fin 2023 ? Vous souhaitez enfin lever le voile sur cette question que tout professionnel de la visibilité en ligne se pose depuis l'aube de l'humanité du Web : le moteur de recherche se sert-t'il des données de clics utilisateurs dont il dispose pour classer (ou re-classer grâce à son algorithme de learning to rank) ses pages de résultats ? Vous êtes au bon endroit ! Je vous propose dans cet article un aperçu détaillé de Navboost, une comparaison avec d'autres algorithmes de Google, des conseils d'optimisation pour répondre à ses exigences, et même des critiques à son sujet.

Fonctionnement de l'algorithme Navboost

Navboost est un algorithme de machine learning développé par Google dont la mission est de prédire le prochain site web qu'un utilisateur est susceptible de visiter en fonction de son comportement passé. Son existence a été révélée par Pandu Nayak, l'ancien vice-président de la recherche de Google, en octobre 2023, lors de son audition devant le département de la justice américaine (DoJ), dans le cadre du procès anti-trust de Google. Pandu Nayak avait précisé que les données des utilisateurs sont collectées sur les 13 derniers mois (le stockage des données utilisateurs était de 18 mois avant 2017) et segmentées en fonction de la localisation et du device utilisé pour une meilleure personnalisation des pages de résultats. Il avait en plus révélé que Navboost était l'un des critères de classement les plus importants de Google, au point que cela provoquait des frictions en interne. Un mail interne datant de 2019, envoyé par Alexander Grushetsky, vici-président de Google à l'époque, expliquait en effet que certains ingénieurs en dehors du projet Navboost se plaignant de l'impact de l'algorithme, estimant qu'il "volait des victoires" aux autres systèmes de classement des résultats du moteur de recherche. 

Cette importance des signaux utilisateurs dans l'algorithme de classement semble être confirmée par la Google Leak du 28 mai 2024, où le système Navboost est cité à 9 reprises dans les différentes fonctionnalités révélées dans la fuite des documents internes de l'API de recherche de Google.

Pour attribuer des scores aux documents, Navboost prend en compte de multiples facteurs, tels que :

• La fréquence à laquelle une page est visitée pour une requête spécifique
• Le temps passé par les utilisateurs sur une page
• Le taux de rebond (lorsque les utilisateurs quittent rapidement un site)
• L'engagement des utilisateurs (clics, défilement, interactions)

En combinant ces différents signaux, Navboost est capable d'évaluer la qualité et la pertinence d'une page Web par rapport aux attentes des utilisateurs. Les sites qui offrent une expérience utilisateur satisfaisante et répondent efficacement aux requêtes des internautes sont ainsi valorisés dans les résultats de recherche.

Navboost vs autres algorithmes Google

L'algorithme Navboost se distingue des autres algorithmes de Google par son approche centrée sur les données des utilisateurs. Contrairement à des algorithmes comme Panda, qui se concentre sur la qualité du contenu, ou Google Penguin, qui cible les techniques de référencement abusives, Navboost met l'accent sur l'expérience utilisateur et la pertinence des résultats organiques classiques en fonction du comportement des internautes. Cette approche permet à Google d'adapter ses résultats de recherche quasi en temps réel, en tenant compte des préférences et des attentes des utilisateurs.

En agissant de concert avec Google Glue, qui lui se concentre sur tous les types de résultats de la SERP qui ne sont pas les résultats organiques classiques, Navboost peut rapidement identifier les tendances émergentes et ajuster (nous pourrions ici utiliser le terme re-ranker) les classements de recherche en conséquence. Cette réactivité permet à la firme de Mountain View de fournir des résultats toujours plus pertinents et actualisés, ce qui améliore considérablement l'expérience de recherche des utilisateurs (c'est en tout cas le but).

Enfin, Navboost se distingue par sa capacité à personnaliser les résultats de recherche en fonction des préférences et du comportement individuel des utilisateurs. En analysant l'historique de navigation et les interactions de chaque internaute sur Chrome, l'algorithme peut adapter les classements de recherche pour fournir des résultats plus pertinents et personnalisés. Cette approche permet au géant américain de mieux répondre aux attentes spécifiques de chaque utilisateur, offrant ainsi une expérience de recherche plus satisfaisante et efficace.

Incidence de Navboost sur le SEO

L'algorithme Navboost de Google a un impact significatif sur les classements de recherche et, par conséquent, sur les stratégies de référencement naturel. En donnant la priorité aux sites Web qui offrent une excellente expérience utilisateur et répondent efficacement aux requêtes des internautes, Navboost encourage les propriétaires de sites web à se concentrer sur la qualité de leur contenu et leur utilité (d'où le Help Contentful Update - HCU), dont le dernier déploiement a eu lieu en septembre 2023). Vous vous demandiez comment Google arrive à juger de la qualité d'une page Web ? Il se sert des métriques liées au comportement des utilisateurs. Plus vous ambiancez votre audience (en termes d'engagement, de temps passé sur la page, d'interactions, etc.), plus les algos du moteur de recherche vous mettront en avant. Pourquoi ? Parce qu'il en va de l'intérêt suprême de Google, dont le succès réside dans un taux de satisfaction utilisateur élevé. Votre site plaît ? Vous serez premier !

Ainsi, parmi les facteurs clés considérés par l'algorithme Navboost, nous retrouvons :

• La vitesse de chargement des pages
• La convivialité de la navigation
• La qualité, la pertinence, l'utilité, l'originalité (la fameuse valeur ajoutée par rapport à la concurrence !) du contenu
• L'engagement des utilisateurs (temps passé sur le site, taux de rebond, etc.)
• La compatibilité mobile du site Web

En optimisant ces différents aspects, les éditeurs de sites peuvent améliorer leur positionnement dans les résultats de recherche et attirer davantage de visiteurs qualifiés.

Pour optimiser un site Web pour Navboost, il est donc essentiel de se concentrer sur l'expérience utilisateur globale. Cela implique de créer un contenu de qualité qui répond précisément aux besoins et aux attentes des internautes par rapport à leur intention de recherche spécifique, tout en veillant à ce que le site soit facile à naviguer et rapide à charger. L'optimisation pour les appareils mobiles est également cruciale, car de plus en plus d'utilisateurs accèdent à Internet via leurs smartphones et tablettes.

Autres conseils pour améliorer votre positionnement avec Navboost :

1. Utilisez des titres et des descriptions de page pertinents et accrocheurs
2. Structurez votre contenu avec des balises HTML appropriées (H1, H2, etc.)
3. Facilitez la navigation en utilisant des menus clairs et une structure de site logique
4. Encouragez l'engagement des utilisateurs en proposant des contenus interactifs et des fonctionnalités utiles
5. Analysez régulièrement les données de votre site pour identifier les points à améliorer

En suivant ces bonnes pratiques SEO et en plaçant la user experience au cœur de votre stratégie, vous serez en mesure de tirer parti de l'algorithme Navboost pour améliorer votre visibilité en ligne et attirer davantage de trafic qualifié sur votre site Web.

Ressources utiles

• Principal module évoquant l'algorithme Navboost issu de la Google API Content Warehouse qui a fuité le 28 mai 2024 ;
• Analyses, outils et ressources en lien avec la fuite de l'API de recherche de Google regroupés dans un Google Sheet par la référenceuse Aleyda Solis ;
• Chat avec le LLM créé par le référenceur JR Oakes, nourri avec les documents issus de l'API de recherche de Google qui a fuité, mais également les brevets et autres documents publics de Google ;
• Chat avec ce GPT créé par le référenceur Alexis Rylko et Iprospect France, entraîné sur les documents de l'API de recherche de Google.