@Fradek71 said:

Supponiamo che "questa è la mia key" sia la key della mia ricerca.
Questa key è esattamente il titolo (ovvero il tag TITLE) di una delle pagine del mio sito. Non solo, ma questa key è stata anche mappata all'interno dell'URL con il rewrite in: ```
www.miosito.it/argomento_numero_1/questa_e_la_mia_key-st123.html

Ebbene, se cerco 

questa è la mia key

Se cerco

"questa è la mia key"

Qui torniamo nell'annosa questione di underscore e trattini.
L'underscore non viene usato come separatore di parole per cui la parola
questa_e_la_mia_key non soddisfa la ricerca "questa e la mia key".
(la prima e' una singola parola, la seconda una frase con 5 parole).

Il fatto che poi magari con la ricerca site:miosito.com venga restituito, mi ha inizialmente sorpreso, ma credo ci sia una spiegazione anche per questo (cosi come c'e' una spiegazione sul fatto che, tra i risultati i termini separati da underscore vengono evidenziati lo stesso).

Credo che il motivo sia che in fase di indicizzazione, i termini separati da underscore non vengono indicizzati separatamente (quindi il documento viene associato al termine "questa_e_la_mia_key" ma non ai termini "questa","e","la","mia" e "key").

Nel momento in cui il documento viene recuperato pero', le occorrenze dei termini nell'URL vengono considerate (a questo punto, nel caso delle query site:miosito.com, sembra che vengano presi in esame tutti i documenti per il sito specificato, e quindi, sorprendentemente, il documento viene resitutito).

@Fradek71 said:

Sembra che per google quel file .html non esista. Anche se devo dire che altri file simili nella struttura dell'url, compaiono in prima posizione per diverse chiavi di ricerca.

Hai provato a cercarlo con gli underscore (cioe' cerca questa_e_la_mia_key )?
Probabilmente gli altri articoli vengono trovati perche' contengono, nel body, le stesse parole del titolo ma senza gli underscore.

Buon anno.

@j0sh said:

www.dgmag.it

Ciao,
cosa intendi con "sparito da google" ?

quel sito a me risulta primo su google.it per la query 'dgmag'
e la ricerca site:dgmag.it restituisce circa 151.000 pagine...

Ho letto il thread con interesse. Volevo fare qualche commento anche prima ma poi me ne sono scordato...
Dopo aver letto il messaggio di Jeff Dean (e considerando anche i nomi dei progetti nella tabella allegata) credo che la cosa vada interpretata cosi':

Il progetto Crawl riguarda evidentemente gli spider, e non l'indicizzazione (sono due fasi ben diverse).

A occhio e croce, la tabellona piu grande contiene il contenuto vero e proprio delle pagine (piu' vari dati aggiuntivi, tipo http headers, content-type, data, eventuali redirect etc.).

La tabella piu' piccola invece contiene probabilmente soltanto lo stato degli URL da scaricare (e/o scaricati), informazioni quali l'IP, la frequenza con cui "colpire" l'host, eventuali errori/redirect/404 etc., magari qualche informazione su PR, priorita' con cui selezionare gli URL per il crawling, chissa' forse pure qualche info su eventuali sitemaps etc.

Non credo invece che, queste tabelle, contengano informazioni particolari per il ranking vero e proprio (tra il crawling e il ranking ci sono diversi passi intermedi), e poi mi sembra di capire che Jeff Dean ( http://labs.google.com/people/jeff/ ) si occupi piu' di infrastruttura che di "search quality".

Per quanto riguarda i "locality groups" credo che siano principalmente una questione di ottimizzazione (per le performances), cioe' se programmi diversi accedono a gruppi diversi di colonne, possono limitarsi a leggere solo le colonne che gli interessano, invece di caricare l'intera riga.

Considera che qui stiamo parlando di tabellone costruite ad-hoc, non tabelle di database SQL, e non e' possibile formulare queries sql complicate, per cui, se ho capito bene l'articolo, secondo me, questi locality groups sono l'equivalente di query sql precompilate, cioe' se un programma ha bisogno di leggere solo le colonne x,y,z viene creato un locality-group per queste tre colonne (e quindi i dati relativi a queste colonne vengono affidati alle stesse macchine).

Infine, credo che prima di pubblicare l'articolo, sia stato passato sotto esame da gente tipo Matt Cutts per filtrare eventuali informazioni che potessero essere di aiuto ai SEO

@nelli said:

grazie giorgio
l'attività da parte dei seo di posizionamento di un sito/portale - che facendoci ragionare in termini di passaggio di link popularity/pagerank/trustrank ecc... ha provocato l'eliminazione dei link in uscita quando non necessario - fa sì che i siti dei piccoli stiano "scomparendo" da google.

Ho letto il tuo articolo, in effetti tocca un argomento molto interessante.
Di questi giorni e' molto difficile, se non impossibile, trovare su Google il sito di ristoranti, bar e piccoli esercizi commerciali, specialmente nei "piccoli" web come quello italiano.
Oggi come oggi (con i link spontanei che sembrano quasi una leggenda metropolitana) per questi siti e' gia' difficile entrare negli indici, non parliamo di finire ai primi posti per le ricerche che li riguardano, e questo alla lunga puo' diventare un problema per i motori di ricerca (specialmente quando fasce sempre piu' larghe di utenti si affacciano su internet).

A me sembra un buon risultato (per la query "terme").
Quale altra pagine riterresti essere piu' indicata per il primo posto ?
La query e' molto generica (non specifica che tipo di terme, o in che regione etc.) e quella pagina fornisce molte informazioni sull'argomento e permette infatti di raggiungere la maggior parte dei siti sulle terme direttamente con un click. Per questo mi sembra anche più utile di quella al secondo posto, che magari ha più contenuti, ma e' meno immediato nella navigazione e non permette di raggiungere gli altri siti delle varie terme.

Risultati su terme specifiche (quelli dalla terza posizione in giù) non meriterebbero comunque la prima posizione.

Non c'e' una "ricetta" vincente per finire al primo posto per una query. Google cerca di individuare il risultato che meglio soddisfi la richiesta dell'utente, e in questo caso particolare credo che non sia andato molto lontano.

Per una query cosi generica mi sarei anche aspettato di trovare l'articolo di wikipedia sulle terme, non al primo posto ma almeno in prima pagina, invece sembra che questa voce non sia stata ancora inserita (in Wikipedia, intendo).

@ferlo said:

D'altra parte da chi denuncia alle autorita' cinesi dei dissidenti non ci si puo' certo aspettare compresione.

Ciao,
non voglio entrare nel merito della questione malware/badware.
Voglio ricordarti, invece, che a collaborare con i cinesi per tracciare i dissidenti e' Yahoo non Google.
Per me e' una differenza importante, per es. Google non fornisce in Cina alcun servizio tipo gmail o blogger proprio per evitare di vedersi costretto dal governo locale a fornire informazioni sui propri utenti (nei paesi democratici, invece, puo' permettersi di rifiutare di rilasciare questo tipo di informazioni senza dover chiudere baracca).

@ferlo said:

Come ho letto da qualche parte, loro rispondono solo ai loro azionisti, quindi: eliminare la concorrenza fa aumentare i guadagni sulle vendite degli spazi pubblicitari.

Non so dove lo hai letto, ma a me non risulta, anzi quando sono entrati in borsa hanno detto chiaramente che non si sarebbero lasciati influenzare dagli azionisti (e' in effetti i tipi di azioni sono tali che Larry, Sergey ed Eric hanno comunque ben oltre il 50% dei voti anche senza dover possedere il 50% delle azioni).

Per non andare troppo Off-Topic, aggiungo che non sono particolarmente contrario a questi controlli sul Badware/Malware, il problema e' forse che questo tipo di dialers e' particolarmente diffuso in Italia, forse per il solito malcostume per cui si cerca sempre di fregare il prossimo invece di fornire un servizio utile o comunque soddisfacente.
Segnalare in maniera esplicita siti a "rischio" (invece di bannarli direttamente) potrebbe, forse, aiutare a limitare o almeno ridurre questo problema (o quantomeno a sensibilizzare gli utenti, che spesso non si accorgono nemmeno di essere vittima di malware e poi magari se la prendono con Google).

@Tambu said:

una volta dimostrato che c'è un processo editoriale, ed accreditati come fonti, tutte le news finiscono nel calderone.

Che intendi esattamente per "processo editoriale" ?

@sughero3 said:

la parcella deve essere versata in anticipo e non c'è nessuna assicurazione di vittoria finale ...

La differenza in USA e' che l'avvocato prende una percentuale sulla vincita, ma non lo paghi se perdi.
E in genere sono gli avvocati a cercare i clienti quando pensano di poter far causa a una multinazionale piena di soldi...

@francesco_ud said:

si ho notato pure io questo, cosa comporta? google per caso registra questi dati? oppure no?

Se hai la funzione Search-History attivata (in italiano: Cronologia ricerche) puoi rivedere le ricerche che hai fatto in passato, su quali risultati hai cliccato etc.
Ci sono anche varie statistiche su quante ricerche fai al giorno, al mese etc.

Puoi comunque attivare e disattivare l'opzione in qualsiasi momento.

@nbriani said:

...allora "portagioie+prezioso" ha un solo risultato e "portagioie+prezioso+antico" nessuno...

Ancora per poco: tempo un paio di giorni e immagino che questa discussione schizzera' in cima alla serp

Chiaramente, gli spider di Google non possono farlo:
Google prende la pagina (ancora senza ads), determina in qualche modo l'argomento del contenuto, e quindi decide quali ads metterci.
Insomma, nel momento in cui il googlebot legge la pagina, gli ads non ci sono ancora!
Piu' in generale, gli annunci (adsense e non) non fanno tecnicamente parte dela pagina, ma vengono aggiunti al volo via javascript sul browser, quindi i bot non sono in grado di vederli.

@orzo said:

ma dici questo semplicemente perche nessuno fa causa a google o perche' secondo te loro possono legalmente usare il nome del mio sito per mandare la gente dai loro sponsors?

Per curiosita', qual e' il nome del tuo sito ?
E' un nome proprio, che inequivocabilmente si riferisca al tuo sito (come per esempio e' il caso di 'giorgiotave') o piuttosto un nome comune che, tra le altre cose, corrisponde anche al tuo sito (per es. 'orzo').
Nel primo caso puoi scrivere a Google e gli spieghi la situazione, nel secondo caso non credo ci sia nulla da fare...

Comunque, da quel che ho capito del tuo messaggio originale, succede che in alcune pagine la sezione "ad links" contiene il nome del tuo sito.
Per chi non lo sapesse, gli "ad links" sono piccoli gruppi di parole chiavi (ritenute rilevanti per la pagina ospite) su cui esistono abbastanza inserzionisti che le usano nelle loro campagne, ognuna di quelle keyword punta a una pagina di ads relativi ad assa.
Questo significa che esistono molti inserzionisti che usano il nome del tuo sito come keyword per la loro campagna, e che quella parola e' abbastanza rilevante per la pagina su cui vengono piazzati gli ads.
La procedura con cui gli ads vengono piazzati sulla pagina e' naturalmente automatica, non credo che si possa parlare di dolo da parte di Google (che non e' in grado di distinguere "orzo" da "giorgiotave").
Se pero' il nome del tuo sito e' un marchio registrato, puoi chiedere a Google di non accettarlo come keyword per le campagne dei tuoi concorrenti.

Se non vuoi che le tue immagini vengano indicizzate, basta specificarlo nel robots.txt:

User-Agent: *
Disallow: /immagini/

Da quel che ho capito finora:

Il datacenter su cui finisci non dipende dal dominio (google.it, google.fr etc)
tutti questi domini vengono risolti con l'indirizzo IP dei datacenter che "probabilmente" saranno piu' veloci a risponderti (immagino in base alla distanza geografica da te e al carico corrente).

I risultati che ottieni dipendono dalla lingua che hai scelto e dal dominio che hai scelto (la stessa query puo dare risultati diversi se scegli l'interfaccia in italiano o in francese, e se vai su google.it o google.fr).

Non credo che l'indirizzo IP di provenienza abbia un influenza particolare (se non, indirettamente, sulla scelta del data-center su cui finisci, che potrebbe avere dati leggermente diversi per vari motivi)

@nbriani said:

Giorgio, Ray, quello che dite è senza dubbio sensato.
...

E' indubbio che Google e i MDR guadagnano fiumi di denaro "sfruttando" contenuti di altri ... certo con il mutuo e fino ad oggi indiscusso reciproco vantaggio nel vedersi convogliare utenti sulle proprie pagine che altrimenti nn sarebbero mai arrivati...

Non so se hai notato, ma Google News non ha advertising.
Questo proprio per evitare "grane" con i giornali: Google non prende un centesimo da Google news.

Per quanto riguarda la solita discussione dell opt-in/opt-out
si, in teoria sarebbe giusto se chi mette dei contenuti su internet fosse
tenuto a chiedere esplicitamente l'inclusione negli indici, avendo l'esclusione per default.

A quel punto i motori di ricerca diventerebbero delle directories (come DMOZ)
e la qualita' dei risultati lascierebbe davvero a desiderare. (Dmoz contiene solo una minima percentuale delle centinaia di milioni siti esistenti)

D'altra parte, nel momento in cui si pubblica del contenuto su internet, lo si mette implicitamente a disposizione di tutti (a meno di non restringerne l'accesso con login e password, per esempio).

@nbriani said:

I mdr di ricerca hanno ad oggi ottenuto cio' che volevano (contenuti) senza concordare la contropartita (visite, ok ma quante?.. e se io volessi soldi? ) e si sono costruiti un loro business enorme ...

Mah, se questo fosse davvero un problema, il mestiere del SEO sparirebbe...

@nbriani said:

Ad esempio... uno scenario assurdo ma in fondo "credibile"...

Immaginate che
... (cut)
e cosi' poi potremmo continuare.....

Liberi di farlo, devono solo riuscire a mettersi d'accordo

@nbriani said:

Chi ha deciso che le regole del gioco invece sono altre , cosi' come le conosciamo oggi?

Io sono per una rete "libera" e non regolamentata da improbabili norme su privacy e copyrights ... ma oggi i MDR e i grandi attori che vi ruotano intorno .... la stanno rendendo davvero "libera" o ne stanno facendo un luogo dove prima o poi qualcuno detterà autonomamente le regole?

Mah, io preferisco le auto-regolamentazioni, che nascono piu' o meno spontaneamente, ai regolamenti decisi dall'alto.
Mi riferisco, per esempio ai meccanismi come l'User-Agent, i robots.txt, vari no-index, no-follow etc.

@Everfluxx said:

Credo che il filtro antiduplicazione non prenda in considerazione la lunghezza delle stringhe identiche, ma semmai la percentuale di contenuti identici sul totale del documento (anche questa è probabilmente una semplificazione). In ogni caso, i siti in questione differiscono solo per poche centinaia di byte/pagina.

Mah, ad un esame piu' attento non sono pagine esattamente uguali.
Se per esempio prendi i risultati nella prima pagina della query incriminata,
ogni pagina delle spam-engine presenta diversi risultati (da 10 a 20).
Le pagine sembrano identiche a un occhio umano (stesso sfondo, stessa grafica), hanno molti contenuti in comune, ma anche contenuti leggermente diversi tra di loro...
Insomma questi di SeoCom srl hanno studiato per bene... ma non avranno vita lunga IMHO.

Qualche osservazione sull'argomento:

Secondo me Google ha tutto l'interesse a combattere lo spam, e credo anzi stia facendo un buon lavoro, nonostante tutto.

Non e' vero che non ha bisogno di farlo per via della sua posizione dominante, infatti, a livello mondiale, il suo market share non e' poi cosi' alto, credo non arrivi neanche al 50%.

Le serp come quella in esempio sono l'eccezione, non la regola.
Nel 99%, o quasi, delle queries non c'e' molto spam (ma dipende molto da come si scelgono le queries, avete altri esempi di queries con un problema simile ? voglio dire una query come 'palmari okprezzi' non e' che viene chiesta centinaia di volte al giorno... e' una goccia tra i miliardi di query della "long tail" ).

Sono d'accordo sul fatto che questo tipo di pagine dovrebbe essere abbastanza semplice da riconoscere ed eliminare alla fonte, ma a un esame piu' attento, non e' una cosa banale.

Quando hai un indice con svariati milardi di pagine, confrontarle tutte a due a due per trovare quelle 'quasi' identiche potrebbe richiedere mesi, non e' certo un processo che si puo' fare in giornata.
Infatti le pagine non sono "identiche" (perche' il nome del dominio, sempre diverso, e' presente nel testo) quindi un semplice fingerprint non basta.

Inoltre, i domini sono sempre diversi e "freschi" (anche se Google li bannasse dopo due giorni, nel frattempo ne hanno creati altrettanti).
Per esempio, per quella serp, i domini dei risultati che vedo oggi sono diversi da quelli che vedevo ieri...

Insomma e' facile a dirsi, ma ci vorra' ancora un po' di tempo (spero non molto) per liberarsi di questo tipo di spam...

@Giorgiotave said:

Cioè, Google è stato condannato perchè metteva le news di questi giornali in Google News?

No fatemi capire, non penso sia così...altrimenti

E' proprio cosi'

Tra l'altro, se un sito vuole non apparire tra le news di google news, puo' fare regolare richiesta di esclusione (e puo' anche usare un robots.txt direttamente), ma i siti belgi invece ci hanno "marciato" e sono andati in tribunale cercando (e riuscendo) a spillare dei soldi a google.

...soldi che comunque perderanno per il calo di traffico che avranno dopo l'esclusione

Purtroppo i media "tradizionali" sono ancora troppo miopi per capire certe cose...

@nbriani said:

Non è una questione, a mio modesto parere, di "odio" o "non odio", ma certo di una qualche "preoccupazione".. a me i monopoli anche quando "meritati" non piacciono !

Parlare di monopolio, nel caso di Google, mi sembra alquanto inappropriato. Non mi sembra infatti che Google rientri tra i casi menzionati qui : http://it.wikipedia.org/wiki/Monopolio.

Anzi, Google non ha un legame stretto sui propri utenti e, il giorno che un altro motore di ricerca (Yahoo!, MSN, Ask o magari uno nuovo) riuscira' a fornire un servizio migliore, gli utenti non ci metterebbero molto ad andarsene (cosi come, qualche anno fa, migrarono in massa da Altavista a Google).

Lo stesso, per esempio, non puo' accadere nel caso di Microsoft, esistono sistemi operativi migliori, ma gli utenti "dipendono" troppo da MS per passare facilmente o velocemente a MacOS, Linux o FreeBSD.

@nbriani said:

Per approfondimenti ho trovato questo interessante articolo di Jacopo Gonzales su freeonline.it

Ho letto l'articolo, e contiene un sacco di inesattezze (piu' varie bugie vere e proprie). Nel complesso mi e' sembrato un po' delirante, ma capisco che chi lavora nel settore non voglia dipendere cosi' pesantemente su un singolo soggetto e finisce col lasciarsi prendere un po' la mano .

@riga75 said:

Non so se sia la sezione giusta e se nonlo fosse vi chiedo scusa
Avrei alcune domande sul servizio di google che va in competizione con Excel, ossia Google Spreadsheets:

• Come si afa ad unire due celle? (in excel c'è un pulsante sulla barra "Unisci e centra"
• Come sai fa a fare in modo che in automatico mi inserisca altre celle tipo che se io in Excel inserisco sabtao e poi clicco in basso alla cella e tengo premuto il mouse e lo sposto a destra va avanti con i giorni sella settimana
• Come faccio a fare in modo che la cella abbia un combo da cui poter scegliere dei valori predefiniti?Grazie a chiunque voglia rispondermi

Ciao,
Google Spreadshet non e' direttamente in competizione con Excel, nel senso che non vuole (ne' potrebbe) sostituirlo.
Invece fornisce delle funzionalita minime (che comunque sono le piu' comunemente usate) e aggiunge la possibilita' di collaborare a distanza sullo stesso foglio (cosa che non credo excel supporti).
In pratica puoi invitare degli amici a vedere/editare lo stesso foglio a distanza, (ha anche una funzionalita' di chat integrata), e questo lo rende principalmente uno strumento di "collaborazione".

Il modo tradizionale per fare questo con excel e' quello di mandare il documento per email a tutti, ricevere le varie risposte e integrare le versioni a mano, cosa non sempre comoda, specie se vengono coinvolte tante persone.
Google spreadsheets invece rende questo tipo di attivita' molto piu' semplice e intuitivo.

In definitiva, se hai bisogno di lavorare in gruppo su un foglio di calcolo, magari con persone in posti diversi, allora Google Spreadsheet e' un buono strumento.

Se invece vuoi fare qualcosa di piu' sofisticato a cui lavorare principalmente da solo, excel o open office, sono piu' indicati.

Puoi anche usare entrambi, facendo un primo scheletro su google spreadsheets da far riempire ai vari collaboratori e, una volta inseriti tutti i contenuti, importarlo su excel per usare funzionalita' piu' sofisticate.