La búsqueda en Google
La búsqueda que hace google en la web es como consultar un libro muy extenso en el que un índice
exhaustivo nos indica exactamente la ubicación de cada elemento. Cuando efectúas una búsqueda
en Google, sus programas consultan un índice para decidir qué resultados de búsqueda son los más
relevantes y mostrarlos. Estos son los tres procesos principales mediante los que se proporcionan los
resultados de búsqueda: rastreo, indexación, publicación.
Rastreo e indexación
Primero se deben rastrear e indexar billones de documentos de la Web. De manera general funciona
gracias a procesos que sientan las bases sobre cómo se recopila y organiza la información de la Web
así dando los resultados más útiles. Sus índices contiene más de 100.000.000 gigabytes, y
necesitaron más de un millón de horas de computación para crearlo.
rastreo es el proceso mediante el que el robot de Google descubre páginas nuevas y actualizadas y
las añade al índice de Google.
Utilizan una gran cantidad de equipos informáticos para obtener o rastrear miles de millones de
páginas de la Web. El programa encargado de recuperar este contenido es el robot de Google,
también conocido simplemente como robot o araña. El robot de Google utiliza un proceso de rastreo
algorítmico: a través de programas informáticos se determinan los sitios que hay que rastrear, la
frecuencia y el número de páginas que hay que explorar en cada uno de ellos.
El proceso de rastreo de Google empieza con una lista de direcciones URL de páginas web generada
a partir de procesos de rastreo anteriores y se amplía con los datos de los sitemaps que ofrecen los
webmasters. A medida que el robot de Google visita cada uno de estos sitios web, detecta enlaces
en sus páginas y los añade a la lista de páginas para rastrear. Los sitios nuevos, los cambios en los
existentes y los enlaces obsoletos se detectan y se utilizan para actualizar el índice de Google.
Indexación, el robot de Google procesa todas las páginas que rastrea para compilar un índice masivo
de todas las palabras que ve junto con su ubicación en cada página. Además, también procesa la
información incluida en las etiquetas y los atributos de contenido clave, como las etiquetas "title" y
los atributos "alt". El robot de Google puede procesar muchos tipos de contenido, pero hay ciertos
tipos que no puede procesar, como el contenido de algunos archivos de soportes interactivos y
páginas dinámicas.
Se considera que Google ha indexado una página si el rastreador de Google (también denominado
"robot de Google") ha accedido a ella, se ha analizado en busca de contenido y significado y se ha
almacenado en el índice de Google. Las páginas que se hayan indexado pueden aparecer en los
resultados de la Búsqueda de Google (si siguen las directrices para webmasters de Google). Si bien la
mayoría de las páginas se rastrean antes de incluirse en el índice, es posible que Google también
indexe páginas sin acceder a su contenido (por ejemplo, si una página está bloqueada por una
directiva robots.txt).
Algoritmos y publicación
Así tenemos uno de sus algoritmos principal, inicial y fundamental, PageRank, utiliza la vasta
estructura de la web de sus enlaces como un indicador del valor de una página en concreto. Google
interpreta un enlace de una página A a una página B como un voto, de la página A, para la página B.
Pero Google mira más allá del volumen de votos, o enlaces que una página recibe; también analiza la
página que emite el voto. Los votos emitidos por las páginas consideradas "importantes", es decir
con un PageRank elevado, valen más, y ayudan a hacer a otras páginas "importantes". Por lo tanto,
el PageRank de una página refleja la importancia de la misma en Internet.
El PageRank de la barra de Google va de 0 a 10. Diez es el máximo PageRank posible y son muy
pocos los sitios que gozan de esta calificación, 1 es la calificación mínima que recibe un sitio normal,
y cero significa que el sitio ha sido penalizado o aún no ha recibido una calificación de PageRank.
Parece ser una escala logarítmica. Los detalles exactos de esta escala son desconocidos. En los
últimos tiempos Google está tratando de mantener un poco "privado" su PageRank para evitar
manipulaciones, pero existen sitios donde se puede comprobar el PageRank.
También hay formas o proyectos de búsqueda como, Respuestas, Autocompletar, Libros, Actualidad,
Google Instant, Indexación de contenido, Gráfico de conocimiento, Noticias, etc. Todo estos son
evaluados bajo ciertas directivas, el cual identifican el contenido principal, el contenido
suplementario, publicidad, resumen de la partes de la página web, página principal, contacto,
reputación de la página, estos son aspectos generales a tener en cuenta, pero los factores
principales de evaluación son:
Experiencia, autoridad y confiabilidad
Calidad e importe del contenido principal
Información del sitio web
Reputación del sitio Web
