Backlinks de RankBrain: lo que las afirmaciones pasan por alto

Tres afirmaciones, verificadas una por una

La mayoría de los mitos sobre el ranking con aprendizaje automático comparten una forma. Un sistema con un nombre público recibe una fórmula privada. La fórmula, convenientemente, vende algo. Toma tres de las más comunes y haz la misma pregunta a cada una: ¿cuál es la prueba?

¿Lee RankBrain el texto ancla?

Imagina a un marketer que construye enlaces con un ancla exacta, esperando que RankBrain aprenda la página. Google describe RankBrain como un sistema para interpretar consultas que no ha visto antes. No describe la lectura de anclas, por lo que la afirmación pide al sistema que haga un trabajo que nadie documentó.

Una prueba más justa pregunta qué anclas usan tus rivales y si esas páginas clasifican. Esta pregunta se trata de tu muestra, no de un peso oculto, y nuestra llamada anchors devuelve la redacción para un sitio por 2 créditos.

¿BERT castiga las anclas repletas?

BERT es un modelo de lenguaje que lee las palabras de una consulta y de un fragmento en contexto. Google lo documentó como una forma de entender el lenguaje, no como un castigo por frases repetidas.

La política de spam es un asunto diferente. Una repentina multitud de anclas comerciales idénticas plantea una pregunta del lado de los enlaces, y el manual de spam recorre esa verificación.

La documentación de Google sobre BERT habla de consultas y fragmentos, que es un objeto diferente de un enlace. Ten esa distinción en cuenta cuando alguien cite a BERT en una propuesta de enlaces.

¿Un mayor recuento de enlaces siempre gana?

Los recuentos parecen convincentes en una prueba pequeña. Google enumera muchas señales, sin embargo, un sitio con más dominios de referencia aún puede perder contra uno que responda mejor a la consulta.

Compara los recuentos con las posiciones en todas tus consultas. Si la relación es débil, el recuento nunca fue la historia completa, y la teoría necesita otra razón para sostenerse.

Fechas que vale la pena conocer

Octubre de 2015: Google confirma RankBrain. Luego 2018 trae la actualización central de agosto, y octubre de 2019 trae BERT. Agosto de 2022 nos da el sistema de contenido útil, seguido de la actualización de spam de enlaces de SpamBrain en diciembre.

En marzo de 2024 el contenido útil se convirtió en parte del ranking central y Google ejecutó una actualización de spam el mismo día, 5 de marzo. Leer esas entradas lado a lado muestra que los sistemas del lado de los enlaces y del contenido avanzan a diferentes ritmos.

Mantén esa línea de tiempo junto a cualquier gráfico de tráfico. La mayoría de las afirmaciones de causalidad de ML desaparecen cuando las fechas no coinciden.

Lo que Google documentó, y lo que no

El registro público es más estrecho de lo que sugieren la mayoría de los artículos. Vale la pena leerlo lentamente antes de construir una teoría sobre ello.

Lo que está en el registro

Google ha publicado descripciones breves de RankBrain, BERT y el sistema de contenido útil. Esas notas nombran consultas, lenguaje y calidad del contenido como el trabajo de cada sistema. Una fórmula de enlaces para cualquiera de ellos no está entre las descripciones publicadas.

Lee la redacción con cuidado. Un anuncio de que existe un sistema te dice su propósito. No te dice sus pesos.

Lo que nunca se ha publicado

Google no ha publicado cómo RankBrain pondera los enlaces frente al contenido, ni cómo cualquiera de los tres sistemas clasifica una página para una consulta dada. Quien nombre esos pesos está adivinando, sin importar el tono que use.

Ese silencio corta por ambos lados. Nadie puede probar que un enlace no hace nada dentro de esos sistemas tampoco, por lo que la posición honesta es estrecha: desconocido, y vale la pena probarlo en lugar de asumir.

Cuando una fuente te da un peso preciso, pregunta de dónde vino el número. Una cifra sin un documento detrás es una línea de ventas, por más científica que parezca la gráfica.

De dónde vienen los mitos

El aprendizaje automático suena como magia. La gente llena el vacío con lo que ya vende. Los vendedores de enlaces dicen enlaces, las agencias de contenido dicen contenido.

La propia redacción de Google es más estrecha. En marzo de 2016 un líder de búsqueda de Google nombró enlaces, contenido y RankBrain como las tres señales principales, sin embargo la compañía nunca publicó cómo se calcula RankBrain o qué pondera frente a los enlaces.

Así que lee la versión cuidadosa: existe un sistema, importa, y sus mecanismos internos no están publicados. Pide a cualquier afirmación que nombre su prueba. Si no puede, sigue adelante.

Los vendedores y consultores no son los únicos que doblan una historia. Los entusiastas repiten una lectura inteligente hasta que suena como un hecho, así que trata cualquier explicación pulida como un borrador hasta que hayas visto su fuente.

Por qué se extiende una historia limpia

Una explicación pulida es fácil de repetir, y cabe en una diapositiva. Los sistemas reales rara vez dan ese tipo de respuesta limpia. La brecha entre los dos es de donde vienen la mayoría de las afirmaciones seguras.

Cuando veas una cadena ordenada de causa y efecto, pregunta qué paso se midió y qué paso solo se asumió.

Por qué una anécdota no es una muestra

Un sitio que se recuperó después de un impulso de enlaces prueba que un sitio se recuperó. No dice nada sobre los sitios que hicieron lo mismo y se mantuvieron planos. Pide el denominador antes de aceptar la historia.

Una muestra de treinta sitios comparables enseña más que un solo caso dramático.

Lo que un marketer puede hacer realmente con esto

Salta la teoría y ejecuta una comparación. Nuestro ejemplo práctico muestra las llamadas, usando sitios inventados para que nadie lo confunda con un hallazgo.

Luego mira el otro lado. Si una caída siguió a una ola de anstras extrañas, el manual de spam te dice si actuar o esperar. A menudo esperas.

BERT muestra bien la sobreinterpretación. La hype fue alta. Llegó a búsquedas en inglés en EE. UU. en octubre de 2019 y a más de 70 idiomas en diciembre, y muchos sitios no vieron nada. Reescribir todas las páginas para ello fue una pérdida de un trimestre.

Si tu equipo sigue discutiendo sobre qué cambio causó una caída, escribe las dos causas candidatas en una página con la fecha de cada una. La página es más corta que el debate, y usualmente resuelve el orden de las verificaciones.

Mantén el escrito claro. Un memo corto con fechas y una tabla es más difícil de malinterpretar que una presentación llena de flechas.

Haz la siguiente prueba más pequeña

Si la primera prueba fue demasiado amplia para leer, redúcela a un grupo de consultas y un rango de fechas. Una prueba estrecha puede parecer aburrida, pero es el único tipo que puede fallar limpiamente.

Escribe el resultado esperado antes de ejecutar la prueba. Una prueba sin resultado esperado es fácil de reinterpretar después.