Qual è la genesi di una “scoperta”? In ambito SEO, spesso si progetta un test allo scopo di verificare empiricamente un’ipotesi specifica. Ma come si arriva a formulare questa domanda? A volte, alla base di tutto c’è un’osservazione casuale che scatena curiosità e desiderio di approfondire. È quanto ci capita un paio di mesi fa, quando notiamo una stranezza nei dati di Google Webmaster Tools. Questa semplice osservazione farà scaturire un’intuizione che riusciremo a verificare usando un po’ di logica e un pizzico di creatività. In questo articolo ripercorriamo pubblicamente i nostri passi, sperando che conoscere il processo seguito possa risultare interessante quanto la conclusione alla quale siamo pervenuti.

Clicca qui per leggere subito la conclusione

Google indicizza al massimo le prime otto parole del testo associato a un dato link.

Tutto comincia quando ci accorgiamo che il report GWT “Link che rimandano al tuo sito” visualizza in modo incompleto l’anchor text di uno dei back link di SearchBrain.

Nella parte visualizzata manca infatti l’ultima parola del motto di SearchBrain, “Marketing with Search in Mind”, presente nell’attributo ALT di due link grafici sui siti personali di Maurizio e Giacomo.

Ogni volta che ci si imbatte in qualche informazione “curiosa” o “anomala” mostrata da un motore di ricerca è sempre buona norma chiedersi a quale attività del motore il fenomeno vada attribuito. A volte si tratta di un fenomeno che deriva da un algoritmo usato nel “cuore” delle fasi di crawling, indicizzazione, filtraggio o ranking, e altre volte si tratta di un fenomeno prodotto a posteriori dall’interfaccia utente. Questi ultimi possono essere considerati degli effetti di “post-produzione”.

Nel caso dell’anchor text troncato, è essenziale capire in quale fase sia avvenuto il troncamento: se il motore avesse indicizzato per intero tutti i testi dell’ancora, pur non mostrandoli interamente sul pannello di GWT, si tratterebbe di un troncamento effettuato solo in fase di visualizzazione; viceversa, se riuscissimo ad appurare che la parte di testo troncata non è proprio stata archiviata da Google, saremmo di fronte ad un troncamento effettuato sin dalla fase di indicizzazione. E se esistessero limiti precisi all’indicizzazione dei testi associati ai link, questa informazione rivestirebbe un’ovvia utilità per chiunque produca testi per il web.

Pronti a scommettere che Google abbia troncato il testo del link in fase di indicizzazione, facciamo diverse congetture su quale possa essere il limite massimo utilizzato da Google. Scartando a priori l’ipotesi che possa trattarsi di un numero di sillabe (o di pixel, o di molecole…), le ipotesi più realistiche ci appaiono due:

1. Troncamento dopo N caratteri;
2. Troncamento dopo N parole.

Gli obiettivi sono dunque in realtà due: confermare la nostra congettura che il troncamento del testo avvenga effettivamente prima dell’archiviazione, e determinare il limite massimo di elementi (caratteri o parole) oltre il quale viene applicato il “taglio”.

Per verificare la quantità di testo effettivamente archiviata da Google, decidiamo di utilizzare l’operatore di ricerca inanchor associato all’operatore per la definizione di frasi, ovvero le virgolette (“). Il primo restringe la ricerca ai testi delle ancore dei link ed il secondo ci permette di specificare che le parole cercate devono appartenere alla stessa frase cioè, in questo caso, al medesimo link. Facciamo due query su Google e ne confrontiamo i risultati:

1. inanchor:”proud member of searchbrain marketing with search in”
2. inanchor:”proud member of searchbrain marketing with search in mind”

La prima query restituisce la home page di SearchBrain come unica pagina avente la stringa esatta cercata nell’ancora dei back link; la seconda restituisce zero risultati: ne concludiamo che il troncamento avviene in fase di indicizzazione (diversamente, le due query avrebbero restituito lo stesso set di risultati).

Appurato ciò, passiamo alla seconda domanda: qual è il limite utilizzato da Google? Poiché la porzione di testo del link indicizzata da Google è lunga otto parole e 54 caratteri (spazi inclusi), formuliamo due ipotesi coerenti con tale evidenza:

1. Il testo dell’ancora viene troncato dopo l’ottava parola;
2. Il testo dell’ancora viene troncato dopo circa 55 caratteri.

Curiosi di sapere se altri si siano posti la stessa domanda prima di noi, facciamo una ricerca su Google e troviamo un articolo su un blog SEO nel quale si ipotizza che il limite sia appunto di “55 caratteri (8-10 parole circa)”. Decidiamo di verificare.

A questo scopo, anziché predisporre un test producendo una pagina contenente link con ancore di lunghezza diversa e attendere che venga indicizzata, decidiamo di usare la ricerca web di Google, confidando nell’alta probabilità che nel suo indice esistano già link con le caratteristiche cercate (e nella nostra capacità di trovarli).

Dato che per invalidare l’ipotesi 1, che ci appare la più plausibile, dovremmo trovare una pagina avente almeno un back link indicizzato la cui ancora sia composta da più di otto parole, proviamo a pensare a una query di almeno nove parole abbastanza brevi, di lunghezza complessivamente inferiore a 55 caratteri. Ci viene in mente la serie di proposizioni semplici “di a da in con su per tra fra”. Esattamente nove parole, per un totale di 29 caratteri spazi inclusi: perfetto! Speriamo solo che qualcuno, da qualche parte sul web, abbia creato un link con un’ancora del genere, e che quel link sia stato indicizzato da Google. Siamo fortunati: la query inanchor:”di a da in con su per tra” (costituita da otto parole, omettendo l’ultima preposizione) restituisce alcune migliaia di risultati.

Aggiungendo fra virgolette anche la nona preposizione, che pure appare nel testo dei link, Google restituisce invece zero risultati: inanchor:”di a da in con su per tra fra”

Questa evidenza è coerente con l’ipotesi 1 (troncamento dopo l’ottava parola); tuttavia, non permette di escludere completamente l’ipotesi 2 (troncamento al cinquantacinquesimo carattere). Infatti i due limiti non sono di per sé mutuamente esclusivi, e potrebbero anche coesistere: se ciò fosse vero, in presenza di un link con un’ancora composta da parole abbastanza lunghe, Google potrebbe decidere di applicare il secondo limite, indicizzando solo i primi 55 caratteri del testo e troncando la frase prima dell’ottava parola.

Per invalidare l’ipotesi 2, tenendo ferma l’ipotesi 1, è dunque necessario trovare una pagina avente almeno un back link indicizzato con un’ancora più lunga di 55 caratteri. Decidiamo che ci serve una frase composta da parole di una decina di caratteri ciascuna, o una parola della stessa lunghezza e con una buona probabilità di apparire ripetuta molte volte all’interno del testo di un link. Il concetto stesso di ripetizione ci richiama immediatamente alla mente il meme “Developers”. Anche stavolta abbiamo fortuna: la query inanchor:”developers developers developers developers developers developers developers developers” (costituita dalla parola “developers” ripetuta otto volte, per un totale di 87 caratteri spazi inclusi) restituisce cinque risultati, invalidando l’ipotesi 2.

Anche in questo caso, aggiungendo il nono termine i risultati vengono azzerati, coerentemente con l’ipotesi 1: inanchor:”developers developers developers developers developers developers developers developers developers”

Pare proprio che il limite delle otto parole sia confermato, tuttavia ci sorgono un paio di dubbi che è necessario dirimere.

Il primo dubbio riguarda le parole che solitamente i motori di ricerca considerano stopword: ci chiediamo se vengano trattate in modo speciale dall’algoritmo che si occupa del troncamento dei testi delle ancore. A volte, in fase di indicizzazione dei testi le cosiddette “stopword” vengono ignorate, ma questo non sembra essere il caso dell’indicizzazione dei testi delle ancore, in quanto la sequenza di preposizioni “di a da in con su per tra fra” include la parola “a”, storicamente considerata una stopword da Google, sia per la lingua italiana sia per la lingua inglese. Pertanto abbiamo conferma del fatto che, di ciascun link, vengono indicizzare al massimo le prime otto parole, a prescindere da quali esse siano.

Il secondo dubbio è invece quante sequenze di otto parole vengano effettivamente indicizzate per ciascun link. Siamo certi che vengano indicizzate solo le prime otto parole del testo di un’ancora e non, per esempio, tutte le sequenze di otto parole contigue contenute in una frase più lunga? Si tratta di un dubbio legittimo, poiché in information retrieval esistono diversi algoritmi di analisi e trattamento dei testi che si avvantaggiano di una loro scomposizione in sequenze di N parole contigue, detti n-grammi (qualche anno fa Google rese persino pubblici gli n-grammi che aveva estratto dalle pagine web).

Anche il secondo dubbio viene però facilmente dipanato: è infatti sufficiente riprendere l’esempio delle preposizioni semplici italiane, che sono nove, e cercare con l’operatore inanchor il secondo gruppo di otto preposizioni, da “a” a “fra”. Gli zero risultati restituiti da Google ci confermano che a venire indicizzate sono esclusivamente le prime otto parole di un link: inanchor:”a da in con su per tra fra”

L’ultima conferma la otteniamo casualmente, cercando su Google il dominio di terzo livello tools.searchbrain.it, volutamente in disallow nel momento in cui scriviamo, e notando che il titolo che Google attribuisce alla pagina, non potendo accedere al tag title, è il testo di un backlink esterno troncato dopo le prime otto parole.

A chi giova sapere che Google non indicizza i testi dei link oltre l’ottava parola? A tutti coloro che devono scrivere testi per il web, in particolare in fase di stesura di un titolo o intestazione destinata a diventare l’ancora di un link. Il primo esempio che ci viene in mente è quello dei titoli dei post di blog e forum, ma gli ambiti di applicazione sono molteplici e non limitati all’esempio fatto.

{ 25 comments }