Fuite de pagerank et Fuite de pagerank et robots.txtrobots.txt

SEO Camp du 17 octobre 2008

Philippe YONNETDirecteur du pôle métiers – ApositionPrésident de l’association SEOCamp

La notion de potentiel de pagerankLa notion de potentiel de pagerank

La somme de tous les PR des pages d'un site constitue le "potentiel de PR" de ce site

Ppr = PR des pages

La "formule" du potentielLa "formule" du potentiel

Le potentiel de PR a été "théorisé" à partir d'un travail mathématique sur la formule du PR par des chercheurs Italiens :

"Inside Pagerank"Monica Bianchini, Marco Gori, Franco Scarselli

Université de Sienne (publié en 2005)

P = | I | + Pin + Pout - PDp

La "signification" de la formuleLa "signification" de la formule

P = | I | + Pin - Pout - PDp P = Potentiel de PR total I = Potentiel "interne" du site – dépend

uniquement du nombre de pages Pin = Potentiel provenant des backlinks Pout = Potentiel perdu par les liens sortants PDp = Potentiel perdu par les pages pendantes

Euh… c’est quoi une « dangling page » ?Euh… c’est quoi une « dangling page » ?

Traduction : page "ballante", "en suspens" Transposition : page cul de sac Définition : page qui ne contient aucun lien vers

d'autres pages, mais qui reçoit des liens

Euh… c’est quoi une « dangling page » ?Euh… c’est quoi une « dangling page » ?

Traduction : page "ballante", "en suspens" Transposition : page cul de sac Définition : page qui ne contient aucun lien vers

d'autres pages, mais qui reçoit des liens

----------------

----------------

----------------

----------------

----------------

----------------

Page normale

Elle reçoit des liensElle reçoit des liens

Mais dispose de liens

sortants qui pointent vers

d’autres pages

Mais dispose de liens

sortants qui pointent vers

d’autres pages

Dangling page

Elle est la cible de liens entrants

Elle est la cible de liens entrants

Mais il n’y aucun lien

sortant sur la page !!

Mais il n’y aucun lien

sortant sur la page !!

Y'a-t-il réellement une fuite avec les dangling Y'a-t-il réellement une fuite avec les dangling pages ? pages ?

La controverse autour de l'article initial de Page et Brin

"Dangling links" are simply links that point to any page with no outgoing links. They affect the model because it is not clear where their weight should be distributed, and there are a large number of them. Often these dangling links are simply pages that we have not downloaded yet..........Because dangling links do not affect the ranking of any other page directly, we simply remove them from the system until all the page ranks are calculated. After all the page ranks are calculated they can be added back in without affecting things significantly.“Extrait de l’article original sur le Pagerank par Brin et Page

?

La réponse est OUI IL Y'A BIEN UNE FUITE !La réponse est OUI IL Y'A BIEN UNE FUITE !

Les "dangling links" sont retirés de la matrice des liens lors du calcul du pagerank. Les omettre n'a aucune influence puisque de toute façonIls ralentissent (empêchent) le calcul du PagerankLes nœuds correspondant à ces liens sont retirés pendant toute la phase des itérations pour obtenir la valeur finaleIls sont réinjectés à la finLors de la dernière itération : ils reçoivent leur pagerank définitif : une seule passe suffit

Les particularités des pages bloquées par Les particularités des pages bloquées par robots.txtrobots.txt

Leur contenu peut il être crawlé ! NON

Sont elles connues du moteur ? OUI (éventuellement)

Peuvent-elles apparaître dans l'index ? OUI

Peuvent-elles avoir du PR ? OUI

(=>interview Matt Cutts par Eric Enge)

Le problème : ce sont des DANGLING PAGES

Le PR de ces pages disparait dans un Le PR de ces pages disparait dans un TROU NOIRTROU NOIR

Le mécanisme de la fuite de PRLe mécanisme de la fuite de PR

Mise en place d’un

robots.txt bloquant ce groupe de

pages

Mise en place d’un

robots.txt bloquant ce groupe de

pages

Les liens sortants sont inconnus

Ces pages sont devenues des

DANGLING PAGES

Les liens sortants sont inconnus

Ces pages sont devenues des

DANGLING PAGES

Ces pages ne sont plus crawlées

Par contre elles sont connues grâce aux liens

entrants qui transmettent du PR

Ces pages ne sont plus crawlées

Par contre elles sont connues grâce aux liens

entrants qui transmettent du PR

Tout le PR transmis

est perdu !ANNIHILE

Tout le PR transmis

est perdu !ANNIHILE

Comment éviter de perdre bêtement du PRComment éviter de perdre bêtement du PR

1. Rechercher tous les liens internes ou externes pointant vers ces pages

2. Si une page reçoit du pagerank externe : préférer un noindex, et modifier la structure des liens de la page qu'on ne veut pas voir indexée

3. On fait disparaître les liens internes vers ces pages, ou place un attribut nofollow, ou on les masque avec un javascript

Comment créer un "trou noir" engloutissant Comment créer un "trou noir" engloutissant du PR avec un robots.txtdu PR avec un robots.txt

1. On bloque l'indexation de pages avec un robots.txt

2. On ne touche pas aux liens pointant vers ces pages

3. Tout le PR transmis par ces liens est perdu pour le site !

Ex : un site contient une page avec un PR 5. Cette page contient dix liens, dont un vers une page bloquée. Le PR perdu correspond à 10% du PR transmis !

Quel impact espérer ?Quel impact espérer ?

Souvent : aucun (la fuite est souvent négligeable, ou concerne des pages qui n'ont pas de PR)

Parfois : important (le PR sculpting peut être complètement perturbé par le "trou noir à PR")

L'importance des "fuites" dépend de beaucoup de facteurs, chaque cas est différent.

Soit vous savez faire et voulez faire du "PR sculpting" => tenez en compte

Sinon : surtout ne vous en préoccupez pas