Conocer cuáles son las fases de indexación de contenidos que utilizan habitualmente los buscadores como Google, es importante para plantear cualquier estrategia SEO. Igual que cumplir los requisitos de indexabilidad que permitirán rastrear las páginas de nuestro sitio web a los robots que realizan esta tarea.
Vamos a ver cada una de las etapas del proceso para entender su importancia de manera desglosada. Y también los elementos que intervienen en ellas o que cualquier complejo buscador considera para determinar la clasificación y el posicionamiento. Sigue leyendo porque no te lo puedes perder.
Contenidos de esta publicación
Fase de descubrimiento
Antes de poder valorar y considerar un nuevo sitio web, página o contenido, lógicamente, el buscador tiene que encontrarlo. Existen diferentes recursos que puede utilizar para ello, que son los siguientes:
Los enlaces
En la indexación de contenidos, los enlaces delatan las páginas hacia las que redirigen. Y esto es algo que el buscador aprovecha para detectar nuevos contenidos. Después de hacerlo, volverá periódicamente para recorrer las páginas, verificando a su vez posibles cambios que puedan influir en la clasificación y el posicionamiento SEO.
Al disponer de referencias sobre la existencia de estas páginas, el buscador las encontrará sin que sea necesario mantener el enlazado interno o externo. Se podría decir que han superado el primer nivel.
El inspector de URL de Google Search Console
En la consola de búsqueda de Google hay un inspector que nos permite solicitar al buscador indexar las páginas nuevas. También permitirá reindexarlas en el caso de que cambie o se altere más adelante el contenido. Aquí podremos ver además, la forma en la que Google rastrea cada página, incluyendo factores de rendimiento WPO y posibles errores que sugieren mejoras. Desde luego, merece mucho la pena revisar de vez en cuando la interfaz.
Esta alternativa es la más recomendada para conseguir que Google considere nuevas páginas si tenemos relativa prisa o motivos de peso para que lo haga. Que duda cabe de que siempre es mejor facilitar las cosas.
El archivo Sitemap
Se trata de un archivo XML que se genera con el propósito de favorecer el seo on page para la indexación de contenidos. Alberga todas las URL que queremos que el buscador tenga en cuenta. Y también puede incluir otros tipos específicos para noticias, imágenes o vídeos.
Cada vez que este archivo se actualiza con nuevas referencias, los buscadores añaden lo necesario procesando los cambios que incluye al visitar la web. Existen diferentes programas y aplicaciones para generarlos, y hasta módulos adicionales o plugins para incorporarlos en los CMS.
La página con el mapa del sitio
En muchos casos, los sitios web incorporan alguna sección con una especie de índice que muestra todas o parte de las páginas que los componen. Al incluir enlaces SEO Dofollow hacia ellas, resultan una evidencia ideal que facilita el trabajo a los robots del buscador. Esto significa disponer de variedad de caminos o rutas para explorar.
Muchos sitios web incluyen este apartado en algún menú, normalmente situado en el footer o pie de página. Algo que resulta ideal para que las arañas sigan la pista con frecuencia al resto de enlaces que componen el sitio desde una localización común.
Fase de rastreo
Los robots de los buscadores rastrean las páginas que descubre el buscador en los servidores. Estas arañas o crawlers se encargan de examinar variedad de elementos, incluyendo diferentes tipos de palabras clave. De esta manera empiezan a digerir su contenido y a clasificarlo.
La actividad que cada robot realiza a través de sus peticiones se registra en un archivo de texto del servidor (log). En él constan estos acontecimientos de manera cronológica, los requerimientos como los recursos utilizados y la información que se descarga. Se trata de un material valioso al que podemos y deberíamos acceder.
Cada uno de estos robots es identificado como un agente de usuario (user-agent), que es algo parecido a la forma en la que se identifica un navegador. Aún así, existen diferencias que permiten distinguir a los robots de los usuarios cuando accedemos a este archivo.
Para la indexación de contenidos y durante el rastreo, los buscadores descargan todo el lenguaje de marcado HTML de las páginas y los recursos asociados como hojas de estilo CSS, código JavaScript, imágenes, fuentes y hasta archivos multimedia.
Posteriormente, Google visita de manera regular las páginas indexadas para valorar si existen cambios y actualizar el contenido en el índice. La popularidad del sitio, así como la periodicidad con la que cambia el contenido, determinarán la frecuencia de las actualizaciones. El número de solicitudes realizadas por Google en un período determinado se denomina crawl-budget o cuota de rastreo, y es algo que se puede optimizar.
Cuidar la arquitectura de la información y la disposición de contenidos en una web es importante por varios motivos. Los más importantes tienen que ver con evitar el contenido duplicado o el que aporta poco valor a través de unos factores de relevancia al conjunto del sitio. Algo que perjudicará la interpretación del buscador por lo que es realmente importante.
Fase para la representación gráfica
Después de rastrear las páginas, Google las interpreta y muestra de manera parecida a como lo hace un navegador web. Incluyendo para ello los recursos que incorporan, como hojas de estilo, JavaScript, fuentes y contenido gráfico y visual. Es lo que se conoce como renderización.
Es importante destacar que, desde hace años, Google da preferencia al cálculo de la relevancia en base al concepto de mobile-first. Esto significa que favorece las páginas web y contenidos cuya representación gráfica resulta favorable para los dispositivos móviles.
De un tiempo hasta ahora, crece el uso de dispositivos en movilidad y también los servicios que se ofrecen a través de ellos. Como la localización geográfica en las búsquedas es importante para mostrar resultados, este aspecto también se hace muy importante.
Hay que saber que en estos procesos, los buscadores pueden tener problemas para interpretar la información que se solicita desde el lado del navegador web o cliente al servidor. Sobre todo en el caso de que esta se genere durante o después de la descarga de las páginas.
Algunas librerías y frameworks JavaScript utilizan este sistema para realizar consultas a una base de datos del servidor web perjudicando la indexación de contenidos. Por ello se recomienda elegir las tecnologías de desarrollo web adecuadas antes de crear sitios web que impliquen llevar a cabo estrategias SEO.
Fase de clasificación
Para clasificar las páginas Google utiliza etiquetas HTML de marcado semántico y los datos estructurados, además de la densidad y características de las palabras clave. Todo lo que incorpora la representación gráfica en su contexto también es considerado.
Posteriormente, el contenido se clasifica y asocia a unas determinadas categorías de búsqueda. Se consigue extrayendo entidades para establecer relaciones temáticas de cara a la indexación de contenidos.
Los textos se analizan en lenguaje natural y se aplican sistemas de machine learning o aprendizaje automático para tratar de identificar la información clave o prominente. Todo aquello que resulte más significativo será utilizado para constituir asociaciones coherentes que determinen una correcta clasificación.
Para ello, no solo intervienen los textos con su estructura y concordancia, sino también el marcado y los nombres de archivos del contenido multimedia. Como gráficos o imágenes y hasta archivos PDF o de cualquier otro tipo que puedan albergar las páginas.
Fase de indexación
Después del rastreo y el procesamiento del contenido y una vez determinada la orientación con respecto a sus correspondientes categorías de búsqueda, se añaden las referencias al índice. Esto brinda en la indexación al hacer marketing de contenidos la posibilidad de que la página aparezca en los resultados de búsqueda.
Si las páginas no cumplen las directrices de Google o infieren muy desfavorablemente sobre alguna de ellas en particular, no serán indexadas. Será el caso de páginas con contenido escaso o nulo, páginas duplicadas u otras que traten de ganar los favores del buscador por medio de técnicas poco ortodoxas.
Fase de posicionamiento
El buscador establece en esta fase el nivel de relevancia teniendo en cuenta otras páginas indexadas dentro de una misma categoría. Más de 200 indicadores intervienen en calcular el resultado y por tanto en determinar el posicionamiento web de cada página en las SERP. Se valoran entre muchos otros, aspectos como la calidad del contenido, la interacción de los usuarios y el grado de popularidad. Los algoritmos hacen su trabajo para ordenar las páginas y sus contenidos en base a multitud de criterios de relevancia.
Se trata de establecer una correspondencia aproximada entre el valor que aportan los cientos de miles de millones de páginas que alberga el índice de Google y los criterios de búsqueda del usuario. Tarea compleja en la que intervienen muchas variables comparativas relacionadas con los posibles motivos de las interacciones.
Conclusiones
Ahora que entiendes cuáles son las fases del proceso de indexación de contenidos, será más fácil crearlos para aportar utilidad e interés hacia tu público objetivo. Debes saber que triunfan los sitios web y páginas de contenido más específico o especializado. Y que es mejor crear páginas o redactar publicaciones que traten temas acotados o concretos de manera preferente.
La mayoría de los sitios web reciben un mayor número de visitas en un reducido espectro de páginas que son las preferidas por la audiencia. Esto puede ser un indicador de lo que realmente les interesa a los usuarios para crear contenidos relacionados. Sin embargo, en otros casos, puede que sea más adecuado crear otros alternativos que despierten el interés para tratar de equilibrar la balanza.
