R&D référencement, réseaux sociaux

Pour comprendre l’évolution des algorithmes de Google, Bing, Facebook et autres géants du web, il faut vous tenir informés des articles de R&D (recherche et développement) dans le domaine du référencement naturel, des réseaux sociaux et du webmarketing en général. C’est ce que vous trouverez dans cette rubrique d’actualité des brevets et algorithmes de Google, Facebook et autres.

Me suivre :

Google : brevet Ranking Documents

Le brevet de Google qui brouille les pistes du référencement (SEO)

Google vient de se voir attribuer son brevet « Ranking Documents » dans lequel l’auteur (Ross Koningstein) décrit un système de période de transition pendant laquelle le positionnement d’une page est arbitrairement perturbé pour mieux détecter les spammeurs.

Le

Knowledge Graph

Si Google devient un moteur sémantique, quel impact pour le référencement ?

Amit Singhal, le boss de l’algo Google, a choisi de fournir des informations à la presse américaine sur l’avenir du célèbre moteur de recherche. On apprend que Google saura prochainement répondre de façon intelligente aux requêtes des internautes, grâce à une énorme base de données d’entités nommées et à des nouveaux algorithmes. Voici des explications et des réflexions sur l’impact pour le référencement naturel.

Le

Google PHIL

L’algorithme PHIL de Google, pour classer les sites ou pages en clusters

Il est probable que Panda utilise des algorithmes de classification, pour juger les sites en fonction de leur typologie (et ne pas appliquer les mêmes critères à tous les sites). Peut-être que parmi ces algorithmes figure PHIL (Probabilistic Hierarchical Inferential Learner).

Le

Quiz sur les algorithmes des moteurs de recherche

Voici un petit quiz de référencement naturel orienté R&D, algorithmes des moteurs de recherche, information retrieval. Saurez-vous répondre correctement à toutes les questions ? Attention c’est loin d’être facile…

Le

L’algorithme du BrowseRank expliqué

Des chercheurs de Microsoft ont indiqué avoir mis au point un algorithme intitulé BrowseRank, permettant de mesurer l’importance d’une page sur le web. Contrairement au célèbre PageRank de Google qui, dans sa version initiale, ne se base que sur la présence de liens entre les pages, le BrowseRank tient compte aussi du trafic généré par ces liens ainsi que du temps passé par les internautes sur les pages.

Le

Prise en compte de la mise en page HTML par les moteurs de recherche

Après Microsoft et Google, c’est au tour de Yahoo de faire parler de lui au sujet de l’analyse de la mise en page des sites Internet disséqués par son robot d’indexation. Cet article résume les techniques décrites par ces 3 moteurs de recherche…

Le

Apprendre les bases de l’Eye Tracking sur le web

A l’occasion de la publication des résultats d’une étude sur le suivi du regard (Eye Tracking ou plus savamment oculométrie), je vous livre ici une petite synthèse de ce qu’il faut connaître à ce sujet. Quel est le rapport avec le référencement ? Savoir comment les internautes lisent à l’écran (notamment les pages de résultats des moteurs) s’avère assez utile…

Le

Méthode LSI (Latent Semantic Indexing) et référencement

Connaissez-vous la méthode LSI (Latent Semantic Indexing) également appelée LSA (Latent Semantic Analysis) ? Est-elle utilisée par Google ? Faut-il l’utiliser pour améliorer son référencement ? Quelques éléments de réponse…

Le

Google obtient un brevet sur le Social Bookmarking

Même s’il part avec du retard sur ses concurrents, notamment Yahoo, Google s’intéresse de plus en plus à l’aspect social de la recherche d’informations, comme le montre ce brevet.

Le

L’algorithme du TrustRank

TrustRank est à la fois le nom d’un algorithme cherchant à réduire le spam dans les moteurs de recherche et une marque déposée par Google en Mars 2005 (la marque est précisément Trust Rank en 2 mots). Le TrustRank est-il censé remplacer le fameux PageRank ? Difficile de savoir pour l’instant ce que Google veut faire du TrustRank. Voici en attendant d’y voir plus clair une description de l’algorithme du TrustRank.

Le

Le BlockRank

Cette petite étude est un résumé (et une traduction libre) de l’article Exploiting the Block Structure of the Web for Computing PageRank, écrit par Sepandar D. Kamvar, Taher H. Haveliwala, Christopher D. Manning et Gene H. Golub, publié le 4 mars 2003 sur http://dbpubs.stanford.edu:8090/pub/2003-17. Le texte complet et les figures sont disponibles dans la version PDF téléchargeable ici.

Le