Entendendo melhor técnicas de análises de spams baseados em links

Um
aspecto frustrante do link building é não saber o valor de um link. Apesar da experiência e de alguns
dados serem capazes de te ajudar na sua avaliação de links, é impossível saber
em que nível um link está te ajudando. É difícil saber se um link sequer
está te ajudando. Mecanismos de busca não contam todos os links, eles reduzem o
valor de muitos dos que eles de fato contam, e usam fatores relacionados com
seus links para suprimir seu valor além do que sobrou. Isso tudo é feito para
aumentar a relevância da detecção de spam.

Compreender
os princípios básicos da detecção de spams pode melhorar seu entendimento sobre
a avaliação de links e te ajudar a entender como os mecanismos de busca abordam
o problema da detecção de spams, o que pode levar a melhores práticas de link
building.

Eu
gostaria de falar sobre alguns conceitos interessantes de análise de spams
de links que os mecanismos de busca podem utilizar para avaliar o seu perfil de
backlink.

Atenção: Eu não
trabalho em um mecanismo de busca, então não posso fazer afirmações concretas
sobre como os mecanismos de busca avaliam links. Os mecanismos podem usar
algumas, ou nenhuma, das técnicas incluídas neste artigo. Eles também certamente usam mais
técnicas (sofisticadas) que eu sou capaz de cobrir neste artigo. No entanto, eu
gastei muito tempo lendo trabalhos e patentes, então achei que valeria a
pena compartilhar algumas dessas técnicas interessantes.

#1 PageRank Truncado

Os
conceitos básicos do PageRank Truncado  estão no trabalho Linked-based Characterization and Detection of Web
Spam (pdf). O PageRank Truncado
é um cálculo que remove a contribuição direta do “link juice” fornecida
pelo primeiro nível (is) de link (s). Portanto, uma página impulsionada por
métodos naturais estão recebendo uma grande porção
do valor do PageRank diretamente da primeira camada. No entanto, um link de uma
página bem linkada irá receber a contribuição do “link juice” de níveis
adicionais. Páginas de spam provavelmente irão mostrar um PageRank Truncado que é
significamente menor que o PageRank. A proporção do PageRank Truncado para o PageRank pode ser um sinal para indicar o spam
de um perfil de links.

#2 Contribuições protegidas/acessíveis

Links podem
ser agrupados em três grupos gerais:

1. Links de conteúdo protegido – Links de páginas em que os
   mecanismos de busca determinaram algum nível de propriedade (co-citação
   bem conectada, IP, whois etc.)
2. Links de conteúdo acessível – Links de conteúdo não
   protegido que têm fácil acesso para adicionar links (blogs, fóruns, diretórios
   de artigos, livros de visitantes etc.)
3. Links de conteúdo
   inacessível –
   Links de fontes independentes

Um link de
qualquer uma dessas fontes não é nem bom nem ruim. Links provenientes de
conteúdo protegido, através de redes e relacionamentos, são perfeitamente
naturais. No entanto, um link proveniente de conteúdo inacessível poderia ser
um link pago, então esse grupo não significa que é inerentemente bom. No
entanto, saber em qual grupo o link se encaixa pode mudar a avaliação.

 

 

Esse tipo
de análise em dois sites pode mostrar uma diferença distinta em um perfil de
link, com todos os outros fatores sendo os mesmos. O primeiro site é
primariamente suportado por links provenientes de um conteúdo que ele controla
diretamente ou que pode ganhar acesso para. No entanto, o segundo site tem
ganhado links de uma grande porcentagem de fontes únicas e independentes. Sendo
todas as coisas iguais, o segundo site tem menos chances de ser um spam.

#3 Massa relativa

A massa
relativa responde pela porcentagem da distribuição de um perfil de certos tipos
de links. O exemplos dos gráficos de pizza demonstram o conceito da massa
relativa:

 

 

A massa
relativa é discutida mais profundamente no trabalho Link Spam Detection Based on Mass
Estimation. A
análise da massa relativa pode definir o limite no qual uma página é
determinada “spam”. Na imagem acima, os círculos vermelhos foram identificados
como spam. A página alvo agora tem uma porção do valor atribuído a ela através
de sites “spam”. Se esse valor de contribuição exceder o limite de potencial,
essa página poderia ter seus rankings suprimidos ou seu valor passado através
desses links minimizados. O exemplo acima é razoavelmente binário, mas muitas
vezes existe um grande gradiente entre não-spam e spam.

Esse tipo
de análise pode ser aplicado a táticas também, tais como distribuição de links
de comentários, diretórios, artigos, fontes sequestradas, páginas protegidas,
links pagos etc. O algoritmo pode fornecer um certo grau de “perdão” antes que
sua contribuição de massa relativa exceda um nível aceitável.

PAREI AQUI

#4 Contar os suportes/velocidade dos nós

Outro
método para avaliar links é contar com sites apoiadores que linkam para o seu site
e avaliar a descoberta desses nodes (e o ponto no qual a descoberta sofre
picos).

 

Um
histograma de distribuição de nodes de sites apoiadores por saltos pode demonstrar
a diferença entre spam e sites de alta qualidade.

 

Sites bem
conectados irão crescer em sites apoiadores mais rapidamente do que sites spam,
e sites spam geralmente têm picos mais cedo. Sites spam irão crescer
rapidamente e decair assim que você se afastar do node alvo. Essa distribuição
pode ajudar a determinar que um site está usando práticas de link building de
spam. Devido ao fato de as redes de spam terem altos graus de clustering, os
domínios irão repetir sobre os saltos, o que faz com que os perfis de spam
gerem gargalo mais rápido do que perfis que não sejam spam.

Dica:
Acredito que esse seja um motivo pelo qual a diversidade de domínios e a raiz
única de domínios de links estão bastante relacionadas com os rankings. Eu não
acredito que o relacionamento é tão inocente como contar domínios de links, mas
uma analise como contagem de sites apoiadores, assim como Truncated PageRank,
poderia fazer com que os links recebidos de um grande conjunto de domínios
diversos fosse melhor correlacionado com os rankings. .

#5 TrustRank, Anti-TrustRank, SpamRank etc

O modelo
de TrustRank  foi escrito muitas vezes antes e é a base de métricas como mozTrust. A premissa básica é que as fontes de nós podem ter
ambos os valores Trust e Spam, que podem ser passados através de links. Quanto mais perto você
estiver do conjunto de sites de seed, mais próximo você estará de ser
como eles. Se você estiver perto de seeds de spam, ficará como eles; por
outro lado, se estiver próximo de links confiáveis, também será assim. Esses valores podem
ser julgados na entrada e na saída.

Não irei
entrar em muitos detalhes além disso, mas tudo se resume a algumas regras simples:

• Pegue links conteúdo
  confiável.
• Não pegue links de conteúdo
  spam.
• Link para conteúdo confiável.
• Não link para conteúdo spam.

Este tipo
de análise também foi usada para usar fóruns de SEO contra spammers. Um mecanismo de busca pode
rastejar por links nos melhores fóruns de SEO para criar um conjunto de seed
para executar análises.

#6 Texto âncora vs. tempo

Monitorar
o texto âncora ao longo do tempo pode trazer insights interessantes que
poderiam detectar manipulações potenciais. Vamos dar uma olhada em um exemplo
de como um domínio usado que foi comprado pelo valor do link (e spam) deve
aparecer com esse tipo de análise.

 

 

Esse
domínio tem um registro histórico de adquirir textos âncora incluindo termos
alvo. Então de repente a taxa cai e depois de um tempo um novo fluxo repentino
de texto âncora, nunca visto antes, começa a entrar. Esse tipo de análise de
texto âncora, combinado com a abordagem de detecção de spam ortogonal, pode
ajudar a detectar o ponto no qual a propriedade foi modificada. Os links antes
desse ponto podem então ser avaliados diferentemente.

Esse tipo
de análise, além de outras coisas muito interessantes, é discutida no trabalho
do Google Document Scoring Based on Link-Based
Criteria.

#7 Limites de crescimento de links

Sites com
rápido crescimento podem ter seu impacto amortecido ao ser aplicado um valor
que pode ser ganho com uma unidade de tempo. Sinais corroborativos podem
ajudar a determinar se um pico é de um evento real ou de conteúdo viral, em
oposição à manipulação de links.

 

Esse
limite pode descontar o valor de links que excedem um limite designado. Um
perfil de crescimento mais natural é menos provável de quebrar o limite. Você
pode encontrar mais informações sobre a análise histórica no trabalho Information Retrieval Based on
Historical Data.

#8 PageRank robusto

PageRank robusto
funciona através do cálculo do PageRank sem os nodes de contribuição mais
alta.

 

Na imagem
acima, os dois links mais fortes foram desligados e efetivamente reduziram o PageRank
de um node. Sites fortes geralmente têm perfis robustos e não dependem
fortemente de poucas fontes fortes (tais quais links de fazendas de links)
para manter um PageRank alto. Cálculos robustos de PageRank são uma maneira de
reduzir o impacto nos nodes mais influenciáveis. Você pode ler mais sobre PageRank
Robustos no trabalho Robust PageRank and Locally
Computable Spam Detection Features (pdf).

#9 Variação de PageRank

A
uniformidade da contribuição do PageRank para um node pode ser
utilizada para avaliar spam. Perfis naturais de links provavelmente terão uma
variação maior na variação da contribuição do PageRank. Os perfis de spam tendem a
ser mais uniformes.

 

Portanto,
se você usa uma ferramenta, um mercado, ou um serviço para pedir 15 PR 4 links
para um texto âncora especifico, ele terá que ter uma baixa variação em PR.
Essa é uma maneira fácil de detectar esse tipo de prática.

#10 Retornos diminuídos

Uma
maneira de diminuir o valor de uma tática é criar retornos marginalmente
menores em tipos específicos de links. Isso é mais fácil de perceber em sites
com muitos links, tais como um blogroll ou links pagos no rodapé. Em algum
ponto, a popularidade do link, em volume, foi um forte fator que levou a sites
com muitos links, carregando montante de valor desproporcional.

 

O
primeiro link de um domínio carrega o primeiro voto, e receber links adicionais
de um domínio em particular irá continuar a aumentar o valor total de um
domínio, mas somente até certo ponto. Eventualmente, os links oriundos de um
mesmo domínio irão continuar a ter retornos menores. Ir de 1 a 3 links de um
domínio irá ter mais efeito do que ir de 101 links para 103 links.

Dica:
Apesar de ser fácil de ver isso em um site com muitos links, acredito que a
maioria das táticas de link building deveriam ser feitas dessa maneira. Além
das ideias como massa relativa, na qual você não quer que uma coisa domine, eu
acredito que as táticas perdem tração com o tempo. Não é provável que você
possa ganhar rankings fortes com um número limitado de táticas, porque muitas
táticas manuais tendem a chegar num ponto de diminuir os resultados (às vezes
pode ser algoritmico, outras vezes pode ser devido aos resultados diminuídos na
vantagem competitiva. É melhor evitar o link building de uma única
dimensão.

Algoritmos de links spam

Todos os
algoritmos de análises de spam têm alguma porcentagem de precisão e algum nível
de falsos positivos. Através da combinação desses métodos de detecção, os
mecanismos de busca podem maximizar a precisão e minimizar os falsos positivos.

A análise
de spams web permite mais falsos positivos do que detecção de spams de e-mail,
porque existem normalmente mais alternativas múltiplas para substituir um
resultado que foi levado para baixo. Não é como a detecção de spam de e-mail,
que é binária por natureza (inbox ou spam box). Além disso, os mecanismos de
busca não têm que criar rótulos binários de “spam” ou “não spam” para melhorar
efetivamente os resultados de busca. Ao usar a análise, tais como as discutidas
neste artigo, os mecanismos de busca podem simplesmente amortecer os rankings e
minimizar os efeitos.

Essas
técnicas de análise também são designadas para diminuir o ROI de táticas especificas,
o que deixa o spamming mais difícil e mais caro. O objetivo deste artigo não é
estressar sobre quais links funcionam e quais não, porque é difícil saber. O objetivo
é demonstrar algumas das táticas de soluções de problemas usadas pelos
mecanismos de buscas e como elas impactam as suas táticas.

?

Este artigo é uma republicação feita com
permissão. SEOMoz não tem qualquer afiliação com este site. O original está em http://www.seomoz.org/blog/understanding-link-based-spam-analysis-techniques