✨ Сжатие данных как способ выявления некачественных страниц

✨ Сжатие данных как способ выявления некачественных страниц

Сжатие данных (компрессия) — это уменьшение размера файла без потери важной информации. Поисковые системы могут применять сжатие для выявления некачественных страниц, в том числе дубликатов, дорвеев со схожим контентом и страниц со спамными ключевыми словами.

Микрософтовцы в 2006 году выкатили результаты исследования, согласно которому обнаружили, что избыточное количество повторяющихся слов приводит к более высокой степени сжатия. Они проверили, существует ли связь между высокой степенью сжатия и спамом. Результаты показали, что страницы со степенью сжатия 4,0 и выше в 70% случаев являлись спамом (об этом позже).

Выводы исследования таковы:

1. Дорвеи с дублирующимся контентом легко обнаружить, так как они сжимаются сильнее обычных страниц.

2. Группы страниц со степенью сжатия выше 4,0 преимущественно являлись спамом.

3. Использование только одного сигнала качества может привести к ложным срабатываниям.

4. Сигнал сжатия выявляет только спам, связанный с избыточностью, но не другие виды спама.

5. Комбинация сигналов качества повышает точность обнаружения спама и снижает количество ложных срабатываний.

Почитать это исследование и полюбоваться на графики можно вот тут.

В принципе, мы можем использовать данное исследования для определения недостаточного качества отдельных страниц с достаточно высокой достоверностью.

Теория оного действия незамысловата: алгоритмы сжатия, такие как gzip, уменьшают размер файлов, удаляя избыточные данные. Если страница сильно сжимается, то, вероятно, в ней много повторяющегося или шаблонного контента. Высокая степень сжатия может указывать на низкое качество или спамность страницы, поскольку такие страницы часто содержат повторяющиеся фразы, избыточное количество ключевых слов или просто "воду". Измеряя эту степень, мы можем выявить страницы, которые могут негативно влиять на общее качество сайта.

Реализация анализа крайне проста: можно использовать для расчетов хоть питон, хоть лягушку, хоть Гугл – шитсы – абсолютно не важно. Реализацию на лягушке я утерял, потому приведу реализацию на питоне.

Суть скрипта – скармливаем скрипту xml карту сайта. Скрипт выдирает значимый контент, сжимает его и делит одно на второе. Результаты отписывает в файл, который потом экспортируем в Эксель и сортируем по коэффициенту сжатия.

Повторюсь, в отрыве от иных оценочных методов, данный метод может сильно лажать. Но, тем не менее, оная метода позволяет без всяких усилий и достаточно быстро вычленить наиболее проблемные страницы сайта.

#DrMax #SEO

Источник новости https://t.me/drmaxseo/656...