La web es un conglomerado de información, interconectada, y que en muchas veces se repite como si fuese una fotocopia de un libro. Pues bien, cuando se encuentran páginas en URLs (direcciones) diferentes que poseen el mismo contenido, se dice, popularmente, que usted encontró un contenido duplicado.
El trabajo de los mecanismos de búsqueda, tales como Google, Yahoo y MSN, es indexar todo el tipo de información, tornándola accesible a través de sus  sitios web de búsqueda, pero y cuando ellos se encuentran con la misma “página” de un libro varias veces? En este caso, ellos aplican algoritmos para eliminar duplicadas, limpiando su índice de búsqueda de resultados repetidos.

Mi sitio posee contenido duplicado?

Una de las mayores dudas cuando usted lee este articulo es “Mi sitio posee contenido duplicado?”. Esta duda asota a grande parte de los desarrolladores web y profesionales de SEO pues detectar contenido duplicado no es una tarea simple, pero también no es imposible. Veamos algunos casos clásicos, que cubren cerca del 90% de los problemas de contenido duplicado:

Múltiples Dominios – el mismo contenido

En su articulo mas reciente, Pedro Dias, jefe del equipo de Google de Webspam de la lengua portuguesa, ilustro dos casos muy interesantes. Los casos son de dos bancos que compraron diversos dominios, con la probable idea de proteger a su marca, y al ingresar a sus URLs, usted se encontraba siempre con el mismo contenido. Por ejemplo, usted puede ingresar a cualquier URL de abajo y encontrará el mismo contenido:

http://www.millenniumbcp.pt/

http://www.bpatlantico.pt/

http://www.cidadebcp.pt/

http://www.bcp.pt/

http://www.banco-comercial-portugues.org/

http://www.banco-portugues-atlantico.info/

Este control de dominios ilustrado en el ejemplo es completamente errado pues los usuarios pueden confundirse a la hora de ingresar al sitio del banco, ademas de crear un linkagen cada vez para dos dominios, así, los mecanismos de búsqueda identifican todos los dominios como competidores, perjudicando su aparición en los resultados de búsqueda.

La solución para este problema es simple: basta adicionar un redireccionamiento 301 de todos los dominios para uno solo, así al ingresar a las URLs, el usuario y consecuentemente todo el link juice será direccionado para el dominio correcto.

Dominios con www vs Dominios sin www

Este es uno de los casos mas comunes de problemas con contenido duplicado. Haga una prueba: trate de ingresar su dominio con y sin www en la URL. Si obtiene el mismo contenido con las URLs diferentes entonces usted corre el riesgo de estar con una gran cantidad de contenido duplicado.

Esto sucede pues algunos usuarios pueden linkar para sus páginas con la URL misitio.com/pagina.html y otros pueden linkar para sus páginas con la URL www.misitio.com/pagina.html. Cual es la correcta?

Los mecanismos de búsqueda identifican estas páginas como diferentes y así deciden escoger una de las dos como el contenido original.

Para solucionar este problema, utilice nuevamente el redireccionamiento 301, haciendo con que al ingresar a su sitio web, todas las páginas sean direccionadas con O sin www. Es importante escoger solo un modo.

Páginas con URLs diferentes pero contenido igual

Este tipo de problema es muy común en sitios de comercio, donde se consigue ingresar dos páginas que posee el mismo contenido, a través de caminos diferentes. Por ejemplo:

Página Inicial > Televisores > 42″ > LG

Página Inicial > Televisores > LG > 42″

Imagine que haciendo los caminos ilustrados arrima, produzcan las siguientes URLs:

http://www.misitio.com/televisores/42/LG

http://www.misitio.com/televisores/LG/42

De esta manera, podemos ingresar el mismo contenido a través de dos URLs distintas, resultando en un contenido duplicado. Lo correcto en este caso es hacer uso de la Canonical Tag, que garantice que los mecanismos de búsqueda no caracterizaran las dos páginas como iguales, pero si identificar solo una como el contenido original.

Títulos y Meta Tags duplicadas

Páginas con title tags y meta description idénticas, hecho que ademas de poder ser interpretado como contenido duplicado también puede generar competencia innecesaria entre páginas de contenido diferente.

Google posee una área en el Google Webmaster Tools que muestra los problemas con títulos y meta descriptions duplicadas. Para  ingresar a esta área siga los pasos:

En esta área Google muestra la cantidad de meta descriptions duplicadas, ademas de mostrar cuales son estas páginas. Lo mismo es válido para títulos, donde este indica también  si existen títulos largos de mas.

Herramientas útiles para detectar contenido duplicado

Existen algunas buenas herramientas gratuitas, que pueden ayudar a identificar si u sitio tiene contenido duplicado:

1. Duplicate content tool: una herramienta gratuita solo basta registrarse y usar. Con esta es posible determinar:

• La existencia de versiones con www y sin www de su página;
• Verificar el cache de Google;
• Verificar el nivel de similaridad entre las páginas de su sitio;
• Verifica la dispersión del Pagerank ( si versiones con www y sin www de sus páginas en caso  de que existan contienen diferentes PRs );

2. Xenu: Verifica su sitio y retorna una tabla conteniendo todas las URLs disponibles en su sitio, todo lo que usted tiene que hacer es verificar las meta tags y ver si ellas no están duplicadas.

3. Google Webmaster Tools: También puede ser usado para encontrar e identificar títulos y meta tags duplicadas.

Guía Rápida para Detectar Contenido Duplicado

Vimos arriba como Google Webmaster Tools puede ayudarnos con eso, pero el proprio Google también es muy útil para eso y veremos ahora como utilizarlo para verificar si usted tiene un problema de contenido duplicado.

Lo que haremos es simplemente mirar en el index de Google para ver si está indexado, identificando lo que es duplicado.

Use su buen sentido

Comience haciendo una búsqueda de tipo sitio:ejemplo.com.

Pista: después de hacer la búsqueda, adicione &filter=0 al final de la URL que fue generada en barra de dirección de su navegador para que Google no omita ningún resultado.

Preste atención en la cantidad de páginas indexadas. Usted realmente tiene ese número de páginas o el número está muy alto? Si esta, usted tiene contenido duplicado.

Recorra los resultados

Probablemente fue la primera cosa que usted pensó, y si todavía no lo hace, recorra las páginas para ver los resultados.

Busque por URLs parecidas, mal hechas, con query strings (como ?=sessionid o ?first_page etc.), que lleven a páginas
idénticas. Preste mas atención en las ultimas páginas, son en las que generalmente se quedan escondidos los errores. Vea si los títulos y descripciones no son los mismos.

Verifique los resultados sospechosos

Pegue alguna query string encontrada en los resultados, por ejemplo:

?atributo_valor

Será que esa string le va a causar problema? Verifique que está indexado (página en el cache de Google) para ver si hay algún problema.

Lo Mismo que la versión sin  la string presenta un contenido diferente, ella puede tener las mismas meta tags y title. O sea, contenido duplicado.

Descubra cuantas páginas están duplicadas

No es muy difícil. Utilice el modelo para hacer una búsqueda:

sitio:ejemplo.com. inurl:atributo_valor (ejemplo que vimos arriba)

Aquí usted va a ver exactamente cuales páginas duplicadas están siendo generadas por algún atributo.

Conclusiones

Cada vez mas la web crece en contenido, sea en contenido duplicado o en contenido “original”. La cuestión es no dar paso para que su sitio web sufra de contenido duplicado, dividiendo todo su juice y haciendo que sus páginas compitan
entre si.

Incluya en su Checklist de SEO la verificación de contenido duplicado, pues esto puede hacer que usted gane una mejor
visibilidad.

Un abrazo!

Contenido Duplicado – Casos y Soluciones is a post from: Blog Maestro de SEO

Hoy siguiendo la serie de posts de Frank Marcel sobre el Twitter, en los cuales usted aprendió a Optimizar la Meta Description y a Optimizar el Título y ya conoce los 5 Plugins para integrar el Twitter al WordPress ademas de las 15 herramientas Útiles e Inútiles Para el Twitter voy a tratar otro asunto, ligado al Twitter pero no directamente con las técnicas de SEO.

Todos sabemos de la importancia de las redes sociales para el éxito de su sitio o blog. En una “red social” es de suma importancia ser influyente, o mejor, “bien visto” en la comunidad, principalmente cuando el asunto es conseguir difundir una idea, generar un viral o simplemente hacer un buzz de su marca o persona. Si usted tiene dudas en cuanto a eso le aconsejo la lectura de ese post: Marketig Viral – Como Generar un Buzz en la Internet.

En el Twitter eso no es diferente, ser “bien visto” por la comunidad le provocara cada vez mas followers por lo tanto una mayor visibilidad, sea de su persona, marca, blog o lo que este ligado directamente a usted. La importancia del Twitter ya fue y está siendo comprobada a través del creciente número de marcas multinacionales adoptando el Twitter como forma de mantener un contacto directo con sus clientes y monitoriar su marca. Algunas de las marcas ya presentes y muy activas en el Twitter: Nokia, Submarino, Dell (USA), CNN entre muchas otras.

Con esa creciente importancia del Twitter conseguir una buena visibilidad en este es muy importante. En un estudio hecho por  Dan Zarrella, viral marketing scientist, como el mismo se nombra, el da pistas de algunas tácticas para conseguirse un mayor número de Retweets (Retweet es  el nombre dado cuando una persona retransmite una mensaje que usted tenga enviado) :

• El llamado “Call for Action” como por ejemplo “ReTweet por favor”, puede hasta parecer una táctica mala pero funciona muy bien para conseguirse Retweets;

• Contenidos relevantes ganan muchos ReTweets independientemente si es de su autoria o no;

• A las personas les gustan “Retweetar” posts de blog;

En su estudio la ocurrencia de un “call for action”, claro los educados como el por favor, y el uso del Twitter para difundir información a través de links, obtuvieron una amplia ventaja en el número de ReTweetes, observen los gráficos de abajo.

Otro punto muy importante para conseguirse ReTwittes es sin duda el horario. Nadie, por mas interesante que sea el post de su blog o la noticia que usted está compartiendo o la broma que usted twitto va a ReTweetarlas (si estamos creando uno nuevo de português para adecuarse al Twitter) las 3 horas de la madrugada lo harían, pero la gran mayoría de las personas normales a esa hora está durmiendo o sin paciencia alguna de leer cualquier cosa y mucho menos de ReTwittarlas.

En su estudio Dan Zarrela concluyo que el mejor horario para Twittarse seria de las 11 de la manaña hasta las 15. A pesar de que el usa por base un horario específico de los EUA en el caso (EST: Eastern Standard Time) la diferencia entre nosotros es de apenas 1 hora y siendo así concuerdo en que se aplique a nuestra realidad también.

Un punto muy bien recordado por Rand Fishkin en ese post fue al respecto de Twittadas comerciales, como por ejemplo las de Marcelo Tas, para quien no sabia de la historia lea mas aquí. Es necesario recordar que los usuarios mas aficionados de medios sociales en su gran mayoría odian las twittadas, posts en blog, o cualquier otra forma de noticia patrocinadas con fines comerciales, principalmente por que los links del Twitter serian mandados utilizándose abreviaturas de URL, las cuales, “enmascaran” la dirección correcta del link.

No olvide siempre de recompensar los ReTweets aunque que sea solo un agradecimiento, un gracias, eso puede parecer algo vago en el mundo online, pero es muy apreciado por las personas que ReTwittaran su mensaje o link. Con esas pequeñas pistas usted puede conseguir mejorar su visibilidad consiguiendo mas followers y consecuentemente mas Retweets.

Ahora que usted tiene mas claros los pasos sobre el asunto, que tal aplicarlos? Haga sus pruebas y déjenos los comentarios de sus resultados.

OBS: No se olvide de seguirme en el Twitter @brunonassar

Twitter: Manual Para Ganar Un ReTwee is a post from: Blog Maestro de SEO

Ariel Lambrecht, una integrante del Equipo de Calidad de Google de la lengua portuguesa conjuntamente con Pedro Dias, envió a través de su twitter lo que el llamo “Guía de Google para la elección de un SEO #google” como usted pode ver en la imagen de abajo:

La guía hace una pequeña introducción sobre SEO y destaca algunos puntos esenciales que usted debe tener presente al momento de contratar una empresa para hacer una optimización para motores de búsqueda (SEO) de su sitio. Una de las afirmaciones de Google en esa guía, reforzó nuestra respuesta a una pregunta hecha por diversos clientes y posibles clientes que es: Usted puede garantizar que mi sitio va a hacer el primero en Google? La respuesta del propio Google es:

Nadie puede garantizar la clasificación en el primer lugar en Google.
Cuidado con los SEOs que dicen garantizar su clasificación o tener unas “relaciones privilegiadas” con Google o que anuncian un “envío prioritario” para Google. No existe envió prioritario para Google.

Usted DEBE leer esa pequeña guía, que podrá ser la diferencia al contratarse una empresa seria de SEO o una que le prometerá primeras posiciones, millones de visitantes y no las cumplirá. Queda ahí la pista para usted que pretende comenzar una campaña de optimización para motores de búsqueda (SEO) en su sitio, todo inicia con la elección correcta!

Está en duda sobre cual empresa contratar para hacer la optimización para motores de búsqueda (SEO) de su sitio? Lea la Guía de Google para la Elección de un SEO.

Guía de Google Para Contratar una Empresa de SEO is a post from: Blog Maestro de SEO

En los comentarios de aquel articulo, el lector Daniel pregunto cuando seria posible optimizar la title tag de su perfil en el Twitter para que quede una optimización todavía mas completa de la página. El hecho es que ya es posible y, en este articulo, voy a mostrar como funciona.

Como Optimizar Title Tag en el Twitter – Twitter SEO

Para tener una title tag optimizada en el Twitter, es necesario editar su perfil y, para eso, debe ingresar a las configuraciones (settings) de su perfil:

En la página de configuraciones, en la casilla de la cuenta (Account), actualice su nombre (Name) para un título que sea mas adecuado:

Desafortunadamente, todavía sobra un poco de “basura” en el título automático que el Twitter monta a partir del nombre que usted especifico en la configuración de la cuenta, pero aun así, vale la pena la optimización:

La parte (frankmarcel) en el Twitter, es generada automáticamente por el Twitter siguiendo algo como (username) en el Twitter. Aun así, no abuse del título escribiendo cualquier cosa, o un título muy extenso, pues el título definido también aparecerá como contenido de la página, lo que es bueno, pues es mas contenido agregado a su página del Twitter, pero si fuera usado spam, va a quedar feo.

No necesita ser tan sucinto en cuanto al título, pero yo estoy interesado en rankear mi Twitter para mi nombre solamente (el SEO lo utilizare para establecer una relación entre mi nombre y SEO), entonces, este título es suficiente mientras tanto.

La Title Tag para el SEO

Conforme lo escribí en mi post sobre Title Tag SEO, el título de la página está entre los principales factores on-page de rankeamiento utilizados por los motores de búsqueda o search engines para montar sus páginas de resultados, y, por eso mismo, cada página debe tener su title tag muy bien trabajada para aumentar la competitividad de una página en los resultados de búsqueda. Aproveche las pistas que deje por allá.

En el caso de mi Twitter, el conjunto Title tag y Meta description tag fue la diferencia entre la posición 80a. y la 4a. – es algo que realmente importa. No es que la búsqueda por mi nombre sea muy solicitada, pero fue la diferencia entre tener 9 y 10 resultados mios en la primera página para la busca Frank Marcel.

Recuerde que cada reply que un perfil recibe (@frankmarcel, por ejemplo) es un nuevo link para su perfil, y, en segmentos mas solicitados, tener un perfil en el Twitter bien movido puede también significar  un resultado mas entre los 10 primeros en su nicho de mercado, especialmente combinando esos links com SEO On-Page.

Buenas tuitadas! Hasta la próxima.

SEO en el Twitter – Optimizando Título is a post from: Blog Maestro de SEO

El objetivo de cualquier sitio web es ofrecer una experiencia única a su usuario, suministrando contenido de calidad para añadir alguna información a los que están leyendo o los que interactúan en ese lugar. ¿Pero qué pasa cuando usted llega a una determinada página o documento que no existe? Usted llega a un camino sin salida y tiene una advertencia, de que lo que está buscando no está allí.

Una vez aquí en la MaestrodeSEO abordamos la importancia de tener una página 404 personalizada, con información relevante para el usuario que no encuentra ese contenido que está buscando, pero usted sabia que los mecanismos de búsqueda, con sus webcrawlers también ven esta página como un camino muerto sin salida?

El proceso de una forma simplificada sucede así: Tanto para su navegador y para los mecanismos de búsqueda, cuando se hace una solicitud a una URL, el servidor web, dueño del archivo, realiza una serie de exámenes, tales como, si el propio servidor está disponible, comprueba que la URL sea válida y también que el archivo exista. En esta verificación en caso de que el archivo no exista el servidor Web hace un tratamiento de manera que informe al solicitante el código del error de archivo no encontrado, en el caso del código 404. En la imagen del lado, el autor Alan Dean, ilustra la verificación y los examenes efectuados por el servidor web cuando una página es solicitada.

Pues bien, al retornar este código, tanto en su navegador, como los mecanismos de búsqueda reciben el código 404 e identifican que el archivo solicitado no existe e informan tambien cual página es la responsable por mostrar la página de error.

Según un análisis realizado por SEOmoz, cerca del 4% de las respuestas de solicitud de paginas son errores de 404, en comparación con otras respuestas, tales como el código 200, de página encontrada, que posee el 81%.

El problema no es informar las URL que resulten en un error 404, pero si cuando esta página, que deberia informar un 404, comienza a informar a otro código.

Imagínese el siguiente escenario: el Webcrawler encuentra un link para su sitio. Al solicitar esta página, y recibir el código 200, de pagina encontrada, el Webcrawler Incia todo el proceso de indexación como sabemos. Pero luego viene la pregunta, aquella página debía ser indexada? No era para el mecanismo de búsqueda ver que esta no existía y parar alli?

Pues bien, este es el problema! Cuando una página proporciona el código 200, el Webcrawler indexará su contenido, ya cuando proporciona el error 404 este detenga. Ahora imagine que su servidor devuelve el código 200 también para cada página que no existe. Esto hará que los mecanismos de búsqueda indexen la misma página de error numerosas veces,pudiendo a largo plazo, perjudicar sus rankings, pues usted estará informando que tiene infinitas URLs.

Así, es muy importante que usted verifique en sus proyectos si el servidor devuelve el código 404 cuando usted solicita una página inexistente. Para ayudarlo en esta tarea, tenemos una herramienta de verificación de los códigos de solicitud HTTP. Con esta usted puede ver cual código de una página de su sitio retorna.

En un proyecto de optimización para motores de búsqueda (SEO), es muy fácil concentrarse y observar aspectos básicos, pero este tipo de problema es muy serio y puede comprometer la evolución de su sitio web. Entonces, para personalizar su página de error 404, asegúrese de que devuelve el código 404, sino puede causar serios problemas.

Un abrazo y al siguiente.

Páginas 404 No Deben Retornar el Código 200 de Status is a post from: Blog Maestro de SEO

Los operadores avanzados permiten que usted profundice y entienda mejor algunos aspectos de los algoritmos de los search engines. A través del uso de los operadores sus búsquedas se tornan mas precisas, pues tornándose mas “profundas”. Por ejemplo, en campañas donde el enfoque es el link building, el operador link: es un importante aliado.

En la tabla de abajo separe algunos de los principales y mas útiles operadores para analizarse la optimización de motores de búsqueda (SEO) de un sitio.

Estos operadores son grandes aliados en el trabajo de optimización de sitios. Si usted todavía no los conocía y nunca uso los operadores espero que este articulo lo ayude a iniciar. Si ya los conocía, usted usa algún otro operador? Deje su comentario y compartanos sus experiencias.

SEO y Los Operadores de Busqueda Avanzada is a post from: Blog Maestro de SEO

1. Google Analytics para WordPress

Este plugin para Wordpress inserta automáticamente el tracking code en todas nas páginas del blog. Algunas opciones avanzadas también están disponibles como rastrear downloads y clics en ads.

2. Verificación del código de analytics en todo el sitio

Si usted sospecha que algunas páginas están con el tracking code errado o simplemente ausentes use la herramienta Sitescanga para salir de la duda. Es solo digitar la dirección del sitio y el email donde debe recibir una URL para verificar el resultado.

3. Rastree el Tráfico de los motores de búsqueda o search engines regionales

El Google Analytics soporta decenas de search engines, pero tal vez usted tenga la necesidad de saber exactamente de cuales motores de búsqueda o search engines regionales ellos están viendo, si son de googgle.com.uk, google.co.jp, msn.co.uk, etc., el Help Center del Analytics nos enseña como adicionar nuevos search engines manualmente o podemos utilizar una variación del trackingcode de GA, basta llamar el archivo custom_se-ga.gs junto al código:

Esta es la estructura del código actual:

<script>
// load the ga.js file
</script>

<script>
// set account number
// track pageview visit
</script>

Después de la alteración este quedara así:

<script>
// load the ga.js file
</script>

<script>
// set account number
</script>

<script src=”/scripts/custom_se-ga.js” type=”text/javascript”></script>

<script>
// track pageview visit
</script>

el resultado final:

<script type=”text/javascript”>
var gaJsHost = ((”https:” == document.location.protocol) ? “https://ssl.” : “http://www.”);
document.write(unescape(”%3Cscript src=’” + gaJsHost + “google-analytics.com/ga.js’ type=’text/javascript’%3E%3C/script%3E”));
</script>

<script type=”text/javascript”>
var pageTracker = _gat._getTracker(”UA-123456-1″);
</script>

<script src=”/scripts/custom_se-ga.js” type=”text/javascript”></script>

<script type=”text/javascript”>
pageTracker._trackPageview();
</script>

Cuidado! el ejemplo de arriba usa un código aleatorio ‘UA-123456-1’, no olvide de sustituirlo por el suyo.

4. Adicionando Notas/Comentarios en el Analytics

El GA Notes, plugin para firefox, permite agregar notas en el Google Analytics, asi podemos documentar cualquier cambio ocurrido en el área de marketing, en la economía o industria, una optimización hecha en el sitio, etc… Toda información adicionada no es almacenada en su computador o en un servidor específico para el plugin, pero si en los propios servidores de Google, pues utiliza el Google’s App Engine, y toda la información transmitida es encriptada.

En caso de necesitar de mas informaciones vea nuestra categoría de post sobre Google Analytics. Deje su comentario y complemente con herramientas el plugins que usted conozca, abrazos.

Google Analytics: Pistas, Trucos y Plugins para Firefox y Wordpress Parte II is a post from: Blog Maestro de SEO

La fundamental importancia de tenerse meta description tag en cada página de un sitio,y que ella sea hecha individualmente de acuerdo con el tema de la página a la que está sirviendo, es que esa meta description será preferiblemente usada como snippet en Google, al contrario de que Google muestre una porción del contenido de la página, no mostrara nada u otros tipo de informaciones.

Eso significa que la meta description es un importante factor de rankeamiento en Google y debe siempre ser usada mencionando las keywords de la página en su contenido. Tan importante que el proprio Twitter tiene un campo específico en la cuenta de sus usuarios para ser usado como meta description. Para llegar allá, ingrese a las configuraciones (settings) de su cuenta:

Encuentre el campo One Line Bio y rellenelo:

Es importante observar que el campo debe ser ocupado con apenas 160 caracteres, que es el mismo tamaño de la snippet que Google muestra en sus páginas de resultado, excepto en los casos en que muestra una snippet mayor. O sea, utilizando el One Line Bio, el perfil del Twitter que usted usa gana mas competitividad para los términos que usted necesita – sea su nombre o su marca/empresa – simplemente mencionándolos en su meta description:

Otro detalle: la One Line Bio también es exibida en la página del perfil, entonces no va hacer spam con repeticiones de keywords pues su perfil puede quedar feo. Mantenga la linea:

Mi perfil todavía no rankea bien para mi nombre, voy acompañar como este queda de aquí en adelante. Si usted todavía no me sigue en el twitter, aproveche y empiece a seguir mis tuitadas: Frank Marcel. Hasta la próxima!

SEO en el Twitter con Meta Description is a post from: Blog Maestro de SEO

Stop words (o palabras de parada – traducción libre) son palabras que pueden ser consideradas irrelevantes para el conjunto de resultados a ser exhibidos en una búsqueda realizada en un motor de búsqueda o search engine. Ejemplos: las, y, los, de, para, con, sin, fue.

Claro que, irrelevantes, depende de la búsqueda realizada, pues el contexto de la búsqueda hará toda la diferencia para cada palabra usada en la investigación realizada.

Pero porque estoy hablando de este tema? Porque muchas personas que buscan hacer alguna optimización para motores de búsqueda (SEO) acaban preguntándose sobre la relevancia de utilizar stop words en su contenido: títulos, meta description, meta keywords y en el contenido propiamente.

Antes de proseguir, es importante entender como los motores de búsqueda o search engines trabajan las palabras de una frase: dada una frase, el motor de búsqueda o search engine la quiebra en tokens, siendo cada token un subconjunto formado por las palabras de esa frase. Nathalia describió como funciona este proceso en un artículo aquí en la MaestrodeSEO sobre como los search engines tratan el texto ancla. El ejemplo fue:

Supongamos que el search engine o motor de búsqueda encuentra un link con texto ancla “Diez Pistas Rápidas”. Convirtiendo en tokens:

· “Diez Pistas Rápidas”
· “Diez”
· “Pistas”
· “Rápidas”
· “Pistas Rápidas”
· “Diez Pistas”
· “Diez Rápidas”

Entendiendo como son tratadas las frases en investigaciones, vamos para el tratamiento de stop words y como los search engines o motores de búsqueda identifican los posibles stop words.

Stop Words – Como Google los Identifica?

Encontré un post “antiguo” (agosto/08) en el sitio SEObytheSEA que reportaba una patente de Google sobre como su search engine o el motor de búsqueda puede trabajar para identificar las stop words de acuerdo con la investigación realizada, y esta funciona de la siguiente manera:

· Para una búsqueda dada, esta es quebrada en tokens y son montados conjuntos de resultados para tokens conteniendo las posibles stop words y sin las posibles stop word; los resultados obtenidos en los conjuntos son comparados, su similitud definida y las posibles stop words identificadas:

Se complicó? Vamos a ver un ejemplo: al realizar la búsqueda “Los otros” en Google, el conjunto de los 10 primeros resultados es compuesto de:

· 4, entre los 7 primeros resultados, sobre la película “Los Otros”
· 3 resultados de música
· 3 resultados de literatura

Por otro lado, la búsqueda por “otros“, retorna en su conjunto de 10 primeros resultados:

· 2 resultados sobre música
· 2 resultados de vídeos (pe. Fabio de Melo y Kid Abelha)
· Google Maps
· 1 sobre la película
· 5 resultados más diversos

O sea, el artículo definido “los”, en este caso, es totalmente relevante para el conjunto de los resultados presentados. Por otro lado, comparando el conjunto de resultados de la búsqueda “las perlas de la internet” (1) contra el conjunto de “perlas de la internet” (2), se nota que 7 de los 10 primeros resultados en (1) están entre los 10 primeros en (2).- una similitud de 70%. El articulo definido “las” puede ser tratado como una stop word.

Conclusión

De hecho, la patente de Google tiene sentido y puede ser que esté realmente siendo usada, o, tal vez, una versión bien próxima de esta patente garantizada el año pasado a Google. Para saber si un término puede ser considerado o no como stop word, es realmente necesario hacer la prueba y evaluar el resultado.

Pero tenis siempre en mente que el uso adecuado de stop words también influencia la decisión de hacer clic del usuario. Frases apenas escritas pueden aumentar el rechazo del usuario, tal como lo comenté en mi artículo sobre optimización de palabras escritas de forma errada.

En los ejemplos de este artículo, yo probé solamente los primeros 10 resultados de 2 tokens, Google puede probar mucho más y definir el grado de similitud ( 70%, 30%, 90%) cómo le parezca más apropiado, pero las pruebas se muestran bien concluyentes.

Que encuentra usted? Cuál es su experiencia con stop words? Deje su recado en los comentarios, hasta la próxima!

Stop Words – Como Funcionan las Palabras de Parada? is a post from: Blog Maestro de SEO

Este mes AOL lanzó un nuevo portal BETA, el Love.com, que viene atrayendo discusiones de periodistas y de nuestra área de optimización para motores de búsqueda (SEO).

Básicamente el Love.com es un sitio web automatizado que genera contenido de cualquier tipo, organizado en subdominios, donde este contenido es recolectado de fuentes “confiables”, tales como el Youtube, Twitter y Relegence. Poca interacción humana es necesaria para producir los miles de subdominios que el Love.com posee y según el sitio TechCrunch, el sitio web ya cubre más de 350 mil tópicos y posee más de 100 mil visitas únicas en la semana.

Después de leer el artículo de Aaron Wall del SEOBook.com, sentí la necesidad de discutir los problemas que love.com posee. Vamos a los puntos:

Generación de Contenido Duplicado

Basado en la idea de combinar contenido de varios servicios, las páginas del Love.com son completamente “copiadas” de sus fuentes originales. Así, los mecanismos de búsqueda pueden considerar cada subdominio como contenido duplicado.

Cross-Linking de los Contenidos

A través de una relación entre palabras, el sistema del Love.com produce en su encabezado, una lista de palabras similares a las que usted está viendo e interlinka con este contenido, haciendo que cada subdominio se conecte a otros subdominios del mismo sistema.

Uso de Links de un Dominio ya Existente

Para quien no sabe el sitio Love.com es un antiguo sitio que apuntaba para el Match.com, un sitio de relacionamiento muy fuerte en los EUA. A lo largo del tiempo el Love.com recibió diversos links y ahora el mismo juice que era pasado para él está siendo aprovechado en este nuevo modelo del sistema.

Uso del Contenido de Terceros para Ganar con Publicidad

Si tiene un problema que la web brasilera conoce es que roba contenido y utiliza varias formas de publicidad para ganar dinero con el contenido “robado”. No muy lejos, el Love.com hace un sistema parecido, donde este obtiene el contenido de las diversas fuentes y en su esquina inferior derecha, exhibe una lista de publicidad de AOL.

Finalizando

La cuestión final que queda es hasta cuando los mecanismos de búsqueda, como Google, Yahoo! y MSN, van a permitir que el sitio Love.com produzca contenido de esta forma. Será que ellos van a dejar que esto pase en blanco por ser un sitio con alto Trust?

Hasta cuando Google va a continuar indexando los nuevos subdominios de AOL? En el momento está en 133 mil “subdominios” indexados…

Y ojo que yo no llegué ni a comentar que cada subdominio del Love.com posee un link en el footer para la AOL…

Love.com – Un éxito de AOL pero un problema para Google? is a post from: Blog Maestro de SEO