Google, las indexaciones, dudas y decepciones

Por los comentarios y sobre todo, por algunos mails que he recibido, parece que el tema de Evaluar cómo nos indexa Google ha causado algunas decepciones o confusiones.

No creo poder dar explicaciones técnicas al respecto pero, por lo menos intentaré mostrar un resumen de la información disponible y, más que nada, pensar en voz alta a ver si puede sacarse alguna conclusión razonable.

Primero que nada, un problema de simple aritmética. En el post se dice:

Con Indexrank podemos saber cuál es la cantidad de páginas de un sito que han sido indexadas por Google a lo largo del tiempo ... el ranking final varía del 1 (mejor resultado) a 10 (peor resultado) ...

En muchos sentidos, esto es similar al PageRank que simplifica billones de páginas o sitios web y los "divide" en diez partes. Pero, desde la lógica, la distancia o rango entre los extremos de esa división es tan monstruosamente alto que parece irracional que un número entre 1 y 10 signifique algo.

Veamos. Para saber la cantidad de páginas indexadas por Google basta ir al buscador y escribir site:URL sin el prefijo http:// y, eventualmente, sin www. Haciendo esto, en tres sitios que imagino importantes aparecen estos resultados:

site:microsoft.com 31.100.000 de páginas indexadas
site:google.com 17.500.000 de páginas indexadas
site:yahoo.com 295.000.000 de páginas indexadas

Cualquier otro blog conocido que coloque da resultados que varían entre 200 y 4.000 páginas indexadas.

Entre 200/4000 y 295.000.000 la distancia es astronómica. Si Yahoo tuviera un ranking de 1 y nosotros de 10 podríamos aplaudir y hacer una fiesta; sólo nos separarían nueve escalones. El problema es que esos escalones tienen diferentes alturas y algunos son tan altos como el Everest.

Pero eso no es todo. El valor del "ranking" es absurdo. Esta es una captura de pantalla tomada hace unos minutos:

¡Este blog tiene el mismo ranking que Google!.

Alguien está consumiendo lo que no debe.

¿Y entonces para que nos sirve la herramienta? Es una forma de simplificar la búsqueda que podemos hacer desde el mismo Google y comparar promedios con otros sitios y con muestra propia indexación a lo largo del tiempo.

Aquí viene el segundo punto, la cantidad de páginas indexadas parece "baja" comparada con otros sitios ¿por qué?

Los robots que usa Google son llamados Googlebots, lo que hacen es recorrer la web y cuando encuentran una página, la guardan en el índice. En realidad, son computadoras que funcionan como los navegadores, hacen un pedido a un servidor, descargan la página y la guardan. Claro que miles de veces más rápido y de manera discreta, para evitar saturar los servidores ¿Y cómo encuentran esas páginas? Por un lado, porque nosotros les decimos que lo hagan agregando nuestra URL en www.google.com/addurl.html o porque tenemos marcada la opción SI de la Configuración Básica de Blogger:

¿Deseas añadir tu blog a nuestras listas? Sí No

o en Opciones Privacidad de WodPress:

Blog visibility: I would like my blog to be visible to everyone, including search engines (like Google, Sphere, Technorati) and archivers

Imagino que en cualquier otro servicio habrá opciones similares.

Pero, también lo hacen siguiendo los enlaces de cada página, tomando nota de ellos y agregándolos a su lista.

Para mantener ese índice actualizado, Google revisa las páginas y si evalua que sufren cambios constantes, las marca para "visitarlas" más seguido. Esto, en los servicios de blogs carece de importancia porque es el mismo servicio el que envía ese aviso cada vez que publicamos algo. Pero, allí no termina el trabajo.

Los Googlebots guardan el contenido de las páginas como textos y las desmenuzan hasta convertirlas en una lista de palabras ordenadas alfabéticamente lo que permite que encontremos términos específicos cuando buscamos algo. Y, por supuesto, pasa por alto ciertas palabras de uso común (stop words) así como dígitos, caracteres sueltos, dobles espacios, signos de puntuación y para evitar conflictos, convierte todo a minúsculas.

Cuando se habla de páginas indexadas no estamos hablando de enlaces sino de cuántas páginas dispone nuestro blog. En Blogger, siempre que usemos varios sitemaps, es aproximadamente igual a la suma de posts más la cantidad de meses que tengamos online sin importar si usamos blogspot o tenemos un dominio propio:

site:gemablog-.blogspot.com 414 páginas indexadas
site:spamloco.net 806 páginas indexadas

Otros servicios como WordPress tienen una indexación más eficiente porque se pueden crear páginas individuales, las páginas de archivos y las de categorías se indexan una por una, etc, etc.

El resultado final es sustancialmente distinto:

site:zonafirefox.net 3300 páginas indexadas
site:cosassencillas.com 2030 páginas indexadas

En mi caso particular, como conozco los datos, puedo compararlos con exactitud ya que uso ambos servicios.

site:vagabundia.blogspot.com
1530 páginas indexadas - 1.439 entradas - online desde el 30 de agosto del 2006

1250 páginas indexadas - 637 entradas - online desde el 10 de febrero del 2007

¿Se nota la diferencia?

Por último, algunos mitos:

• Google sólo indexa sitios que tengan colocado el código de Google Analytics: FALSO
• Google sólo indexa sitios que usen Google AdWords: FALSO
• Google sólo indexa sitios que usen Google AdSense: FALSO
• Google sólo indexa páginas si se utiliza el atributo nofollow: FALSO
• Google indexa páginas que no están en el sitemap: ES POSIBLE
• Google indexa páginas que no tienen enlaces de otros sitios: CIERTO
• Google indexa páginas visitadas a través de Google Toolbar: CIERTO
• Google indexa mejor los sitios que usan sitemaps: CIERTO

REFERENCIAS:

Google Guide

seomoz.org

Inevitable y algo previsible.

DivX, a sólo un año de su creación, anuncia el cierre de su servicio Stage6 a partir del 28 de febrero ... o sea, ya mismo.

Quienes lo hayan estado utilizando, habrán notado que las funciones de upload están deshabilitadas aunque los videos aún pueden ser vistos o descargados hasta mañana inclusive.

Las explicaciones son pocas pero, básicamente, pueden resumirse en problemas monetarios. La pregunta obvia es ¿los empresarios que lanzan este tipo de sitios no evaluan estas cosas antes? Dicen: "el manejo operativo de Stage6 es muy costoso y requiere una enorme atención y grandes recursos". Chocolate por la noticia, cualquiera, sin conocimientos se los hubiera dicho con sólo razonarlo cinco minutos.

Ahora, los usuarios se desayunarán con la noticia y como siempre, los consumidores serán consumidos.

Los textos y los párrafos tienen demasiadas propiedades como par ser listadas todas juntas así que aquí va un segundo grupo.

La propiedad text-align establece la alineación y sólo se aplica a elementos de bloque (P, DIV, Hx, etc.) y es similar al atributo ALIGN de las etiquetas.

sintaxis en HTML
elemento {text-align: valor;}
por ejemplo: p {text-align: center;}

sintaxis en JAVASCRIPT
elemento.style.textAlign='valor';
por ejemplo: this.style.textAlign='center';

Los posibles valores son: left (el valor por defecto), right, center y justify.

En Internet Explorer hay algunas propiedades exclusivas que afectan el alineamiento:

text-justify permite definir el tipo de alineamiento cuando lo definimos como justificado:
elemento {text-justify : valor;}
elemento.style.textJustify='valor';

Los posibles valores son auto (es el valor por defecto), distribute, distribute-all-lines, distribute-center-last, inter-cluster, inter-ideograph, inter-word, kashida, newspaper.

En este ejemplo, al pasar el mouse encima del párrafo se cambiará el tipo de justificación de auto a distribute-all-lines pero sólo será visible en Internet Explorer (Ver/Ocultar) [+]

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Duis autem vel eum iriure dolor in hendrerit in vulputate velit esse molestie consequat, vel illum dolore eu feugiat nulla facilisis at vero eros et accumsan et iusto odio dignissim qui blandit praesent luptatum zzril delenit augue duis dolore te feugait nulla facilisi.

text-align-last establece el alineamiento de la última línea de un párrafo:
elemento {text-align-last : valor;}
elemento.style.textAlignLast(n)='valor';

Los posibles valores son auto (es el valor por defecto), center, justify, left o right.

En este ejemplo, al pasar el mouse encima del párrafo se cambiará el tipo de justificación de auto a distribute-all-lines pero sólo será visible en Internet Explorer (Ver/Ocultar) [+]

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat. Ut wisi enim ad minim veniam, quis nostrud exerci tation ullamcorper suscipit lobortis nisl ut aliquip ex ea commodo consequat. Duis autem vel eum iriure dolor in hendrerit in vulputate velit esse molestie consequat, vel illum dolore eu feugiat nulla facilisis at vero eros et accumsan et iusto odio dignissim qui blandit praesent luptatum zzril delenit augue duis dolore te feugait nulla facilisi.

La propiedad text-decoration establece la "decoración" de un texto.

sintaxis en HTML
elemento {text-decoration: valor;}
por ejemplo: p {text-decoration: underline;}

sintaxis en JAVASCRIPT
elemento.style.textDecoration='valor';
por ejemplo: this.style.textDecoration='underline';

Los valores admitidos son:

none es el valor por defecto de los textos normales
underline subraya un texto y es el valor por defecto de los textos que tengan el atributo HREF
overline subraya el texto pero "sobre" la palabra
line-through tacha un texto con una línea y es el valor por defecto de las etiquetas STRIKE, y DEL
blink hace que el texto parpadee pero no está implementada en Internet Explorer ni en Opera

la propiedad underline la propiedad overline
la propiedad line-through la propiedad blink

En Internet Explorer pueden usarse propiedades específicas para cada uno de ellos, estableciendo el valor true o false:

this.style.textDecorationNone='true | false';
this.style.textDecorationUnderline='true | false';
this.style.textDecorationOverline='true | false';
this.style.textDecorationLineThrough='true | false';
this.style.textDecorationBlink='true | false';

Además, Internet Explorer tiene una propiedad exclusiva que determina si en un texto subrayado, esa línea se muestra arriba o abajo de los caracteres:
elemento {text-underline-position : valor;}
elemento.style.textUnderlinePosition='valor';

Los posibles valores son auto (es el valor por defecto), above, below o auto-pos.

Este es un ejemplo sólo visible en Internet Explorer (Ver/Ocultar) [+]

Un texto horizontal con la propiedad text-decoration:underline normal Lorem ipsum dolor sit amet.	El mismo texto agregando la propiedad text-underline-position:above Lorem ipsum dolor sit amet.
Un texto vertical con la propiedad text-decoration:underline normal Lorem ipsum consectetuer adipiscing	El mismo texto agregando la propiedad text-underline-position:above Lorem ipsum consectetuer adipiscing

La propiedad text-indent establece la sangría de la primera línea de un texto dentro de un elemento.

sintaxis en HTML
elemento {text-indent: valor;}
por ejemplo: p {text-indent: 50px;}

sintaxis en JAVASCRIPT
elemento.style.textIndent='valor';
por ejemplo: this.style.textIndent='50px';

Los valores que podemos utilizar son similares a los que usamos para los márgenes: cm, mm, in, pt, pc, px, em o ex o un porcentaje.

STYLE="text-indent:0px;"

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.

STYLE="text-indent:30px;"

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.

STYLE="text-indent:100px;"

Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.

La propiedad text-transform establece la forma en que se verá un texto.

sintaxis en HTML
elemento {text-transform: valor;}
por ejemplo: p {text-transform: uppercase;}

sintaxis en JAVASCRIPT
elemento.style.textTransform='valor';
por ejemplo: this.style.textTransform='uppercase';

none que el valor por defecto
capitalize la primera letra de cada palabra se transforma en mayúscula
uppercase todas los caracteres se transforman en mayúsculas
lowercase todas los caracteres se transforman en minúsculas

La propiedad text-shadow crea una sombra en el texto pero, si bien está admitida por la W3C, sólo está implementado en los navegadores Safari.

Otra propiedades exclusiva de Internet Explorer es text-overflow establece la forma en que se verá un texto si este sobrepasa el bloque que lo contiene:
elemento {text-overflow : valor;}
elemento.style.textOverflow='valor';

Los posibles valores son clip que simplemente corta el texto (es el valor por defecto) o ellipsis que muestra los caracteres ... al final del texto para indicar que este continúa. Ver/Ocultar ejemplo [+]

STYLE ="text-overflow: ellipsis; overflow: visible"

Lorem ipsum dolor sit amet, consectetuer adipiscing elit

STYLE ="text-overflow: clip; overflow: hidden"

Lorem ipsum dolor sit amet, consectetuer adipiscing elit

STYLE ="text-overflow: ellipsis; overflow: hidden"

Lorem ipsum dolor sit amet, consectetuer adipiscing elit

SUMARIO:

Las propiedades CSS (background)

Las propiedades CSS (border)

Las propiedades CSS (margin, padding y outline)

Las propiedades CSS (textos 1ª parte)

Con Link Diagnosis podemos verificar online los enlaces a nuestro sitio. Sólo debemos ingresar la URL y esperar aunque, para ver los datos completos, deberemos instalar una extensión para Firefox que nos mostrará una serie de datos adicionales tales como el PageRank de cada enlace, verificar si contienen el atributo no-follow, listar los más populares, exportar todo en formato CSV, etc.

Paciencia ... tarda bastante.

REFERENCIAS:

MicroZulo

“¿Por qué son malas las palabras? ¿Les pegan a las otras? ¿Son malas porque son de mala calidad? ¿Tienen actitudes reñidas con la moral?”

En su momento, busqué este "discurso" y no encontré el video, ahora, ya está en YouTube y no tiene desperdicio. Para quien no lo conozca, se trata de la ponencia del escritor, dibujante y humorista rosarino en el III Congreso Internacional de la Lengua Española, llevado a cabo en noviembre de 2004 en Rosario, provincia de Santa Fe, Argentina.

“La humanidad es palabra, desde el Génesis y Aristóteles, palabra articulada, y ésa es la base de nuestra civilización” (Juan Luis Cebrián)

¿Qué cosas pueden hacerse con los videos de YouTube ... aparte de mirarlos?

• Descargarlos a nuestra PC en formato FLV con KeepVid, VideoDownloader, VideoDL o GooTube.
• Descargarlos ya convertidos en algún otro formato (avi, mov, mp4) con vixy.net (gracias, Nico)
• Extraer y descarar el audio en formato MP3 con vixy.net o flvix
• Insertar metadata adicional con FLV Meta Data Injector
• Reproducir videos FLV en Windows con FLV Player o Riva
• Utilizar sólo una parte, cortándolo con FLV Parser
• Convertir los archivos FLV en otros formatos en nuestra PC usando Simplified Universal Player Encoder & Renderer o Riva FLV Encoder
• Crear o editar archivos FLV sin tener Adobe Premiere, Final Cut Pro o Macromedia Flash utilizando Windows Movie Maker y los diferentes conversores de formato.
• Leer 10 Interesting Things You Can Do with YouTube or Google Videos en Digital Inpiration

Con Indexrank podemos saber cuál es la cantidad de páginas de un sito que han sido indexadas por Google a lo largo del tiempo. Ingresamos las direcciones URL y esperamos el resultado.

El ranking final varía del 1 (mejor resultado) a 10 (peor resultado) y se calcula usando una opción especial de Google que permite mostrar contenido indexado por fechas.

Si bien ese valor final no tiene ningún significado para nosotros los blips ya que es más o menos lo mismo 100 que 10000; nos puede servir para analizar si nuestro sitio está siendo indexado correctamente.