Cei care lucreaza in SEO (sau aspira sa faca asta) stiu cu totii ca o miriada de detalii ne vor umple zilele. Arhitectura serverului, erori 404, cuvinte cheie si multe altele.
Cateodata uitam sa ne relaxam si sa incercam sa ne dam seama ce inseamna toate astea. Adaugati la asta faptul ca majoritatea expertilor SEO nu au avut parte de niciun fel de pregatire, ci mai degraba au prins lucrurile ,,din zbor’’, asa ca nu e nicio surpriza ca majoritatea redactorilor de text SEO nu stiu efectiv cum functioneaza motoarele de cautare.
Cand ati stat ultima data si v-ati gandit cum functioneaza motoarele de cautare (precum Google) efectiv? Pentru mine asta s-a intamplat luna trecuta cand scriam o postare despre webmasterii Google.
Totusi, inainte de asta, cred ca trecusera peste 5 ani de cand m-am gandit efectiv la asta. Atunci hai sa schimbam asta. In aceasta postare si in cele care vor veni vom incerca sa explicam cat mai detaliat cum functioneaza un motor de cautare precum Google. Desi terminologia si ordinea operatiilor se poate schimba subtil, Bing si Yahoo folosesc protocoale similare.
Crawling vs Indexare
Ce inseamna cand spunem ca Google a indexat un site? Pentru cei din SEO asta inseamna ca site-ul va figura intr-o cautare in Google. O astfel de cautare ne arata paginile care au fost adaugate in baza de date Google dar la drept vorbind ele nu trebuie neaparat sa fie si verificate (Eng: ,,crawled’’)motiv pentru care veti intalni ocazional mesajul acesta:
A description for this result is not available because of this site’s robots.txt – learn more.
Indexarea e ceva complet diferit. Daca vreti sa simplificati lucrurile ganditi-va in felul urmator: URL-urile trebuie sa fie descoperite inainte de a fi verificate de robotul Google si trebuie sa fie verificate iniante de a fi indexate; mai bine spus contin unele cuvinte ce sunt asociate cuvintelor din indexul Google.
Un prieten de-al meu a descris procesul in felul urmator si nu cred ca m-as descurca mai bine ca el asa ca va transcriu ce a spus cuvant cu cuvant:
Un index nu contine documente ci o lista de cuvinte sau fraze si, pentru fiecare din ele, o referinta catre toate documentele legate de acel cuvant sau fraza.
Noi spunem ca ,,documentul a fost indexat’’ dar in realitate asta inseamna ca ,,unele cuvinte legate de document acum directioneaza utilizatorii catre document’’. Documentele, in forma completa sunt arhivate altundeva.
Un alt prieten de-al meu a spus asta pe marginea subiectului:
Google afla despre URL-uri...apoi adauga aceste URL-uri in sistemul sau de programare a verificarilor cu crawlere. Elimina continutul duplicat, apoi rearanjeaza lista de URL-uri in ordinea prioritatii lor si incepe verificarile cu crawlere in acea ordine.
Prioritizarea se face in functie de multi factori...Odata ce o pagina a fost verificata, Google incepe un alt proces algoritimic ca sa determine daca sa stocheze pagina in indexul sau sau nu.
Un alt prieten de-al meu a spus asta pe marginea subiectului:
Google afla despre URL-uri...apoi adauga aceste URL-uri in sistemul sau de programare a verificarilor cu crawlere. Elimina continutul duplicat, apoi rearanjeaza lista de URL-uri in ordinea prioritatii lor si incepe verificarile cu crawlere in acea ordine.
Prioritizarea se face in functie de multi factori...Odata ce o pagina a fost verificata, Google incepe un alt proces algoritimic ca sa determine daca sa stocheze pagina in indexul sau sau nu.
Asta inseamna ca Google nu verifica fiecare pagina pe care o intalneste si nu indexeaza fiecare pagina verificata.
Mai jos aveti versiunea simplificata in limba engleza, distribuita de Google:
Cateva lucruri importante de tinut minte:
- Robots.txt nu va face decat sa opreasca verificarea cu crawlere a unei pagini. De aceea Google are cateodata printre rezultatele sale pagini precum cea cu mesajul de care am vorbit mai sus. Desi Google a reusit sa asocieze pagina cu cuvinte bazate pe linkuri interne, nu a reusit sa verifice efectiv continutul paginii.
- Comenzile de non-indexare la nivelul paginii nu sunt definitive. Desi Google poate verifica o pagina si poate asocia cuvintele cu indexul sau, nu ar trebui sa includa acea pagina in rezultatele de cautare.
Cu toate acestea, am vazut cazuri in care Google a inclus o pagina non-indexata in rezultatele lor disponibile public, iar Google spune ca ar putea sa ignore comanda de non-indexare daca alte informatii indica faptul ca pagina ar trebui indexata. Aceasta e o zona importanta unde Google se diferentiaza de restul motoarelor de cautare. Yahoo si Bing vor respecta comenzile dumneavoastra de non-indexare, nu vor indexa pagina si nici nu o vor include in rezultatele de cautare.
Mai jos aveti versiunea simplificata in limba engleza, distribuita de Google:
Cateva lucruri importante de tinut minte:
- Robots.txt nu va face decat sa opreasca verificarea cu crawlere a unei pagini. De aceea Google are cateodata printre rezultatele sale pagini precum cea cu mesajul de care am vorbit mai sus. Desi Google a reusit sa asocieze pagina cu cuvinte bazate pe linkuri interne, nu a reusit sa verifice efectiv continutul paginii.
- Comenzile de non-indexare la nivelul paginii nu sunt definitive. Desi Google poate verifica o pagina si poate asocia cuvintele cu indexul sau, nu ar trebui sa includa acea pagina in rezultatele de cautare.
Cu toate acestea, am vazut cazuri in care Google a inclus o pagina non-indexata in rezultatele lor disponibile public, iar Google spune ca ar putea sa ignore comanda de non-indexare daca alte informatii indica faptul ca pagina ar trebui indexata. Aceasta e o zona importanta unde Google se diferentiaza de restul motoarelor de cautare. Yahoo si Bing vor respecta comenzile dumneavoastra de non-indexare, nu vor indexa pagina si nici nu o vor include in rezultatele de cautare.
Niciun comentariu:
Trimiteți un comentariu