Nuevas variables del rastreo de Google

Matt Cutts aclara algunos aspectos sobre el rastreo y la indexación de Google.

La entrevista a Matt Cutts (de Google), realizada por Eric Enge (de StoneTemple Consulting), el 14 de marzo, no tiene desperdicio.
Gracias a los buenos oficios de nuestro equipo de videntes hemos podido entresacar de las declaraciones de Matt Cutts (en inglés y siempre difusas, como el SEO mismo), los siguientes puntos:

1. El número de páginas que indexa Google es proporcional al Page rank de tu sitio.
   No existe límite en el número de páginas indexadas: Google indexa páginas en función del PageRank de las páginas web del sitio.
2. La indexación también puede verse afectada por la carga del servidor: el número de conexiones simultáneas permitidas para que la araña explore el contenido.
3. Una redirección 301 no siempre pasa todo el PageRank de la antigua URL a la nueva. Esto ha sido confirmado por Matt Cutts en la entrevista. nunca fue confirmado por Google.
4. Google indexa muchos sitios con contenidos duplicados y de todas las páginas duplicadas que encuentra, saca dos y mantiene sólo una, decidiendo qué URL es la principal y pasando todo el PageRank de las demás “copias” a esa URL principal. Lo malo es que es Google quien decide cuál es la página principal, y lo bueno que se pasa el PageRank de los duplicados.
5. Cuando enlazas desde una página a otra con contenido duplicado, estás perdiendo ese Page Rank. En realidad Matt Cutts responde a esta pregunta de Eric Enge, con un: “Puede funcionar así”. Deduciremos que el contenido duplicado puede estropear tu PageRank!
6. Cuando hay enlaces a varias páginas marcadas como contenido duplicado, Google intenta mezclar estas páginas como si fueran una sóla (a efectos de link juice que envían) en lugar de eliminarlas completamente. No intenta pasar todo el PageRank a la página que cree que es canónica.
7. Es totalmente posible enlazar una página a sí misma con rel=canonical, y también lo es, al menos para Google, tenerlo implementado para cada página de tu sitio. Interesante manera de proteger tu sitio de engaños en la creación de páginas. Pero habrá que tener cuidado con la forma de implementar algo como esto.
8. El rel canonical es una sugerencia, no una directiva. Google se reserva el derecho de determinar si el propietario del sitio es quien lo firma en el pie y no escuchar la etiqueta rel=”canonical”.
9. Se puede hacer rel canonical entre dominios, (desde diciembre de 2009).
10. Los enlaces desde sites afiliados, normalmente son detectados y devaluados.
11. Bloquear páginas con el robots.txt no hace que esta se elimine del índice si ya estaba incluída.
12. Google sigue trabajando para combatir el spam y los fraudes mediante links, con nuevas herramientas y tecnologías, entre otras cosas.
13. No usar los identificadores de sesión (ID), es la recomendación de Matt Cutts.
14. Ahora google tiene la habilidad a de ignorar completamente un parámetro en la URL, través de google Webmasters Tools.
15. Googlebot puede ejecutar una buena parte de JavaScript. Esta es una buena noticia. No sabemos si esto significa que tal vez podría tomar ventaja AJAX o contenidos de intercambio o de inyección).
16. Evita el pagerank sculpting, céntrate en crear buen contenido y conseguir enlaces de calidad.

Es interesante destacar que Google se centra en ver todo el contenido de la web, independientemente de si es o no duplicado, un formato de archivo ilegible, o lo que sea. El equipo de rastreo e indexación, aunque intente controlar cómo se hagan las cosas, quiere verlo todo.

Y para que completar esta información te vendrá bien el Informe SEO de Google, que ya ha salido.

Queda aún la pregunta:
¿Las declaraciones de Matt Cutts, son canonical?

Espero que te haya sido de utilidad esta información.

entrevista completa: entrevista a Matt Cutts,
resumen de 29 puntos en el blog de Stone Temple.

imagen de Scleroplex