Поисковые системы могут использовать "Коэффициенты сжатия", чтобы упростить идентификацию страниц низкого качества на большом масштабе.
Недавно была отличная статья от Roger Montti, которая осталась в значительной степени незамеченной. Это наводит на мысль о том, что поисковые системы, такие как Google, могут использовать сжимаемость для вычисления вероятности того, что страница будет спамом.
Сжатие является распространенной практикой в интернете. Идея заключается в том, что алгоритмы поисковых систем могут находить повторяющиеся слова и ненужный текст, чтобы уменьшить общий размер документа. В результате, окончательный сжатый документ будет урезанной версией оригинала, чтобы занимать меньше места. Аналог этому — «Сжатие файлов JS/CSS» — распространенная практика повышения скорости работы сайта.
Концепция заключается в том, что поисковые системы могут использовать сжимаемость в качестве определяющего фактора качества контента. Чем больше ваша страница может быть сжата, тем больше вероятность того, что она является спамом, поскольку содержит ненужную информацию.
В своей статье Roger Montti нашел исследовательскую работу 2006 года от Марка Найорка и Денниса Феттерли. Исследование показало, что 70% страниц с коэффициентом сжатия 4,0 и более с большей вероятностью являются спамом.
Несмотря на то, что коэффициенты сжатия не были на 100% точными в идентификации спама, они были одним из лучших методов, обнаруженных исследователями. Это означает, что они могут сочетать сжимаемость с другими факторами, чтобы более точно оценить, действительно ли страница низкого качества.
Из любопытства - зашел в API Leaks, чтобы выявить упоминания о коэффициентах сжатия. В модели индексирования есть переменные как для ContentLength, так и для uncompressedContentLength. Так что прямо здесь есть доказательства того, что они могут сравнить эти два понятия.
В последнее время Cyrus S. (Сайрус Шепард) много писал о том, как сайты, попавшие под действие обновления полезного контента, были чрезмерно SEO-оптимизированы. Это может быть одним из способов, объясняющих, почему данные сайты получили фильтр HCU.
Больше полезных новостей и инструментов на нашем телеграм-канале https://t.me/siteanalyzer