Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
DEL LINK BUILDING A LA ARQUITECTURA INTERNA
César Aparicio
Francesco Vullo
@eCesarAparicio
Básicamente internet es así:
Internet se representa como un grafo de
nodos y aristas:
Donde:
• Nodos = URLs
• Aristas = hiperenlaces
NODOS: PUNTOS DOND...
¡Vamos a darle alegría!
Preguntas:
- ¿Se puede…?
- ¿Son los enlaces un factor
de posicionamiento…?
PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))
Siendo:
• PR (A): PageRank de la página A
• d: Dumping factor (0,85)...
Distribución de probabilidad: de una variable aleatoria es una
función que asigna a cada suceso definido sobre la variable...
El PageRank se calcula de todo internet en su conjunto
Crawleo e indexación
• Crawleo web.
Análisis de páginas crawleadas.
Extracción de links.
Renderización de contenido.
Anota...
Crawleo e indexación
Construcción del índice: Se
organiza todo como el índice de un
libro (citaciones).
PageRank
• El PageRank de un nodo/URL depende
exclusivamente de los PageRanks de los
nodos/URLs que le enlacen. Tanto nodo...
Por tanto…
URLs inútiles, duplicadas o con thin content
lastran el posicionamiento de otras URLs y el
general del sitio
Aproximación al Pagerank con Cadenas
de Markov
• Es un proceso estocástico (variables aleatorias de
evolucionan en función...
Aproximación al Pagerank con Cadenas
de Markov
Probabilidad de que un
usuario llegue a una
página al azar
Mayor probabilid...
Vamos a calcularlo
a mano
Aproximación al Pagerank con Cadenas
de Markov
• Columnas igual a 1
• Entradas mayores o iguales a 0
• Existe un eigenvalu...
Matriz de transición
Distribución estacionaria
π 𝑡
=0.3333, 0.3333, 0.1667, 0.0556, 0.1111
https://www.mathworks.com/content/dam/mathworks/mathworks-dot-com/moler/exm/ch...
PageRank sculping -Nofollow-
PageRank sculping -Nofollow-
PageRank sculping -Noindex-
https://www.stonetemple.com/seo-tags-virtual-keynote-with-gary-illyes-and-eric-enge/
URL de Schrödinger – Dumping factor
• El gato de Schrödinger y el dumping factor:
una web tiene y no tiene pagerank 0,15 l...
http://ilpubs.stanford.edu:8090/422/1/1999-66.pdf
URL de de Schrödinger – Dumping
factor
Busca a tu complementario,
que marcha siempre contigo,
y suele ser tu contrario.
Link building home
Link building home
Solución
𝑴 = 𝟏 − 𝝆 ∙ 𝑨 + 𝝆 ∙ 𝑩
𝒅𝒐𝒏𝒅𝒆 𝑩 =
𝟏
𝒏
𝟏 ⋯ 𝟏
⋮ ⋱ ⋮
𝟏 ⋯ 𝟏
siendo 𝝆 = 𝟎. 𝟏𝟓
𝟏
𝟖
𝟏 ⋯ 𝟏
⋮ ⋱ ⋮
𝟏 ⋯ 𝟏
+ 0,15*M= (1-015) *
𝑴 = 𝟏 − 𝝆 ∙ 𝑨 + 𝝆 ∙ 𝑩
𝒅𝒐𝒏𝒅𝒆 𝑩 =
𝟏
𝒏
𝟏 ⋯ 𝟏
⋮ ⋱ ⋮
𝟏 ⋯ 𝟏
siendo 𝝆 = 𝟎. 𝟏𝟓
Iteramos
Aplicamos dumping factor
Landing page categoría
Aplicamos dumping factor
Por tanto…
Sin dumping factor
Aplicado el dumping factor
Eric Bénier-Bürckel
¡Gracias!
@eCesarAparicio
Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017
Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017
Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017
Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017
Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017
Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017
Upcoming SlideShare
Loading in …5
×

Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017

3,499 views

Published on

-Del link building a la arquitectura interna-. Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017

Published in: Marketing
  • Be the first to comment

Ponencia César Aparicio co-fundador de Safecont en SEOPLUS2017

  1. 1. DEL LINK BUILDING A LA ARQUITECTURA INTERNA César Aparicio Francesco Vullo
  2. 2. @eCesarAparicio
  3. 3. Básicamente internet es así:
  4. 4. Internet se representa como un grafo de nodos y aristas: Donde: • Nodos = URLs • Aristas = hiperenlaces NODOS: PUNTOS DONDE SE ENCUENTRA LA INFORMACIÓN ARISTAS: “CAMINOS” QUE PERMITEN LLEGAR A LA INFORMACIÓN
  5. 5. ¡Vamos a darle alegría! Preguntas: - ¿Se puede…? - ¿Son los enlaces un factor de posicionamiento…?
  6. 6. PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn)) Siendo: • PR (A): PageRank de la página A • d: Dumping factor (0,85) • T1: sitios que apuntan a A (citaciones) • PR(T1): Pagerank de la página que cita a A • C(T1): Número de enlaces salientes http://ilpubs.stanford.edu:8090/422/1/1999-66.pdf
  7. 7. Distribución de probabilidad: de una variable aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La suma de todos los Pageranks, por tanto, es uno: • Tanto si es de todo internet • Como si es de un conjunto de nodos; un sitio web
  8. 8. El PageRank se calcula de todo internet en su conjunto
  9. 9. Crawleo e indexación • Crawleo web. Análisis de páginas crawleadas. Extracción de links. Renderización de contenido. Anotaciones semánticas. …
  10. 10. Crawleo e indexación Construcción del índice: Se organiza todo como el índice de un libro (citaciones).
  11. 11. PageRank • El PageRank de un nodo/URL depende exclusivamente de los PageRanks de los nodos/URLs que le enlacen. Tanto nodos/URLs internos como externos. • El Pagerank se calcula de todos los nodos/URLs (visibles) de internet.
  12. 12. Por tanto… URLs inútiles, duplicadas o con thin content lastran el posicionamiento de otras URLs y el general del sitio
  13. 13. Aproximación al Pagerank con Cadenas de Markov • Es un proceso estocástico (variables aleatorias de evolucionan en función de otra variable) discreto (divisibles un número finito de veces) en el que la probabilidad de un evento depende del evento inmediatamente anterior. • La cadenas de Markov sirven para calcular la probabilidad de situarnos en un nodo/URL al azar si tener en cuenta sucesos pasados. • En función de los enlaces y la relevancia de enlaces que recibe un sitio, este tiene mas probabilidades de ser visitado por un usuario al azar.
  14. 14. Aproximación al Pagerank con Cadenas de Markov Probabilidad de que un usuario llegue a una página al azar Mayor probabilidad = mayor PR
  15. 15. Vamos a calcularlo a mano
  16. 16. Aproximación al Pagerank con Cadenas de Markov • Columnas igual a 1 • Entradas mayores o iguales a 0 • Existe un eigenvalue igual a 1 y un eigenvector con eigenvalue 1 http://blog.kleinproject.org/?p=280
  17. 17. Matriz de transición
  18. 18. Distribución estacionaria
  19. 19. π 𝑡 =0.3333, 0.3333, 0.1667, 0.0556, 0.1111 https://www.mathworks.com/content/dam/mathworks/mathworks-dot-com/moler/exm/chapters/pagerank.pdf
  20. 20. PageRank sculping -Nofollow-
  21. 21. PageRank sculping -Nofollow-
  22. 22. PageRank sculping -Noindex- https://www.stonetemple.com/seo-tags-virtual-keynote-with-gary-illyes-and-eric-enge/
  23. 23. URL de Schrödinger – Dumping factor • El gato de Schrödinger y el dumping factor: una web tiene y no tiene pagerank 0,15 lo tiene porque la fórmula del PR se lo otorga pero no lo tiene porque no se sabe si ésa página existe o no, porque no se conoce. PR(A) = (1-d) + d (PR(T1)/C(T1) + ... + PR(Tn)/C(Tn))
  24. 24. http://ilpubs.stanford.edu:8090/422/1/1999-66.pdf URL de de Schrödinger – Dumping factor
  25. 25. Busca a tu complementario, que marcha siempre contigo, y suele ser tu contrario.
  26. 26. Link building home
  27. 27. Link building home
  28. 28. Solución
  29. 29. 𝑴 = 𝟏 − 𝝆 ∙ 𝑨 + 𝝆 ∙ 𝑩 𝒅𝒐𝒏𝒅𝒆 𝑩 = 𝟏 𝒏 𝟏 ⋯ 𝟏 ⋮ ⋱ ⋮ 𝟏 ⋯ 𝟏 siendo 𝝆 = 𝟎. 𝟏𝟓
  30. 30. 𝟏 𝟖 𝟏 ⋯ 𝟏 ⋮ ⋱ ⋮ 𝟏 ⋯ 𝟏 + 0,15*M= (1-015) * 𝑴 = 𝟏 − 𝝆 ∙ 𝑨 + 𝝆 ∙ 𝑩 𝒅𝒐𝒏𝒅𝒆 𝑩 = 𝟏 𝒏 𝟏 ⋯ 𝟏 ⋮ ⋱ ⋮ 𝟏 ⋯ 𝟏 siendo 𝝆 = 𝟎. 𝟏𝟓
  31. 31. Iteramos Aplicamos dumping factor
  32. 32. Landing page categoría
  33. 33. Aplicamos dumping factor
  34. 34. Por tanto…
  35. 35. Sin dumping factor
  36. 36. Aplicado el dumping factor
  37. 37. Eric Bénier-Bürckel ¡Gracias!
  38. 38. @eCesarAparicio

×