Page Rank es un tema muy discutido por los expertos en optimización de motores de búsqueda (SEO). En el corazón de PageRank hay una fórmula matemática que parece aterradora de ver pero que en realidad es bastante simple de entender.
A pesar de esto, ¡muchas personas parecen equivocarse! En particular, “Chris Ridings de http://www.searchenginesystems.net“ ha escrito un artículo titulado “Explicación de PageRank: todo lo que siempre quiso saber sobre PageRank”, señalado por muchas personas, que contiene un error fundamental desde el principio en la explicación! Desafortunadamente, esto significa que algunas de las recomendaciones en el documento no son del todo precisas.
Al mostrar el código para calcular correctamente el PageRank real, espero lograr varias cosas en esta respuesta:
- Explique claramente cómo se calcula el PageRank.
- Repase cada ejemplo en el documento de Chris y agregue algunos más, mostrando el PageRank correcto para cada diagrama. Al mostrar el código utilizado para calcular cada diagrama, me abrí a la revisión por pares, principalmente en un esfuerzo por asegurarme de que los ejemplos sean correctos, pero también porque el código puede ayudar a explicar los cálculos del PageRank.
- Describa algunos principios y observaciones sobre el diseño de sitios web basados en estos ejemplos calculados correctamente.
Cualquier buen diseñador web debería tomarse el tiempo para comprender completamente cómo funciona realmente el PageRank: si no lo hace, ¡el diseño de su sitio podría dañar seriamente sus listados de Google!
[Nota: no tengo nada en particular contra Chris. Si encuentro otros documentos sobre el tema, intentaré comentar de manera uniforme]
¿Cómo se usa el PageRank?
PageRank es uno de los métodos que utiliza Google para determinar la relevancia o importancia de una página. Es solo una parte de la historia cuando se trata de la lista de Google, pero los otros aspectos se discuten en otra parte (y siempre están cambiando) y PageRank es lo suficientemente interesante como para merecer un artículo propio.
PageRank también se muestra en la barra de herramientas de su navegador si ha instalado la barra de herramientas de Google ( http://toolbar.google.com/ ). Pero el PageRank de la barra de herramientas solo va de 0 a 10 y parece ser algo así como una escala logarítmica:
Barra de herramientas PageRank
(base de registro 10)
PageRank real
0 0
0 – 10
1
100 – 1,000
2
1,000 – 10,000
3
10,000 – 100,000
4 4
y así…
No podemos conocer los detalles exactos de la escala porque, como veremos más adelante, el PR máximo de todas las páginas en la web cambia cada mes cuando Google vuelve a indexar. Si suponemos que la escala es logarítmica (aunque solo hay evidencia anecdótica de esto al momento de escribir), Google podría simplemente darle a la página de relaciones públicas más alta una barra de herramientas de 10 y escalar el resto apropiadamente.
¡También la barra de herramientas a veces adivina! ¡La barra de herramientas a menudo me muestra un PR de la barra de herramientas para las páginas que acabo de subir y que posiblemente no pueda estar en el índice todavía!
Lo que parece estar sucediendo es que la barra de herramientas mira la URL de la página que muestra el navegador y elimina todo el último “/” (es decir, va a la página “principal” en términos de URL). Si Google tiene un PR de la barra de herramientas para ese padre, resta 1 y lo muestra como el PR de la barra de herramientas para esta página. Si no hay relaciones públicas para el padre, va a la página del padre del padre, pero resta 2, y así sucesivamente hasta la raíz de su sitio. Si no puede encontrar un PR de barra de herramientas para mostrar de esta manera, es decir, si no encuentra una página con un PR calculado real, entonces la barra está atenuada.
Tenga en cuenta que si la barra de herramientas está adivinando de esta manera, el PR real de la página es 0, aunque su PR se calculará poco después de que la araña de Google lo vea por primera vez.
¡PageRank no dice nada sobre el contenido o el tamaño de una página, el idioma en el que está escrito o el texto utilizado en el ancla de un enlace!
Definiciones
Empecé a usar algunos términos técnicos y abreviaturas en este documento. Ahora es un buen momento para definir todos los términos que usaré:
PR:
Taquigrafía para PageRank: el rango real, real, de cada página según lo calculado por Google. Como veremos más adelante, esto puede variar de 0.15 a miles de millones.
Barra de herramientas PR:
El PageRank que se muestra en la barra de herramientas de Google en su navegador. Esto varía de 0 a 10.
Enlace de retroceso:
Si la página A se vincula con la página B, se dice que la página B tiene un “vínculo de retroceso” de la página A.
Eso es suficiente, volvamos a la carne …
Entonces, ¿qué es el PageRank?
En resumen, PageRank es un “voto”, por todas las otras páginas en la Web, sobre la importancia de una página. Un enlace a una página cuenta como un voto de apoyo. Si no hay un enlace, no hay apoyo (pero es una abstención de votar en lugar de un voto en contra de la página).
Citando el artículo original de Google, PageRank se define así:
pero eso no es muy útil, así que vamos a dividirlo en secciones.
- PR (Tn) : cada página tiene una noción de su propia importancia. Eso es “PR (T1)” para la primera página en la web hasta “PR (Tn)” para la última página
- C (Tn) : cada página distribuye su voto de manera uniforme entre todos sus enlaces salientes. El recuento, o número, de enlaces salientes para la página 1 es “C (T1)”, “C (Tn)” para la página n, y así sucesivamente para todas las páginas.
- PR (Tn) / C (Tn) : por lo tanto, si nuestra página (página A) tiene un vínculo de retroceso desde la página “n”, la parte de la página de votación A obtendrá es “PR (Tn) / C (Tn)”
- d (… – Todas estas fracciones de votos se suman pero, para evitar que las otras páginas tengan demasiada influencia, este voto total se “amortigua” multiplicándolo por 0,85 (el factor “d”)
- (1 – d) – El bit (1 – d) al principio es un poco de probabilidad de magia matemática, por lo que la “ suma de PageRanks de todas las páginas web será uno ”: agrega el bit perdido por el d (… . También significa que si una página no tiene enlaces a ella (sin vínculos de retroceso) incluso entonces obtendrá un pequeño PR de 0.15 (es decir, 1 – 0.85). (Aparte: el documento de Google dice “la suma de todas las páginas” pero significa “la suma normalizada”, también conocida como “el promedio” para usted y para mí.
¿Cómo se calcula el PageRank?
Aqui es donde se pone complicado. El PR de cada página depende del PR de las páginas que lo apuntan. Pero no sabremos qué PR tienen esas páginas hasta que las páginas que apuntan a ellas tengan calculado su PR y así sucesivamente … ¡Y si considera que los enlaces de página pueden formar círculos, parece imposible hacer este cálculo!
Pero en realidad no es tan malo. Recuerda esta parte del artículo de Google:
Lo que eso significa para nosotros es que podemos seguir adelante y calcular el PR de una página sin conocer el valor final del PR de las otras páginas . Parece extraño, pero, básicamente, cada vez que ejecutamos el cálculo, obtenemos una estimación más cercana del valor final. Entonces, todo lo que tenemos que hacer es recordar cada valor que calculamos y repetir los cálculos muchas veces hasta que los números dejen de cambiar mucho.
Tomemos el ejemplo de red más simple: dos páginas, cada una apuntando a la otra:
Cada página tiene un enlace saliente (el recuento saliente es 1, es decir, C (A) = 1 y C (B) = 1).
Adivina 1
No sabemos cuál debería ser su PR para comenzar, así que vamos a adivinar 1.0 y hacer algunos cálculos:
re
= 0,85
PR (A)
= (1 – d) + d (PR (B) / 1)
PR (B)
= (1 – d) + d (PR (A) / 1)
es decir
PR (A)
= 0.15 + 0.85 * 1
= 1
PR (B)
= 0.15 + 0.85 * 1
= 1
¡Hmm, los números no están cambiando en absoluto! ¡Parece que comenzamos con una suposición afortunada!
Adivina 2
No, eso es demasiado fácil, tal vez me equivoqué (y no sería la primera vez). Ok, comencemos a adivinar en 0 y volvamos a calcular:
PR (A)
= 0.15 + 0.85 * 0
= 0.15
PR (B)
= 0.15 + 0.85 * 0.15
= 0.2775
NÓTESE BIEN. ya hemos calculado una “próxima mejor suposición” en PR (A), así que la usamos aquí
Y otra vez:
PR (A)
= 0.15 + 0.85 * 0.2775
= 0.385875
PR (B)
= 0.15 + 0.85 * 0.385875
= 0.47799375
Y otra vez
PR (A)
= 0.15 + 0.85 * 0.47799375
= 0.5562946875
PR (B)
= 0.15 + 0.85 * 0.5562946875
= 0.622850484375
y así. Los números siguen subiendo. ¿Pero los números dejarán de aumentar cuando lleguen a 1.0? ¿Qué sucede si un cálculo se dispara en exceso y supera 1.0?
Adivina 3
Bien, veamos. Comencemos la suposición a 40 cada uno y hagamos algunos ciclos:
Primer cálculo
PR (A)
= 0.15 + 0.85 * 40
= 34.25
PR (B)
= 0.15 + 0.85 * 0.385875
= 29.1775
Y otra vez
PR (A)
= 0.15 + 0.85 * 29.1775
= 24.950875
PR (B)
= 0.15 + 0.85 * 24.950875
= 21.35824375
Sí, esos números se dirigen bien! Seguro que parece que los números llegarán a 1.0 y se detendrán
Aquí está el código utilizado para calcular este ejemplo comenzando la suposición en 0: Mostrar el código | Ejecuta el programa
- Principio: no importa dónde empiece a adivinar, una vez que los cálculos del PageRank se hayan establecido, la ” distribución de probabilidad normalizada ” (el PageRank promedio para todas las páginas) será 1.0
Obteniendo la respuesta más rápido
¿Cuántas veces necesitamos repetir el cálculo para grandes redes? Esa es una pregunta difícil; ¡Para una red tan grande como la World Wide Web, puede haber muchos millones de iteraciones! El “factor de amortiguación” es bastante sutil. Si es demasiado alto, los números tardan años en establecerse, si es demasiado bajo, se repite el exceso de disparos, tanto por encima como por debajo del promedio: los números simplemente oscilan alrededor del promedio como un péndulo y nunca se establecen.
También puede ser útil elegir el orden de los cálculos. La respuesta siempre será la misma sin importar el orden que elija, pero algunas órdenes lo llevarán allí más rápido que otras.
Estoy seguro de que ha habido varias tesis de maestría sobre cómo hacer que este cálculo sea lo más eficiente posible, pero, en los ejemplos a continuación, he usado un código muy simple para mayor claridad y se necesitaron de 20 a 40 iteraciones.
Ejemplo 1
No voy a repetir los cálculos aquí, pero puede verlos ejecutando el programa (sí, si hace clic en el enlace, el programa realmente se volverá a ejecutar para hacer los cálculos por usted)
Entonces, el PR correcto para el ejemplo es:
¡Puede ver que tomó alrededor de 20 iteraciones antes de que la red comenzara a establecerse en estos valores!
Sin embargo, mire la página D: tiene un PR de 0.15 a pesar de que nadie vota por ella (es decir, no tiene enlaces entrantes). ¿Es esto correcto?
La primera parte, o “término” para ser técnico, de la ecuación de relaciones públicas es hacer esto:
Entonces, para la página D, sin vínculos de retroceso significa que la ecuación se ve así:
PR (A)
= (1-d) + d * (0)
= 0.15
no importa qué más esté pasando o cuántas veces lo hagas.
Ejemplo 2
Una jerarquía simple con algunos enlaces salientes
Como era de esperar, la página de inicio tiene la mayor cantidad de PR, después de todo, ¡tiene la mayoría de los enlaces entrantes! ¿Pero qué le pasó al promedio? ¡¡¡Es solo 0.378 !!! ¡Eso no está relacionado con lo que dije antes, así que algo está mal en alguna parte!
Pues no, todo está bien. Pero eche un vistazo a las páginas del “sitio externo”: ¿qué le sucede a su PageRank? ¡No lo están transmitiendo, no están votando por nadie, están desperdiciando sus relaciones públicas como tanta chad embarazada! (NB, se puede encontrar una descripción más precisa de este problema en este hilo)
Ejemplo 3
Vuelva a vincular esos sitios externos a nuestra página de inicio para que podamos ver qué sucede con el promedio …
Eso es mejor, ¡funciona después de todo! ¡Y mira el PR de nuestra página de inicio! Todos esos enlaces entrantes hacen la diferencia, hablaremos más sobre eso más adelante.
Ejemplo 4
¿Qué le sucede a PR si seguimos una sugerencia sobre cómo escribir reseñas de páginas?
Ejemplo 5
Una jerarquía simple
¡Nuestra página de inicio tiene 2 veces y media más PR que las páginas secundarias! ¡Excelente!
- Observación : una jerarquía concentra votos y relaciones públicas en una página
Ejemplo 6
Bucle
Esto es lo que esperaríamos. Todas las páginas tienen el mismo número de enlaces entrantes, todas las páginas son de igual importancia entre sí, todas las páginas obtienen el mismo PR de 1.0 (es decir, la probabilidad “promedio”).
Ejemplo 7
Extensa interconexión – o malla completa
Sí, los resultados son los mismos que en el ejemplo de bucle anterior y por los mismos motivos.
Ejemplo 8
Jerárquico, pero con un enlace de entrada y uno de salida.
Asumiremos que hay un sitio externo que tiene muchas páginas y enlaces con el resultado de que una de las páginas tiene un PR promedio de 1.0. También asumiremos que el webmaster realmente nos quiere: solo hay un enlace desde esa página y apunta a nuestra página de inicio.
En el ejemplo 5, la página de inicio solo tenía un PR de 1.92, ¡pero ahora es 3.31! ¡Excelente! No solo el sitio A nos ha contribuido con 0,85 PR, sino que el PR elevado en las páginas “Acerca de”, “Producto” y “Más” ha tenido un efecto encantador de “retroalimentación”, ¡empujando aún más el PR de la página de inicio!
- Principio: un sitio bien estructurado amplificará el efecto de cualquier RP contribuido
Ejemplo 9
Bucle, pero con un enlace de entrada y un enlace de salida
Bueno, el PR de nuestra página de inicio ha subido un poco, pero ¿qué pasó con la página “Más”?
El voto de la página “Producto” se ha dividido equitativamente entre este y el sitio externo. Ahora valoramos el Sitio B externo por igual con nuestra página “Más”. La página “Más” está obteniendo solo la mitad del voto que tenía antes. ¡Esto es bueno para el Sitio B pero muy malo para nosotros!
Ejemplo 10
Completamente mallado, pero con un voto adentro y un voto afuera
Eso está mucho mejor. La página “Más” todavía obtiene menos participación en el voto que en el ejemplo 7, por supuesto, pero ahora la página “Producto” ha mantenido tres cuartos de su voto dentro de nuestro sitio, a diferencia del ejemplo 10, donde estaba regalando la mitad de su voto. ¡vote al sitio externo!
Mantener solo esta pequeña fracción adicional del voto en nuestro sitio también ha tenido un efecto muy bueno en la página de inicio: RP de 2.28 en comparación con solo 1.66 en el ejemplo 10.
- Observación: aumentar los enlaces internos en su sitio puede minimizar el daño a su RP cuando regala votos al vincular a sitios externos.
- Principio:
- Si una página en particular es muy importante, utilice una estructura jerárquica con la página importante en la “parte superior”.
- Donde un grupo de páginas puede contener enlaces externos, aumente el número de enlaces internos para retener la mayor cantidad de PR posible.
- Cuando un grupo de páginas no contiene enlaces externos, el número de enlaces internos en el sitio no tiene ningún efecto en el PR promedio del sitio. También podría usar una estructura de enlaces que le brinde al usuario la mejor experiencia de navegación.
Mapas del sitio
Los mapas del sitio son útiles al menos de dos maneras:
- Si un usuario escribe una URL incorrecta, la mayoría de los sitios web devuelven una página de error realmente inútil “404 – página no encontrada”. Esto puede ser desalentador. ¿Por qué no configurar su servidor para que devuelva una página que muestra que se ha cometido un error, pero que también muestra el mapa del sitio? Esto puede ayudar enormemente al usuario
- Vincular a un mapa del sitio en cada página aumenta el número de enlaces internos en el sitio, difunde el PR y lo protege contra sus “donaciones” de votos.
Ejemplo 11
Intentemos arreglar nuestro sitio para concentrar artificialmente las relaciones públicas en la página de inicio.
Eso se ve bien, la mayoría de los enlaces parecen estar apuntando a la página A, por lo que deberíamos obtener un buen PR.
Intente adivinar cuál será el PR de A antes de desplazarse hacia abajo o ejecutar el código.
¡Dios mío, eso no funcionó del todo bien, es mucho peor que una simple jerarquía ordinaria! ¡Lo que sucede es que las páginas C y D tienen enlaces entrantes tan débiles que no ayudan en absoluto a la página A!
- Principio : tratar de abusar del cálculo de relaciones públicas es más difícil de lo que piensas.
Ejemplo 12
Un diseño web común para la documentación larga es dividir el documento en muchas páginas con un enlace “Anterior” y “Siguiente” en cada una más un enlace a la página de inicio. La página de inicio solo necesita apuntar a la primera página del documento.
En este simple ejemplo, donde solo hay un documento, ¡la primera página del documento tiene un PR más alto que la página de inicio! Esto se debe a que la página B obtiene todo el voto de la página A, pero la página A solo obtiene fracciones de las páginas B, C y D.
- Principio : para brindar a los usuarios de su sitio una buena experiencia, es posible que deba atacar a su RP. No hay nada que pueda hacer al respecto, ¡y tampoco debe intentarlo ni preocuparse por eso! Si es un placer usar su sitio, muchos otros webmasters lo vincularán y obtendrá mucho más PR de lo que perdió.
¿Puedes ver también la tendencia entre este y el ejemplo anterior? A medida que agrega más enlaces internos a un sitio, se acerca al ejemplo de malla completa donde cada página obtiene el PR promedio de la malla.
- Observación : a medida que agregue más enlaces internos en su sitio, el PR se extenderá de manera más uniforme entre las páginas.
Ejemplo 13
Obtener altas relaciones públicas de la manera incorrecta y correcta.
Solo como un experimento, veamos si podemos obtener 1,000 páginas apuntando a nuestra página de inicio, pero solo tenemos un enlace que lo deja …
Sí, esas páginas de spam son bastante inútiles, pero seguro que se suman.
- Observación : no importa cuántas páginas tenga en su sitio, su RP promedio siempre será 1.0 en el mejor de los casos. ¡Pero un diseño jerárquico puede concentrar fuertemente los votos, y por lo tanto el PR, en la página de inicio!
Esta es una técnica utilizada por algunos sitios de mala reputación (en su mayoría sitios de contenido para adultos). Pero no puedo aconsejar esto: si los robots de Google deciden que estás haciendo esto, ¡hay una buena posibilidad de que te expulsen de Google! ¡Desastre!
Por otro lado, hay al menos dos formas correctas de hacer esto:
1. Sé un mega sitio
Los mega-sitios, como http://news.bbc.co.uk, tienen decenas o cientos de editores que escriben contenido nuevo, es decir, páginas nuevas, ¡durante todo el día! ¡Cada una de esas páginas tiene contenido propio valioso y valioso y un enlace a su página principal o principal! Es por eso que el PR de la barra de herramientas de la página de inicio de estos sitios es 9/10 y el resto de nosotros simplemente nos empujamos más y más en comparación …
- Principio : ¡El contenido es el rey! Realmente no hay sustituto para un montón de buen contenido …
2. Regala algo útil
¡http://www.phpbb.com tiene un PR de la barra de herramientas de 8/10 (al momento de escribir este artículo) y no tiene mucho dinero o marketing detrás! ¿Cómo puede ser esto?
Lo que el grupo ha hecho es escribir un sistema de tablón de anuncios muy útil que se está volviendo muy popular en muchos sitios web. Y en la parte inferior de cada página, en cada instalación, se encuentra este código HTML:
Desarrollado por phpBB
El administrador de cada instalación puede eliminar ese enlace, pero la mayoría no porque quiere devolver el favor …
¿Te imaginas todos esos millones de páginas dando una fracción de voto a http://www.phpbb.com? ¡Guauu!
- Principio : haga que valga la pena que otras personas usen su contenido o herramientas. Si su obsequio es lo suficientemente bueno, otros administradores del sitio con gusto le devolverán un enlace.
- Principio : probablemente sea mejor obtener muchos (tal vez miles) de enlaces de sitios con pequeñas relaciones públicas que gastar tiempo o dinero tratando desesperadamente de obtener solo el enlace de una página de relaciones públicas altas.
Una discusión sobre promedios
¡Según el documento Brin and Page, el PR real promedio de todas las páginas en el índice es 1.0!
Entonces, si agrega páginas a un sitio que está construyendo, el RP total aumentará en 1.0 para cada página (pero solo si vincula las páginas para que la ecuación pueda funcionar), pero el promedio seguirá siendo el mismo.
Si desea concentrar el RP en una o varias páginas, la vinculación jerárquica lo hará. Si desea promediar el PR entre las páginas, entonces “hacer una malla completa” del sitio (muchos enlaces distribuidos de manera uniforme) lo hará – ejemplos 5, 6 y 7 en mi anterior. (Nota: aquí es donde Ridings ‘sale mal, en sus bucles de retroalimentación del modelo MiniRank aumentará PR – ¡indefinidamente!)
Obtener enlaces entrantes a su sitio es la única forma de aumentar el PR promedio de su sitio. La forma en que ese RP se distribuye entre las páginas de su sitio depende de los detalles de su enlace interno y a cuáles de sus páginas están vinculadas.
Si proporciona enlaces salientes a otros sitios, el PR promedio de su sitio disminuirá (no mantendrá su voto “en casa”, por así decirlo). Nuevamente, los detalles de la disminución dependerán de los detalles de la vinculación.
Dado que el promedio de cada página es 1.0, podemos ver que para cada sitio que tiene una clasificación real en millones (¡y hay algunos!) Debe haber muchos sitios cuyo PR real esté por debajo de 1.0 (particularmente porque el absoluto El PR real más bajo disponible es (1 – d)).
¡Puede ser que la barra de herramientas PR 1,2 corresponda a PR reales inferiores a 1,0! Por ejemplo, la base de datos para la barra de herramientas puede ser 10, pero la secuencia PR real podría comenzar bastante baja: 0.01, 0.1, 1, 10, 100, 1,000, etc.
Finalmente
PageRank es, de hecho, muy simple (aparte de una fórmula de aspecto aterrador). Pero cuando se aplica un cálculo simple cientos (o miles de millones) de veces, los resultados pueden parecer complicados.
PageRank también es solo una parte de la historia sobre qué resultados se muestran en lo alto de una lista de Google. Por ejemplo, hay alguna evidencia que sugiere que Google está prestando mucha atención en estos días al texto en el enlace de un enlace al decidir la relevancia de una página de destino, tal vez más que el PR de la página …
Sin embargo, PageRank sigue siendo parte de la historia de los listados, por lo que vale la pena como buen diseñador para asegurarte de que lo entiendes correctamente.
Enlaces
- El artículo original de PageRank de los fundadores de Google Sergey Brin y Lawrence Page – http://www-db.stanford.edu/~back …
- Documento de Chris Ridings “PageRank Explicado” que, a partir de abril de 2002 http://web.archive.org/web/*/htt …, contiene un gran error / malentendido: http://www.goodlookingcooking.co …
- Calculadora de PageRank de Phil Craven (afortunadamente sus cifras concuerdan con las mías)
- Una explicación detallada de lo fácil que es alterar la ecuación de PageRank por error
- Una excelente discusión sobre chad-jams (incluyendo “chad embarazada”) por Douglas W. Jones – http://www.cs.uiowa.edu/~jones/c … – No creo que mucha gente conozca los Estados Unidos ‘ ¡El sistema de votación es tan defectuoso!
- Foros de discusión sobre este tema:
- MarketPositionTalk – Actualizaciones de PageRank
- SearchEngineForums – Documentos y calculadora de relaciones públicas
- WebmasterWorld: documento y calculadora de relaciones públicas
