I MOTORI DI RICERCA (I Parte)

Transcript

1 Introduzione I MOTORI DI RICERCA (I Parte) Una delle cose più incredibili che possiamo affermare riguardo ad Internet è che possiamo trovarci veramente di tutto. Qualsiasi argomento che ci viene in mente e su cui desideriamo avere delle informazioni è presente sulla rete e l'unica cosa che dobbiamo fare è semplicemente accederci. Il problema però nasce proprio a questo punto. Ci sono così tanti milioni di pagine sulla rete che a volte è quasi impossibile trovare quello che cerchiamo. Per ovviare a questo problema sono nati i motori di ricerca a cui possiamo "chiedere" di cercare un argomento sulla rete per noi. Alcuni tra i principali motori di ricerca usati in Italia I motori di ricerca sono strumenti per mezzo dei quali è possibile ricercare alcuni termini (parole) all'interno di una grande quantità di siti web. In seguito ad una ricerca, i motori di ricerca riportano una lista di siti che contengono i termini cercati. Un motore di ricerca è semplicemente un sito in cui possiamo specificare una o più parole da cercare e da cui riceviamo una lista di tutti i siti che contengono le parole in questione. Ci sono differenti siti che si occupano di ricerca ed ognuno utilizza delle particolari tecniche. Tutti però operano principalmente nel seguente ordine: analisi del campo d azione: cioé attraverso l utilizzo dei crawler (software che analizza i contenuti di una rete (o di un database) in un modo metodico e automatizzato) cercano sulla rete basandosi su parole chiave indicizzazione del materiale ottenuto: mantengono un indice di tutte le parole da cercare risposta alle richieste dell utente (SERP Search Engine Results Page): permettono all'utente di cercare combinazioni di parole chiave nel loro indice I moderni motori di ricerca indicizzano centinaia di milioni di pagine web e rispondo a decine di milioni di richieste al giorno! Ecco gli accessi giornalieri effettuati dagli americani sui 5 più famosi motori di ricerca U.S.A.: Google milioni Overture milioni Inktomi - 80 milioni LookSmart - 45 milioni FindWhat - 33 milioni 1

2 Un primo importante passo da compiere è imparare a distinguere i motori di ricerca dalle directory o "cataloghi". Una directory contiene una raccolta di indirizzi di siti web, catalogati per tipologia dei contenuti, che sono stati espressamente selezionati da personale umano. In sintesi, i webmaster e i proprietari di siti web fanno richiesta per venire catalogati e le directory accettano nel proprio archivio solo i siti web che raggiungono un certo standard qualitativo. Virgilio e Yahoo! sono delle directory. I motori di ricerca, invece, scandagliano continuamente l'intero WWW (World Wide Web) e includono nel proprio archivio di indirizzi tutti i siti web che riescono ad individuare, a prescindere dalla qualità dei loro contenuti e indipendentemente dal fatto che i siti siano stati trovati per caso o siano stati proposti al motore di ricerca da un utente. Google e Altavista sono dei motori di ricerca. Da quanto appena esposto risulta che: 1. il numero di siti web potenzialmente archiviabili dai motori di ricerca è di gran lunga superiore al numero di siti web potenzialmente archiviabili dalle directory 2. negli archivi dei motori di ricerca confluiscono anche siti di bassa qualità o con pochi contenuti. Per ovviare all'inconveniente descritto al punto 2 e per riuscire a consigliare agli utenti i siti web più ricchi di contenuti, i migliori motori di ricerca hanno adottato delle tecniche per mezzo delle quali ad ogni sito archiviato viene attribuito un valore che rappresenta una sorta di "indice di qualità" del sito web. In questo modo è possibile, in seguito ad una ricerca, offrire all'utente una lista di siti ordinata in base all'indice di qualità dei siti elencati, partendo dal sito che presenta il valore più alto. Le tecniche usate dai motori di ricerca per attribuire un valore ad un sito sono diverse e molto complesse. 2

3 Come i motori di ricerca cercano e analizzano i siti Un motore di ricerca deve costruire un proprio indice in cui memorizzare per ogni parola chiave il corrispondente sito da visitare. Per costruire questo indice, ogni motore di ricerca utilizza alcuni programmi chiamati "spiders" (ragni) il cui unico compito è quello di visitare continuamente una grande quantità di siti web, leggere il testo contenuto nelle pagine ed estrarre quelle parole/termini che rappresentano al meglio i contenuti del sito. Gli spiders, partendo da una singola pagina Web (solitamente dalla home page), riescono a navigare attraverso tutte le pagine ad essa collegate. Per ogni pagina letta, lo spider cerca al suo interno e memorizza ogni link (collegamento) ad altri siti, aggiungendoli ad una lista di siti da visitare. In questo modo, attraverso un processo a catena, lo spider è in grado di ottenere una quantità enorme di indirizzi di siti e pagine web, riuscendo ad incrementare il numero di siti conosciuti molto più di quanto possa essere fatto dalle directory, che si basano su un lento meccanismo di iscrizione e valutazione dei siti, operato da esseri umani. Lo spider Per consentire ad uno spider di trovare agevolmente tutte le pagine che compongono un sito web bisogna fare in modo che da qualunque pagina del sito sia possibile risalire, direttamente o indirettamente, a tutte le altre pagine. Un buon sistema per ottenere questo risultato è inserire in ogni pagina del sito un link alla home; in questo modo, qualunque pagina del sito lo spider dovesse casualmente trovare (magari seguendo un link trovato su un altro sito) consentirà allo stesso di risalire alla pagina principale e, da lì, trovare le altre seguendo tutti i link incontrati. Le informazioni analizzate Gli spider non fanno caso alla grafica delle pagine ma focalizzano il loro lavoro di analisi esclusivamente sul testo. Questo significa che ogni immagine o animazione grafica viene semplicemente ignorata e che gli unici contenuti su cui lo spider si basa per valutare il sito sono quelli testuali contenuti nei tag del codice HTML. Quanto appena detto ci porta a fare una prima importante considerazione: i siti web acquistano "corposità" agli occhi dei motori di ricerca solo se contengono buone quantità di testo, ovviamente in tema con gli argomenti trattati dal sito. In seguito ad una ricerca effettuata con un motore di ricerca, all'utente verranno proposti sopratutto i siti più ricchi di testo. 3

4 Esempio Supponiamo di aver creato un nostro sito personale e di volerlo inserire in un motore di ricerca in modo che sia più facile trovarci nel web. Se andiamo sul sito del motore di ricerca troveremo nella home page una sezione dedicata all'inserimento di nuovi siti. In tutti i motori di ricerca in cui si vuole registrare il proprio sito si trovano differenti servizi per lo più a pagamento che garantiscono l'inserimento del proprio sito nell'indice principale in appena 24/48 ore. Fortunatamente è quasi sempre possibile segnalare il proprio sito anche gratuitamente ma ovviamente in questo caso i tempi di indicizzazione saliranno a 3-4 settimane! Una volta specificato il tipo di servizio richiesto (gratuito o a pagamento), si specifica il nome del sito, l'indirizzo della pagina principale ed il tipo di contenuto, dopo di ché si invia il tutto al motore di ricerca e si aspetta. Dopo qualche settimana verrà attivato lo Spider sulla segnalazione effettuata. Lo spider accederà alla pagina principale del sito che gli è stato segnalato e da li comincerà la sua navigazione seguendo i link presenti in essa. Per ogni link trovato aprirà una nuova sessione ed effettuerà la stessa identica ricerca accedendo agli altri link presenti. Ovviamente durante tutto questo viaggio tra le pagine del sito provvederà a memorizzare le parole trovate, la frequenza con cui esse si ripetono (il cosiddetto peso) e la pagina web in cui esse sono state trovate. Lo spider usa i link della pagina iniziale per visitare tutto il sito e raccogliere informazioni con cui costruire l'indice Il modo in cui le singole parole vengono selezionate e pesate può differire a seconda del metodo di indicizzazione usato che è proprio di ogni motore di ricerca. Lo spider di Google ad esempio considera solamente le parole ed esclude gli articoli (a, ai, il, la, in...) in modo da effettuare una ricerca più veloce. Quello di Altavista al contrario indicizza tutte le parole (articoli compresi) in modo da fornire dei risultati più accurati. Lycos invece indicizza solamente le 100 parole con più alta frequenza 4

5 escludendo tutte le altre. Sono approcci differenti che rendono differenti i risultati che si possono ottenere da differenti motori di ricerca. Costruire l'indice Una volta che lo spider ha terminato il proprio lavoro, i dati devono essere salvati nell indice. Due sono essenzialmente le componenti che entrano in gioco a questo punto: Quali informazioni salvare In che modo salvarle Il modo più semplice per salvare le informazioni potrebbe essere quello di memorizzare parola e relativo URL. In questo modo però il motore di ricerca non riuscirebbe a capire il peso della parola all'interno del sito web e non potrebbe quindi identificare un sito che parla in modo approfondito di un determinato argomento da uno in cui l'argomento è appena nominato. Alla luce di questo, un indicizzazione ben fatta deve tener conto di altre informazioni (oltre a parole e URL) quali ad esempio il peso di ogni parola. Questo dato può essere calcolato con differenti algoritmi, ma solitamente si tende ad assumere che una parola che appare nel titolo o nei meta tags abbia un peso maggiore rispetto ad una che appare solo in fondo alla pagina. Alcuni motori di ricerca (tra cui il famosissimo Google), memorizzano per ogni parola anche il suo carattere, la grandezza del font ed il colore, ed usano tali informazioni nelle successive fasi di ricerca. E' ovvio infatti che parole scritte con un font più grande rispetto al resto del documento abbiano un peso differente rispetto alle altre. Lo stesso dicasi per l'eventuale colore o per il tipo di carattere usato. I Meta Tag I Meta tags sono degli speciali tags html che possono essere usati all'interno di una pagina web per permettere ai motori di ricerca di classificare con maggior precisione la pagina stessa all'interno dell'indice di ricerca. Ecco un esempio dei meta tag utilizzati nelle pagine: <META NAME="TITLE" CONTENT="ComeFunziona.Net"> <META NAME="DESCRIPTION" CONTENT="ComeFunziona.Net - Il sito che vi spiega come funzionano le cose."> <META NAME="KEYWORDS" CONTENT="come;come funziona;come funzionano;"> <META NAME="OWNER" CONTENT="webmaster@comefunziona.net"> <META NAME="AUTHOR" CONTENT="ComeFunziona.net"> <META HTTP-EQUIV="EXPIRES" CONTENT=""> <META HTTP-EQUIV="CHARSET" CONTENT="ISO "> <META NAME="LANGUAGE" CONTENT="Italian it"> <META HTTP-EQUIV="VW96.OBJECT TYPE" CONTENT="Howto"> <META NAME="COPYRIGHT" CONTENT=" 2003 ComeFunziona.net"> <META NAME="CLASSIFICATION" CONTENT="Education"> <META NAME="DISTRIBUTION" CONTENT="Global"> <META NAME="PRAGMA" CONTENT="no-cache"> <META NAME="RATING" CONTENT="General"> <META NAME="ROBOTS" CONTENT="index,follow"> <META NAME="REVISIT-AFTER" CONTENT="4 weeks"> 5

6 Alcuni tags come ad esempio AUTHOR, LANGUAGE, OWNER e COPYRIGHT sono puramente informativi e statistici mentre altri come RATING, ROBOTS e REVISIT- AFTER sono indirizzati proprio agli spider e gli dicono come indicizzare i dati. Questo Tag dice al robot di indicizzare la pagina ("INDEX") e di seguire i link in essa contenuti ("FOLLOW"). Se avessimo usato un tag specificando NOINDEX e NOFOLLOW, lo spider non avrebbe indicizzato la pagina e non avrebbe elaborato i link presenti. Questo tag facilmente intuibile dice al Robot di visitare nuovamente questa pagina ogni 4 settimane ("4 weeks"). Se il vostro sito web viene modificato frequentemente, è opportuno che lo Spider lo controlli con molta frequenza in modo da tenere aggiornato l'indice con le nostre informazioni. Visibilità sui motori Riuscire ad aumentare la visibilità dei siti sul web, al fine di incrementare il numero delle visite degli utenti, è il desiderio di qualunque webmaster o proprietario di un sito web. I motori di ricerca sono uno degli strumenti migliori per riuscire ad acquisire un'alta visibilità su Internet, in quanto consentono di veicolare gli utenti proprio verso quei siti web che gli utenti stessi sono interessati a trovare. Visitatori di qualità I motori prendono in esame le ricerche effettuate dagli utenti e forniscono loro un elenco di siti web inerenti gli argomenti cercati. Ne consegue che la visibilità di un sito sui motori di ricerca consente al sito stesso di ricevere visitatori che possiedono due importanti caratteristiche: 1. Si tratta di utenti "attivi" e "motivati": da loro parte la decisione di individuare siti web rispondenti alle loro necessità e loro stessi si attivano e investono tempo nell'utilizzare uno strumento (un motore di ricerca) che sperano possa fornire loro informazioni utili. A differenza di quei visitatori ottenuti attraverso altre tecniche di visibilità, dunque (come ad esempio la pubblicità sui siti web), il visitatore proveniente da un motore di ricerca non viene attratto su un sito mentre è intento a fare dell'altro e si sente psicologicamente più "padrone" dei percorsi di navigazione scelti e maggiormente incline a perlustrare i siti autonomamente individuati e selezionati. 2. Un visitatore proveniente da un motore di ricerca è quasi sempre un visitatore targettizzato, ovvero un visitatore interessato ai contenuti ospitati dai siti visitati. Rendere i siti visibili sui motori Le tecniche volte a far risultare un sito visibile sui motori di ricerca (a cui ci si riferisce col termine "posizionamento") richiedono innanzitutto un'attenta progettazione del sito, che deve possedere caratteristiche tali da risultare appetibile sia agli utenti sia ai motori di ricerca. Si tratta dunque di un processo che andrebbe attentamente pianificato e messo in atto già in fase di progettazione del sito web. Il miglior passo da compiere per risultare visibili sui motori di ricerca è quello di realizzare un sito web di qualità. 6

7 Ottimizzazione di un sito web Per ottimizzazione di un sito web si intende quel processo indispensabile grazie al quale si rende appetibile ai motori di ricerca un sito web indipendentemente da qualunque linguaggio (HyperText Markup Language) sia stato usato per crearlo, o su quale piattaforma esso sia stato creato. Il servizio di ottimizzazione di un sito è un processo continuo che si sviluppa e si modifica in base a quelli che sono i motori di ricerca ed ai loro cambiamenti nel tempo. In inglese viene definito S.E.O. (Search Engine Optimization), comprende tutta una serie di operazioni da effettuare alle pagine alle quali vogliamo dare maggiore visibilità ed è strettamente correlato al sito web che si vuole ottimizzare. Quindi il SEO è la pratica attiva di ottimizzare un sito web, migliorando gli aspetti interni ed esterni al fine di aumentare il traffico che il sito riceve dai motori di ricerca. Ci riferiamo perciò alle tecniche che aiutano un sito web a salire più in alto nella ricerca naturale. L obiettivo da raggiungere è rendere il sito più visibile alle persone che sono interessate al prodotto/servizio e che cercano tramite i motori di ricerca. Un sito web ben ottimizzato è altamente visibile dai motori di ricerca, è in grado di procurare visite e quindi introiti, se si parla di siti web prettamente commerciali. Generalmente si opera in tre fasi: 1. Analisi della struttura e delle pagine dell'intero sito web 2. Modifica dell'intero sito web 3. Analisi, mantenimento e miglioramento dei risultati ottenuti Nella fase di analisi si studiano l intera struttura e le singole pagine del sito web da ottimizzare, il linguaggio di markup usato, i contenuti, l accessibilità delle pagine stesse; si valutano insomma tutti i parametri del sito e delle singole pagine web. Successivamente si passa alla modifica di tutti questi parametri analizzati definendo keywords specifiche per ogni pagina che saranno strettamente messe in relazione con i contenuti, si ottimizzano i contenuti stessi e generalmente se ne aggiungono di nuovi In ultima fase, dopo aver effettuato l indicizzazione del sito si agisce costantemente sul monitoraggio dei risultati ottenuti operando in base a quelle che sono le logiche di analisi dei motori di ricerca e delle loro evoluzioni. Fonti