Para los que nos dedicamos a esto de internet, pocas cosas hay tan deliciosas como leer el proyecto de fin de carrera de Sergey Brin y Lawrence Page. En este documento de tan sólo 20 páginas llamado “The anatomy of a large scale hypertextual  web search engine” estos dos adolescentes comienzan con una frase que con el paso de los años suena adorable:

“En este documento presentamos Google, un prototipo de buscador de gran tamaño, que hace un uso intensivo de la estructura presente en el hipertexto.”

¿no me digan que no es adorable? ¿quien no se imagina leyendo el proyecto fin de carrera de su hijo, que está a punto de convertirse en uno de los hombres más famosos del planeta?

En este post vamos a comentar dos cuestiones que se tratan en dicho documento: como trata Google la búsqueda simple y la búsqueda compleja.

Búsqueda simple

En una búsqueda simple como ‘aragon’, Google lo tiene relativamente sencillo. Previamente ha contado para cada página que ha descubierto cuantas veces aparece cada palabra que conoce en cada una de las diferentes posiciones que puede ocupar en una página. Fijaros que hay billones de páginas, centenares de miles de palabras diferentes, y decenas de posiciones posibles en las que una palabra puede estar en una página. Estamos realmente ante un índice inverso gigantesco. Cuando estos estudiantes construyeron su juguete indexaron 24 millones de páginas. La infraestructura que se requiere para generar el índice inverso de ese volumen de documentos es considerable. Por aquel entonces conceptos como “computación en la nube” estaban en pañales, así que básicamente lo que hicieron fue diseñar un sistema bastante eficiente que pudiera crecer con cpus de segunda mano. Tal que así:

Busqueda compleja

Si el índice inverso para búsqueda simple es imenso, se queda pequeño en comparación al indice inverso ene-dimensional que se utiliza cuando se hace una búsqueda compleja.

En este caso, importa no solo la frecuencia de aparición de cada palabra en cada documento, sino también la distancia entre ellas. Para una búsqueda como “aragon en internet” lo primero que se hace es un tratamiento previo. En este ejemplo “en” es descartada por estar en una lista de palabras neutras, y probablemente “aragón” e “internet” se contrastan con diccionarios de raíces y sinónimos para reducir las dimensiones del problema a resolver.

Luego, se consulta una matriz que describe para cada posible par de palabras su frecuencia de aparición en cada uno de los elementos de página posibles. Observad que eso hace crecer todavía más el índice inverso puesto que hemos de guardar para cada página cada posible combinación de dos palabras presentes en el documento.

Desde luego, esta es una versión bastante “abierta del problema”. Probablemente por el camino, ambos investigadores encontraron diversos métodos para comprimir la información y reducir las dimensiones del problema, como lo muestran sus estadísticas finales:

147GB de páginas webs indexadas

37GB de tamaño del índice inverso

No está mal! El  índice inverso solo incrementa un 25% el espacio necesario de Google. Dicho de otra manera, hacer eso que sea que hace también, solo le consume un 25% de espacio en disco más respecto a los competidores que tenía por aquel entonces.

Desde ese día el algoritmo ha sido mejorado en multitud de ocasiones como demuestran la gran cantidad de patentes solicitadas por Google, pero los conceptos básicos del buscador no han cambiado tanto.

En las presentaciones que me toca realizar siempre utilizo esta imagen para explicar que es el posicionamiento en buscadores.

Como podéis ver se trata de una imagen del mundo donde aparecen algunos iconos importantes asociados a algunas ciudades. Pues para mi, esto es POSICIONAMIENTO (con mayúsculas). Un marciano que llegara a nuestro planeta y utilizara este ‘mapa’, tendría claro cúales son los sitios más importantes que tiene que visitar. Fijaros en España… somos una especie de zapatilla verde detrás de la torre de Pisa. A pesar de los importantes monumentos que tenemos en España, nuestro marciano nunca nos visitaría porque creería que no hay nada relevante por aquí. Pues eso es POSICIONAMIENTO, estar en la mente de nuestros clientes en los primeros lugares ante una determinada necesidad.

Esto mismo pasa con el posicionamiento en buscadores. Ese triángulo de oro que determina que webs aparecen primeras en las primeras posiciones del posicionamiento en buscadores orgánico es el equivalente al mapa que utiliza nuestro marciano.

Da igual que realmente seamos una gran empresa, o una institución muy relevante, o que tengamos un producto fabuloso, si no estamos en ese top 10 no existimos. Los marcianitos de la red acabarán en otras webs.

Por eso es tan importante hacer diseño de páginas web que contemplen un buen SEO (posicionamiento natural en buscadores), y a la hora de hacer el análisis web incluir en el mismo un plan de marketing online. Esto son cosas que una agencia de publicidad no va a hacer de modo natural, porque su personal tiene una formación no técnica. Hacer buen SEO requiere técnicos especializados, y estos suelen estar en las empresas de software y no en las agencias que se dedican a la publicidad en internet.

Pero independientemente de quien sea el proveedor al cual encarguemos la imagen de empresa, tengamos siempre presente el posicionamiento en buscadores. Lo contrario será como poner una tienda con escaparate precioso … en medio del desierto.

Cierzo Development pone a disposición de todos aquellos que tienen una página web un diagnóstico web gratuito a través de la plataforma SMMART, dentro de las iniciativas del program New 2008 promovidas por Red.es.

Gracias a la tecnología desarrollada por Cierzo Development se puede analizar el sector al que pertenece la web y obtener informes continuados de como se encuentra en cuanto a posicionamiento en buscadores, reputación online, y otros valiosos datos que ayudarán a mejorar el sitio web.

Si queréis probar la herramienta solo tenéis que acceder a la página del programa New 2008 de Red.es.

En este vídeo explicamos en qué consiste el marketing en internet, la publicidad pagada (SEM), y el posicionamiento en buscadores (SEO)

Las empresas que proporcionan servicios avanzados de búsqueda en internet deberían estar preocupadas por el nuevo proyecto de Yahoo ya que supone una importante revolución en los buscadores profesionales. El reto al que se enfrentan las empresas que dicen analizar y rastrear todo el universo de internet a partir de ahora está claro…

¿Como competir con el equipo de desarrolladores del segundo mejor motor de búsqueda del mundo?

Yahoo! Search BOSS (BOSS =  Build your Own Search Service = Construye tu propio servicio de búsqueda) promete ser una importante innovación en este campo y a lo mejor provoca que Google reconsidere su estrategia abriendo su API de nuevo. De momento nosotros ya lo hemos incorporado como módulo beta al Smmart y los resultados que estamos obteniendo mejoran significativamente el alcance o cobertura que se obtiene con un crawling propietario.

Ante esto los clientes deberían de prestar atención a proveedores que intentan repercutir en el precio un servicio que Yahoo está comenzando a ofrecer gratuitamente, y probablemente Google haga pronto. El camino para las empresas que están ofreciendo servicios de Social Monitoring y clipping es obviamente dejar de competir en crawling y centrar sus esfuerzos en la calidad y valor añadido que ofrece el reporting.