За контакт
[email protected]
Регистрирайте се! Влезте

Влезте с вашите данни

Забравихте вашата парола?

Нямате регистрация?Регистрирай се

0
Enicomp.eu Enicomp.eu
  • Начало
  • За нас
  • Курсове и обучения
  • Магазин
    • Консултации
    • Готови сайтове
    • Поддръжка
    • Изработка на сайт
    • SEO услуги
    • Инсталация на приложения
  • Услуги
    • Изработка на сайт
    • Уеб дизайн
    • Уеб сайт базиран на WordPress
    • Фейсбук страница
    • SEO оптимизация
  • Портфолио
  • Полезни статии
    • Статии за WordPress
    • Термини в дигиталния бизнес
    • Формули за продаващ текст
    • SEO термини
    • 100 Идеи за онлайн бизнес
    • Полезни съвети
    • Маркетинг статии
  • Контакт
  • Начало
  • За нас
  • Курсове и обучения
  • Магазин
    • Консултации
    • Готови сайтове
    • Поддръжка
    • Изработка на сайт
    • SEO услуги
    • Инсталация на приложения
  • Услуги
    • Изработка на сайт
    • Уеб дизайн
    • Уеб сайт базиран на WordPress
    • Фейсбук страница
    • SEO оптимизация
  • Портфолио
  • Полезни статии
    • Статии за WordPress
    • Термини в дигиталния бизнес
    • Формули за продаващ текст
    • SEO термини
    • 100 Идеи за онлайн бизнес
    • Полезни съвети
    • Маркетинг статии
  • Контакт
  • Home
  • Термини в дигиталния бизнес
  • PageRank

Термини в дигиталния бизнес

15 май

PageRank

  • In Термини в дигиталния бизнес
PageRank

Показател, който влияе на резултатите от търсенето в Google. Алгоритъмът изчислява авторитета на страница в зависимост от качеството и броя на връзките към нея. Алгоритъмът е подобен на Yandex TIC.

PageRank е кръстен на Лари Пейдж, един от основателите на Google. PageRank е начин за измерване на важността на страниците на уебсайта. Според Google:

PageRank работи, като брои броя и качеството на връзките към страница, за да определи груба оценка за това колко важен е уебсайтът. Основното предположение е, че по-важните уебсайтове вероятно ще получат повече връзки от други уебсайтове.

Това не е единственият алгоритъм, използван от Google за поръчване на резултати от търсачките, но е първият алгоритъм, използван от компанията и е най-известният.
Алгоритъм

Алгоритъмът на PageRank извежда разпределение на вероятностите, използвано за представяне на вероятността човек, който щракне на случаен принцип върху връзки, да стигне до всяка конкретна страница. PageRank може да се изчисли за колекции от документи от всякакъв размер. В няколко научни статии се приема, че разпределението е равномерно разделено между всички документи в колекцията в началото на изчислителния процес. Изчисленията на PageRank изискват няколко преминавания, наречени „итерации“, през колекцията, за да коригират приблизителните стойности на PageRank, за да отразяват по-точно теоретичната истинска стойност.

Опростен алгоритъм

Да приемем малка вселена от четири уеб страници: A, B, C и D. Връзките от една страница към самата себе си или множество изходящи връзки от една отделна страница към друга отделна страница се игнорират. PageRank се инициализира на една и съща стойност за всички страници. В оригиналната форма на PageRank, сумата на PageRank върху всички страници е общият брой страници в мрежата по това време, така че всяка страница в този пример ще има първоначална стойност 1. Въпреки това, по-късни версии на PageRank и В останалата част от този раздел приемете разпределение на вероятностите между 0 и 1. Следователно първоначалната стойност за всяка страница в този пример е 0,25.
PageRank, прехвърлен от дадена страница към целите на нейните изходящи връзки при следващата итерация, се разделя поравно между всички изходящи връзки.
Ако единствените връзки в системата са от страници B, C и D към A, всяка връзка ще прехвърли 0,25 PageRank към A при следващото повторение, за общо 0,75.

PR(A) = PR(B) + PR(C) + PR(D).\,

Да предположим, че вместо това страница B има връзка към страници C и A, страница C има връзка към страница A, а страница D има връзки към трите страници. По този начин, при първата итерация, страница B ще прехвърли половината от съществуващата си стойност, или 0,125, на страница A, а другата половина, или 0,125, на страница C. Страница C ще прехвърли цялата си съществуваща стойност, 0,25, на единствената страница, към която се свързва, A. Тъй като D има три изходящи връзки, той ще прехвърли една трета от съществуващата си стойност, или приблизително 0,083, към A. При завършване на тази итерация страница A ще има PageRank от приблизително 0,458. 

PR(A)={\frac {PR(B)}{2}}+{\frac {PR(C)}{1}}+{\frac {PR(D)}{3}}.\,
С други думи, PageRank, предоставен от изходяща връзка, е равен на собствения рейтинг на PageRank на документа, разделен на броя на изходящите връзки L( ).

PR(A)={\frac {PR(B)}{L(B)}}+{\frac {PR(C)}{L(C)}}+{\frac {PR(D)}{L (Д)}}.\,

В общия случай стойността на PageRank за всяка страница u може да бъде изразена като:

PR(u) = \sum_{v \in B_u} \frac{PR(v)}{L(v)}  ,

т.е. стойността на PageRank за страница u зависи от стойностите на PageRank за всяка страница v, съдържаща се в набора Bu (наборът, съдържащ всички страници, свързващи към страница u), разделено на броя L(v) на връзките от страница v. Алгоритъмът включва затихващ фактор за изчисляване на PageRank. Това е като данъка върху доходите, който правителството извлича от човек, въпреки че го плаща.

Алгоритмите на Google за класиране от онези времена бяха наистина прости – високият PR и плътността на ключовите думи бяха единствените две неща, необходими на една страница, за да се класира високо в SERP. В резултат на това уеб страниците бяха пълни с ключови думи и собствениците на уебсайтове започнаха да манипулират PageRank чрез изкуствено нарастване на спам обратни връзки. Това беше лесно да се направи – фермите с връзки и продажбата на връзки бяха там, за да дадат на собствениците на уебсайтове „ръка за помощ“.

Google реши да се бори със спама от връзки. През 2003 г. Google наказа уебсайта на компанията за рекламна мрежа SearchKing за манипулации с връзки. SearchKing съди Google, но Google спечели. Това беше начин, по който Google се опита да ограничи всички от манипулации с връзки, но това не доведе до нищо. Фермите за връзки просто преминаха под земята и тяхното количество се умножи значително.

Освен това спам коментарите в блоговете също се умножиха. Ботовете атакуваха коментарите на всеки, да речем, блог на WordPress и оставиха огромен брой коментари „щракнете тук, за да купите магически хапчета“ . За да предотврати спам и PR манипулация в коментарите, Google въведе маркера nofollow през 2005 г. И отново това, което Google имаше за цел да се превърне в успешна стъпка във войната за манипулиране на връзките, беше приложено по изкривен начин. Хората започнаха да използват маркери nofollow , за да насочват изкуствено PageRank към страниците, от които се нуждаят. Тази тактика стана известна като извайване на PageRank.

Прилага ли се алгоритъмът на PageRank днес?

Да, така е. Това не е същият PageRank, както беше в началото на 2000-те, но Google продължава да разчита в голяма степен на авторитета на връзките. Например, бивш служител на Google Андрей Липацев спомена това през 2016 г. В среща с въпроси и отговори на Google потребител го попита кои са основните сигнали за класиране, които Google използва. Отговорът на Андрей беше доста ясен.

Както можете да видите, PageRank все още е жив и активно се използва от Google при класиране на страници в мрежата.

Интересното е, че служителите на Google непрекъснато ни напомнят, че има много, много, МНОГО други сигнали за класиране. Но ние гледаме на това с недоверие. Като се има предвид колко усилия Google е посветил на борбата със спама от връзки, може да е от интерес за Google да изключи вниманието на SEO-специалистите от уязвимите към манипулиране фактори (както и обратните връзки) и да насочи това внимание към нещо невинно и хубаво. Но тъй като оптимизаторите са добри в четенето между редовете, те продължават да смятат PageRank за силен сигнал за класиране и увеличават обратните връзки по всички начини, по които могат. Те все още използват PBN, практикуват някаква многоетажна изграждане на връзки, купуват връзки и така нататък, точно както беше преди много време. Докато PageRank е жив, спамът с връзки също ще живее. Ние не препоръчваме нищо от това, но това е реалността на SEO и трябва да разберем това.

 

close

Чек-лист за създаване и популяризиране на YouTube канал

В следващия емейл ще получите Чек-листа

We don’t spam! Read our privacy policy for more info.

Проверете входящата си поща или папката със спам, за да потвърдите абонамента си.

  • Share:
enicomp.eu
enicomp.eu

Може да харесате също

Какво е WEBVISOR

Какво е WEBVISOR

  • февруари 6, 2023
  • by enicomp.eu
  • in Термини в дигиталния бизнес
WebVisor е един от инструментите на Yandex.Metrica за проследяване на поведението на посетителите на сайта. Предоставя възможност за преглед на действията...
Какво е VIRTUAL PRIVATE SERVER (VPS)
Какво е VIRTUAL PRIVATE SERVER (VPS)
февруари 4, 2023
Какво е Virtual Hosting
Какво е Virtual Hosting
февруари 3, 2023
Какво е Usability
Какво е Usability
февруари 2, 2023

Маркетингови статии

Какво е WEBVISOR
Какво е WEBVISOR
06фев.,2023
Какво е VIRTUAL PRIVATE SERVER (VPS)
Какво е VIRTUAL PRIVATE SERVER (VPS)
04фев.,2023
Какво е Virtual Hosting
Какво е Virtual Hosting
03фев.,2023
Какво е Usability
Какво е Usability
02фев.,2023
Какво е Sidebar
Какво е Sidebar
31ян.,2023
Какво е Teaser
Какво е Teaser
30ян.,2023
Какво е PAGINATION
Какво е PAGINATION
27ян.,2023

Помощна информация

  • Политика за използване на бисквитки
  • Политика за сигурност на личните данни
  • Политика за защита на личните данни
  • Общи условия
  • HTML карта на сайта
  • XML Карта на сайта

Полезни линкове

  • Facebook
  • Instagram
  • Youtube

Абонирайте се за нашия бюлетин

Проверете входящата си поща или папката със спам, за да потвърдите абонамента си.

Нашите курсове

  • Безплатни курсове
  • Чат ботове

Enicomp.eu 2022 - Агенция за дигитален маркетинг - всички права запазени

Този сайт използва бисквитки за по-добро потребителско преживяване. We'll assume you're ok with this, but you can opt-out if you wish. НастройкиПриемам
Поверителност & Политика за бисквитките

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT