Streszczenie
W ostatnich piciu latach nastpiły istotne zmiany w wyszukiwarkach interneto-wych. Pojawiły si nowe algorytmy kładce nacisk na jako treci umieszczanej na stronach internetowych oraz nowe metody wizualizacji wyników wyszukiwania. Celem artykułu jest analiza czynników wpływajcych na efektywno wyszukiwania informa-cji na firmowych stronach internetowych, takich jak: właciwy dobór wyszukiwarki, słowa kluczowe dla zapytania i elementy strony zawierajce wyniki wyszukiwania. Na-sze badania wykazały, e obecnie najpopularniejNa-sze wyszukiwarki internetowe (tzn. Google, Bing, Yahoo) charakteryzuje porównywalna wysoka efektywno dla zapyta informacyjnych i nawigacyjnych. O sukcesie internetowej strony firmowej, to znaczy umieszczeniu jej wród pierwszych dziesiciu pozycji listy rankingowej, decyduje przede wszystkim dobra optymalizacja strony.
Słowa kluczowe: wyszukiwarki internetowe, efektywnoĞü wyszukiwania informacji, prezentacja rezultatów wyszukiwania
Wprowadzenie
Rozwój i duĪa popularnoĞü Internetu spowodowały szybki wzrost liczby stron internetowych w ciągu ostatnich piĊciu lat – według NetCraft od około 200 milionów stron w 2010 roku do miliarda obecnie. Wprawdzie szacuje siĊ, Īe około 75% stron nie jest aktywnych, lecz nawet 250 milionów aktywnych stron stanowi wyzwanie dla wyszukiwarek. Listy wyników wyszukiwania liczą zwykle od kilku tysiĊcy do kilkunastu milionów pozycji. Aby uĪytkownik dotarł do informacji o poszuki-wanej firmie lub produkcie, informacja ta powinna znaleĨü siĊ wĞród pierwszych dziesiĊciu pozycji na liĞcie rankingowej wyników wyszukiwania SERP (ang. Search Engine Results Page), poniewaĪ wiĊkszoĞü uĪytkowników nie sprawdza dalszych pozycji listy. W osiągniĊciu wysokiej pozycji po-maga optymalizacja SEO (ang. Search Engine Optimization). CzynnoĞci, które naleĪy w jej ramach wykonaü nie mogą byü jednorazowe. Pozytywny skutek uzyskuje siĊ zwykle po pewnym czasie, poniewaĪ roboty wyszukiwarek systematycznie przeszukują Internet i aktualizują swoje indeksy. Ponadto algorytmy wyszukiwarek są ciągle udoskonalane, zmieniane są takĪe czynniki mające wpływ na pozycjĊ strony na liĞcie rankingowej. Niektóre zmiany (np. wprowadzenie przez Google nowych algorytmów Panda w 2011 roku i Pingwin w 2012 roku) mogą drastycznie obniĪyü pozycje stron wielu firm i zmuszają projektantów stron WWW oraz agencje SEO do zmian strategii i prze-programowania programów uĪywanych do audytu stron. ChociaĪ wszystkie wyszukiwarki zbudowane są obecnie z tych samych elementów, to kaĪda z nich stosuje własne algorytmy indek-sowania i wskaĨniki dla oceny stron WWW, co moĪe zwiĊkszyü nakład pracy przy optymalizacji stron internetowych.
NaleĪy wziąü pod uwagĊ, Īe wysoka pozycja strony firmowej na liĞcie wyników tylko wtedy przyniesie firmie korzyĞci, jeĞli uĪytkownik uzna, Īe strona ta jest dla niego przydatna, czyli wyszu-kana informacja jest relewantna. Dlatego w procesie wyszukiwania informacji istotny jest nie tylko
etap wyszukiwania, lecz takĪe sposób prezentacji wyników uĪytkownikowi. Stąd badania prowa-dzone są w dwóch kierunkach: opracowanie metod analizy zapytaĔ i ich korelacji z danymi [2, ss. 5–14], [9] oraz metod wizualizacji wyników wyszukiwania i nowych interfejsów uĪytkownika [1].
Celem artykułu jest analiza czynników mających wpływ na efektywnoĞü wyszukiwania infor-macji na stronach firm, takich jak wybór odpowiedniej wyszukiwarki, słów kluczowych dla zapytania i treĞci dla listy rankingowej. W drugim rozdziale przeprowadzono analizĊ rynku wyszu-kiwarek internetowych. NastĊpnie opisano metodĊ i przedstawiono wyniki badaĔ efektywnoĞci trzech najpopularniejszych wyszukiwarek (Google, Bing, Yahoo) dla zapytaĔ o firmy i ich produkty. Przedstawiono zmiany w poszukiwaniu informacji na stronach SERP związane z pojawieniem siĊ na nich wielu nowych elementów (np. Grafu wiedzy), co wymaga takiego zoptymalizowania strony firmy, aby była ona widoczna takĪe w nowych elementach wizualizujących wyniki wyszukiwania. W koĔcowej czĊĞci artykułu umieszczono Case Study dla optymalizacji strony firmowej i podsu-mowanie artykułu.
1. Analiza rynku wyszukiwarek internetowych
Wyszukiwarki internetowe są podstawowym narzĊdziem uĪywanym przez 85% uĪytkowników Internetu do znalezienia istotnych informacji. Wyszukiwarki samodzielne (np. Google, Bing) tworzą własny indeks stron internetowych i zarabiają przede wszystkim na reklamach i linkach sponsoro-wanych. Wyszukiwarki zintegrowane (np. wyszukiwarki portali Wirtualna Polska, Internet, Onet) odkupują zindeksowane zasoby wraz z podsystemami wyszukiwawczymi od firm bĊdących właĞci-cielami duĪych wyszukiwarek samodzielnych, poniewaĪ proces tworzenia i uaktualniania indeksu jest niezwykle kosztowny. Według Google jej indeks ma ponad 100 milionów gigabajtów, a na jego utworzenie poĞwiĊcono ponad milion godzin obliczeĔ [6]. Wyjątkiem jest Yahoo bĊdące jednocze-Ğnie portalem i wyszukiwarką.
Tabela 1. Popularno wyszukiwarek internetowych w grudniu 2015r. [%].
Lp. Wyszukiwarka ĝwiat Polska
Desktop Mobilne
1 Google 66,04 94,06 96,80
2 Bing 14,61 1,28 2,27
3 Baidu 9,61 0,18 brak danych 4 Yahoo 7,66 3,98 0,53
ħródło: opracowanie własne na podstawie danych Net MarketShare, ranking.pl.
PrzystĊpując do optymalizacji firmowej strony internetowej naleĪy podjąü decyzjĊ o wyborze wyszukiwarki biorąc pod uwagĊ potencjalnych klientów firmy. W Polsce, podobnie jak w całej Eu-ropie (oprócz Czech i Rosji) i Indiach, dominuje wyszukiwarka Google (tabela 1). W Rosji z Google korzysta poniĪej 35% internautów, podczas gdy ponad połowa uĪywa wyszukiwarki Yandex prze-znaczonej głównie na rynek rosyjskojĊzyczny. Google obecnie praktycznie nie istnieje w Chinach
W Ğwietle powyĪszej charakterystyki rynku wyszukiwarek internetowych powstaje pytanie, czym spowodowana jest wysoka popularnoĞü wyszukiwarki Google. Przede wszystkim jest to wy-szukiwarka miĊdzynarodowa, ale zachowująca atrybuty wyszukiwarki lokalnej. Obsługuje 123 jĊzyki i indeksuje strony internetowe na całym globie. Stosuje internacjonalizacjĊ, to znaczy dosto-sowanie wyników na podstawie jĊzyka i kraju uĪytkownika. Jako jedyna komercyjna przeglądarka przeszukuje takĪe głĊbokie warstwy sieci (ang. Deep Web), dziĊki czemu udostĊpnia internautom przeszukiwanie naukowych baz danych (Google Scholar) i baz bibliotecznych (Google Book).
Wyniki wielu wczeĞniejszych badaĔ wskazują, Īe Google jest równieĪ najefektywniejszą wy-szukiwarką, to znaczy najdokładniejszą i zwracającą najbardziej kompletne wyniki. Lewandowski [7, ss. 354–363] badał efektywnoĞü kilku wyszukiwarek, do których wprowadził 100 zapytaĔ nie-mieckojĊzycznych uznanych za niewyszukiwane przez Īadną z nich (tzn. 10% zapytaĔ nie znalazło siĊ na pierwszych dziesiĊciu pozycjach listy rankingowej). Najefektywniejsza okazała siĊ wyszuki-warka Google, która na pierwszej stronie listy rankingowej nie umieĞciła relewantnego wyniku dla dziewiĊciu zapytaĔ, nastĊpna była wyszukiwarka Yahoo. Exalead, specjalistyczna francuska wy-szukiwarka dla biznesu (wielojĊzyczna), pominĊła 24 zapytania. Najgorsza okazała siĊ lokalna niemiecka wyszukiwarka Seekport, która pominĊła 57 zapytaĔ. Wyszukiwarka Google okazała siĊ najlepsza równieĪ w badaniach efektywnoĞci wyszukiwarek dla zapytaĔ polskojĊzycznych [5, ss. 115–123], [11, ss. 101–112]. W nastĊpnym rozdziale przedstawiono wyniki badania efektywnoĞci trzech głównych wyszukiwarek (Google, Bing, Yahoo) dla zapytaĔ, których celem jest wyszukanie stron firmowych.
2. Badania efektywnoci wyszukiwarek dla firmowych stron internetowych
Punktem wyjĞcia procesu wyszukiwania informacji jest potrzeba informacyjna uĪytkownika zdefiniowana przez Bojar [3] jako „potrzeba komunikacyjna potencjalnego odbiorcy komunikatu, do której zaspokojenia niezbĊdne jest uzyskanie informacji relewantnej w danej sytuacji komunika-cyjnej”, to znaczy informacji uznanej przez uĪytkownika za przydatną.
Potrzeba informacyjna uĪytkownika wyszukiwarki wyraĪana jest w formie zapytaĔ tworzonych ze słów kluczowych lub w jĊzyku naturalnym, natomiast od układu zwracanej przez wyszukiwarkĊ listy rankingowej uzaleĪnione jest jej zaspokojenie. Border [4, ss. 3–10] podzielił zapytania, które uĪytkownicy wpisują do wyszukiwarek internetowych na:
1. Informacyjne, których celem jest pozyskanie pewnej informacji przypuszczalnie znajdują-cej siĊ na jednej lub wielu stronach WWW. Wiele zapytaĔ zawiera słowa kluczowe o szerokim znaczeniu (np. „czekolada”), które są bardzo ogólne, a tym samym konkuren-cyjne, lecz uzyskanie dla nich wysokiej pozycji na liĞcie rankingowej jest zadaniem trudnym i kosztownym. Szansa na uzyskanie wyĪszej pozycji jest w przypadku uĪycia wie-lowyrazowych wyraĪeĔ kluczowych (np. „producent czekolady”), które są specyficzne i mają wĊĪsze znaczenie (tabela 2). Tym samym są mniej konkurencyjne i mają wyĪszy współczynnik konwersji. Według Thurowa S. [13, s. 70] stosowanie 4 i 5 wyrazowych wyraĪeĔ kluczowych pomaga uzyskaü dokładniejsze wyniki.
2. Nawigacyjne, których intencją jest dotarcie do konkretnej strony wczeĞniej odwiedzonej przez uĪytkownika lub przypuszczalnie istniejącej. Takim zadaniem moĪe byü poszukiwa-nie adresu strony firmy, której nazwĊ znamy. Zwykle istposzukiwa-nieje tylko jeden wynik relewantny dla uĪytkownika, lecz wyszukiwarka znajdzie nie tylko adres firmy, lecz równieĪ adresy filii (jeĞli istnieją), lokali lub sklepów sprzedających produkty wytwarzane przez firmĊ,
katalogi firm i serwisy z artykułami na temat firmy. Problem pojawia siĊ, gdy nazwa firmy nie jest unikalna lub ma równieĪ inne znaczenie (np. nazwa firmy „Kokos” w tabeli 2). 3. Transakcyjne, które polegają na dotarciu do pewnego miejsca gdzie nastąpi dalsza
interak-cja. Przykładem takich zadaĔ są miĊdzy innymi zakupy internetowe, pobieranie plików (obrazów, muzyki, itp.), znajdowanie map. WiĊkszoĞü czynników istotnych dla uĪytkow-ników (np. cena towaru, szybkoĞü obsługi, jakoĞü zdjĊü) nie jest zwykle dostĊpna w ogólnych wyszukiwarkach. Aby wyszukiwarka wspierała zapytania transakcyjne po-winna determinowaü kontekst i przeprowadzaü analizĊ semantyczną.
Zapytania informacyjne i nawigacyjne są typowe dla klasycznego wyszukiwania informacji (ang. Information Retrieval, IR) oferowanego od dawna przez samodzielne wyszukiwarki (Google, Bing, Yahoo).
Ocena efektywnoĞci wyszukiwarek przeprowadzana jest doĞwiadczalnie, poniewaĪ ich szcze-góły techniczne nie są ujawniane. W klasycznym wyszukiwaniu informacji za bazowe miary uznaje siĊ dokładnoĞü i kompletnoĞü wyszukania. DokładnoĞü wyszukiwania (DW) okreĞla procent wyni-ków uznanych za relewantne (WR) w liĞcie rankingowej wyszukiwarki (WQ). KompletnoĞü (KW) okreĞla procent wyników uznanych za relewantne (WR) wĞród wszystkich wyników relewantnych (RQ) (wyszukanych i niewyszukanych) w całej kolekcji dokumentów.
DW= 100*WR/ WQ, KW = 100*WR/ RQ.
Idealna stuprocentowa kompletnoĞü oznacza, Īe wszystkie informacje z przeszukiwanego zbioru danych znalazły siĊ na liĞcie wyników wyszukiwania. Natomiast stuprocentowa dokładnoĞü oznacza, Īe wszystkie wyniki wyszukiwania są relewantne. Gdy weĨmie siĊ pod uwagĊ znaczne rozmiary list rankingowych, liczące tysiące pozycji, oba idealne przypadki są utopijne. Ponadto przy tak duĪych zbiorach danych istnieje problem z okreĞleniem liczby wszystkich dokumentów rele-wantnych dla danego zapytania. Dlatego proponuje siĊ miary obciĊte do początkowych m elementów listy rankingowej wyszukiwarki. Standardowo m = 10, poniewaĪ zdecydowana wiĊk-szoĞü uĪytkowników ogranicza siĊ do przejrzenia wyników tylko z pierwszej strony wyszukiwarki.
OcenĊ efektywnoĞci trzech najpopularniejszych wyszukiwarek (Google, Bing, Yahoo) przepro-wadzano eksperymentalnie, wprowadzając do wyszukiwarki 100 zapytaĔ (50 informacyjnych i 50 nawigacyjnych). 10 zapytaĔ było niewyszukiwalnych, to znaczy nie miało szansy znaleĨü siĊ na pierwszej stronie wyników wyszukiwania (np. nazwa firmy „Kokos”). WĞród zapytaĔ były frazy kluczowe o róĪnej długoĞci (od jednego do 5 słów). Wszystkie dotyczyły polskich firm duĪych, Ğrednich i małych, których strony były dobrze lub Ĩle zoptymalizowane. Tabela 2 zawiera dane dla dwóch kraĔcowych przypadków: Ĩle zoptymalizowanej strony znanej na Ğwiecie firmy Wedel oraz dobrze zoptymalizowanej strony małej lokalnej firmy Kokos.
Tabela 2. Wyniki wyszukiwania dla zapyta typu nawigacyjnego i informacyjnego
Lp. Zapytanie Wyszuki-warka
Liczba wyni-ków (trafie)
Pozycja pierwszego rele-wantnego wyniku Liczba wyników relewantnych wród pierw-szych dziesiciu trafie 1 Wedel
Google 8 560 000 1 – polskojĊzyczna strona firmy 10 Bing 10 200 000 1 – polskojĊzyczna strona
firmy 10
Yahoo 3 460 000 4 – anglojĊzyczna
Wikipe-dia 3
2 Czekolada Wedel
Google 347 000 1 – polskojĊzyczna strona
firmy 10
Bing 53 800 1 – polskojĊzyczna strona
firmy 10
Yahoo 62 800 1 – anglojĊzyczna
Wikipe-dia 9 3 Kokos Google 15 800 000 0 0 Bing 8 030 000 0 0 Yahoo Search 2 520 000 0 0 4 kokos sza-blony krawieckie
Google 5 040 1 – strona firmy 10
Bing 2 240 1 – strona firmy 10
Yahoo 26 800 1 – strona firmy 10
5 producent czekolady
Google 391 000 2 – serwis czekolada.com 3 Bing 142 000 6 – serwis czekolada.com 2
Yahoo 75 900 92 000* 1 – serwis czekolada.com 1 – polskojĊzyczna strona firmy* 4 10* 6 szablony krawieckie Google 143 000 21 500* 9 – strona firmy 4 – strona firmy** 1 Bing 18 700* 36 500 6 – strona firmy 2 – strona firmy** 1
Yahoo 25 900
27 500*
6 – facebook
2 – strona firmy** 2
ħródło: opracowanie własne na podstawie przeprowadzonych badaĔ; podpowiedĨ z nazwą (*) lub miastem (**) dla szukanej firmy.
Badanie wykazało, Īe obecnie trzy najpopularniejsze wyszukiwarki nie mają problemów z umieszczeniem na pierwszej stronie listy rankingowej relewantnych wyników dla zapytaĔ nawi-gacyjnych. Wszystkie wyszukiwarki pominĊły 5 takich zapytaĔ. AmerykaĔska wyszukiwarka Yahoo wypadła nieco gorzej w badaniu kompletnoĞci. Gdy nazwa firmy nie była unikalna na Ğwie-cie (np. Wedel), na pierwszej stronie wyników pojawiały siĊ takĪe odnoĞniki do zagranicznych firm. Google i Bing, stosujące internacjonalizacjĊ, przeznaczały w takim przypadku najwyĪsze pozycje dla polskiej firmy.
Interesujące wyniki uzyskano dla zapytaĔ informacyjnych. W stosunku do starszych badaĔ przedstawionych w poprzednim rozdziale, wszystkie wyszukiwarki uzyskały bardzo podobne wy-niki (7% ±2 pominiĊtych zapytaĔ). Nawet dla Ĩle zoptymalizowanej strony internetowej Wedla umieĞciły wynik relewantny na pierwszej stronie listy rankingowej, choü był to odnoĞnik do serwisu,
który zamieĞcił artykuł o firmie. Zaletą Yahoo były najtrafniejsze propozycje podpowiedzi ukazu-jących siĊ na liĞcie rozwijanej okienka wyszukiwania, nazywanej w Google „szczĊĞliwy traf”. Na przykład na zapytanie „producent czekolady” były to: czekolady niemieckie, wawel, wedel, braz. W związku z tym tylko przy pomocy Yahoo moĪna było dotrzeü bezpoĞrednio do odnoĞnika na stronĊ firmy.
Dane z tabeli 2 wskazują, Īe efektywnoĞü wyszukiwania zwiĊksza unikalna nazwa firmy, okre-Ğlenie branĪy, prawidłowa identyfikacja jĊzyka zapytania przez wyszukiwarkĊ i internacjonalizacja. Dobrze zoptymalizowana strona internetowa, nawet małej lokalnej firmy, ma szansĊ znaleĨü siĊ na pierwszej stronie listy rankingowej wyników. Brak optymalizacji SEO utrudnia uĪytkownikowi do-tarcie do poszukiwanych informacji. Przykładem jest strona firmy Wedel, do której Google i Bing nie umieĞciły bezpoĞredniego odnoĞnika na pierwszej stronie wyników zapytania „producent cze-kolady”.
3. Wizualizacja wyników wyszukiwania a strategia poszukiwania informacji
Badania efektywnoĞci wyszukiwania potwierdzają wniosek z badaĔ Wonga i Chunga [14, ss. 11–13], Īe choü listy trafieĔ otrzymane z róĪnych wyszukiwarek dla tego samego zapytania róĪnią siĊ, to ich jakoĞü (rozumiana jako przydatnoĞü dla uĪytkownika) jest porównywalna. Dlatego prze-łom w dziedzinie wyszukiwania informacji moĪe nastąpiü nie przez modyfikacje algorytmu dopasowania do zapytania, lecz poprzez zmianĊ sposobu prezentacji wyników, co zauwaĪyli produ-cenci wyszukiwarek wprowadzając w ostatnich latach nowe elementy do klasycznej listy SERP.
Typowy wynik SERP zawiera tytuł i zbiór metadanych takich jak Ĩródło, data i krótki opis. Obecnie nie jest podawana numeryczna wartoĞü dopasowania wyniku do zapytania, wiĊc uĪytkow-nik ocenia przydatnoĞü wyuĪytkow-niku głównie po treĞci opisu, który powstał na podstawie indeksu wyszukiwarki, a nie na podstawie pełnego tekstu dokumentu. Dlatego opis moĪe nie zawieraü in-formacji wystarczających uĪytkownikowi do podjĊcia decyzji o relewancji strony. W takim przypadku przy duĪej liczbie trafieĔ (co pokazuje tabela 2) zbyt długi jest czas dotarcia do poszuki-wanej informacji związany z koniecznoĞcią przeglądania kolejnych stron listy SERP, co ma miejsce, gdy zapytanie zostało Ĩle skonstruowane (np. „kokos” zamiast „kokos szablony krawieckie”) lub strona WWW nie została zoptymalizowana (np. dla zapytania „producent czekolady”). UĪytkownik przegląda wtedy listĊ zgodnie z techniką „zobacz i przejdĨ”, a nie „przejdĨ i zobacz”. Rao [10, ss. 61–64] ilustruje ten problem pytaniem „Czy pojechałbyĞ do Indii tylko po to, aby przekonaü siĊ czy chciałbyĞ tam byü?”.
Klasyczna lista SERP ma znacznie wiĊcej wad. Wynikiem analizy przeprowadzonej przez An-drzejczaka [1, ss. 41–50] jest wykaz jedenastu wad, miĊdzy innymi: brak moĪliwoĞci szybkiego okreĞlenia obecnoĞci lub braku poszukiwanej treĞci w wynikach wyszukiwania, ukryty dla uĪyt-kowników algorytm dopasowania, brak wskazania, które wyniki spełniają poszczególne kryteria zapytania, zbyt wiele podstron wyników wyszukiwania, brak prezentacji powiązaĔ miĊdzy danymi lub prezentacja powiązaĔ niezaspokajających potrzeby informacyjnej uĪytkownika.
Rysunek 1. Graf wiedzy (ramka po prawej stronie) prezentujcy wyniki wyszukiwania dla zapyta-nia „Warszawa” w wyszukiwarce Google (na dzie 24.04.2016)
Z wad klasycznej listy SERP zdają sobie sprawĊ firmy produkujące wyszukiwarki. Od dłuĪ-szego czasu wprowadzane są kolejne nowoĞci do list SERP, powodujące spychanie organicznych wyników (tzn. klasycznych opisów tekstowych niesponsorowanych) na coraz niĪsze pozycje. Wymaga to takiego zoptymalizowania strony firmy, aby była ona widoczna nie tylko w wynikach organicznych, lecz takĪe w nowych elementach wizualizujących wyniki wyszukiwania. W wyszu-kiwarce Google są to grafy wiedzy (rys. 1), wiadomoĞci (rys. 1), wyszukiwarka obrazów (rys. 1), ciekawe miejsca (rys. 1), prognoza pogody (rys. 1), filmy z YouTube, mapy z wynikami lokalnymi, wyszukiwarki restauracji, połączeĔ lotniczych i noclegów, repertuar kin, linki sponsorowane Google AdWords, reklamy obrazkowe Google Shopping i inne.
Najbardziej interesującym z wymienionych elementów jest graf wiedzy, który integruje w swo-jej strukturze informacje przekazywane przez inne wymienione wyĪej elementy, aby uĪytkownik mógł w jednym miejscu uzyskaü wiele szczegółowych powiązanych ze sobą informacji. Pojawił siĊ
on w 2012 roku na anglojĊzycznych stronach wyników wyszukiwania Google, obecnie jest wyĞwie-tlany takĪe na stronach polskojĊzycznych. Tworzony jest w oparciu o algorytmy sztucznej inteligencji i semantyczną bazĊ danych o ludziach, miejscach i rzeczach zawierającą ok. 570 milio-nów obiektów i ponad 18 miliardów faktów o nich i powiązaniach miĊdzy róĪnymi obiektami [8].
Aby strona pojawiła siĊ w nowych elementach SERP naleĪy oznaczyü w znacznikach struktu-ralnych (tzn. specjalnych znacznikach umieszczanych w kodzie strony) róĪnorodną zawartoĞü taką jak informacje o firmie i wydarzeniach, ceny, recenzje produktów, artykuły, które mogą byü wyko-rzystane przez Google do wyĞwietlania w Grafie wiedzy. Z kolei, aby zdjĊcia produktów i inne dane prezentowane jako grafiki na stronie firmowej mogły pojawiü siĊ w wyszukiwarce grafiki Google, naleĪy zadbaü nie tylko o adekwatne opisowe atrybuty „alt” plików graficznych w kodzie strony i stosowanie analogicznych nazw plików, ale takĪe o nagłówki i treĞci odnoszące siĊ do zdjĊü.
4. Techniki stosowane w pozycjonowaniu 4.1. Trendy SEO
Prawidłowo wykonana optymalizacja strony internetowej powinna obejmowaü: 1. analizĊ dostĊpnoĞci strony,
2. weryfikacjĊ indeksacji strony,
3. optymalizacjĊ on-site elementów znajdujących siĊ na stronie takich jak adresy URL, tytuły, nagłówki, wyróĪnienia, atrybuty, treĞü (jej unikalnoĞü i uĪytecznoĞü), linki ze-wnĊtrzne i weze-wnĊtrzne,
4. optymalizacjĊ off-site elementów spoza strony obejmującą analizĊ profilu linków przychodzących oraz komunikatów prasowych, audyt obecnoĞci na profilach społecz-noĞciowych, monitoring na forach/blogach.
Wyszukiwarki (szczególnie Google) przy układaniu listy rankingowej zwracają uwagĊ na sze-roko rozumianą jakoĞü strony. Za mało wartoĞciowe uznawane są strony zawierające mało treĞci niskiej jakoĞci (nieprzydatnej dla uĪytkowników, niezróĪnicowanej, zduplikowanej) i niskiej jako-Ğci trejako-Ğci generowane przez uĪytkowników, posiadające duĪo wyskakujących reklam pop-up, przeładowane filmami wideo, z nieintuicyjną nawigacją, wieloma linkami wewnĊtrznymi do bardzo podobnych podstron. Promowane są wysokiej jakoĞci małe i Ğrednie serwisy, aby mogły konkuro-waü z duĪymi serwisami posiadającymi treĞci słabsze jakoĞciowo. WaĪne jest teĪ pozyskiwanie dla strony WWW wartoĞciowych linków zewnĊtrznych. Obecnie Google uĪywa algorytm Pingwin do zwalczania niedozwolonego linkowania stron.
4.2. Case Study – optymalizacja strony firmy Kokos
Kokos jest małą firmą istniejącą na łódzkim rynku od 2008 roku. Podstawą jej działalnoĞci jest opracowywanie szablonów krawieckich, w szczególnoĞci na podstawie dostarczonych projektów, nawet w oparciu o szkice i zdjĊcia z katalogów. Oferta firmy jest skierowana do małych i duĪych
sprawdziü, a aplikacja zwraca raport z oceną poszczególnych elementów strony i ewentualnymi wskazówkami poprawy (rys. 2). Aplikacja sprawdza elementy odpowiedzialne za optymalizacjĊ on-site oraz obecnoĞü podanych słów kluczowych na stronie. Dla strony firmy Kokos ostatecznie wy-brano nastĊpujące słowa kluczowe: szablony krawieckie, szablony krawieckie łódĨ (rys. 3), szablony odzieĪowe, szablony odzieĪowe łódĨ, Szablony odzieĪy, Szablony odzieĪy łódĨ, cennik szablonów krawieckich.
Rysunek 2. Aplikacja SEOAudyt ħródło: [12].
W celu unikniĊcia zjawiska duplikowania siĊ treĞci wybrana została preferowana wersja nazwy domeny, do której zostały przekierowane pozostałe adresy prowadzące do strony WWW. Na wypa-dek wpisania przez uĪytkownika błĊdnego adresu strony przygotowano stronĊ obsługi błĊdu 404 z komunikatem „ProszĊ skorzystaü z górnego menu do odnalezienia szukanej strony”. Ponadto strona została dodana do wielu katalogów firm, zarówno ogólnopolskich jak i lokalnych. Do przy-gotowania wpisów w katalogach zostały utworzone unikalne opisy, które miały zagwarantowaü niepowtarzające siĊ treĞci.
Pozycja strony WWW firmy Kokos ulegała zmianom w czasie pozycjonowania. Początkowo nie była widoczna w indeksie wyszukiwarki Google, natomiast po zakoĔczeniu procesu optymali-zacji znalazła siĊ na pierwszej stronie SERP, dziĊki czemu firma pozyskała kilku klientów, którzy znaleĨli ją za pomocą wyszukiwarki. W nastĊpnym etapie wizytówka firmy Kokos została umiesz-czona na Facebooku. Wprawdzie szansa znalezienia klientów biznesowych dla firmy opracowującej szablony krawieckie jest na Facebooku niewielka, ale takie działanie jest zgodne z trendami SEO. Obecnie firma widoczna jest nie tylko w wynikach organicznych, lecz takĪe w nowych elementach listy rankingowej: wyszukiwarce obrazów i grafie wiedzy (rys. 4).
Rysunek 4. Wyniki wyszukiwarki Google dla zapytania „Kokos szablony krawieckie”. Lista ran-kingowa zawiera wyniki organiczne, obrazki oraz dane kontaktowe firmy Kokos w grafie wiedzy
5. Podsumowanie
Według firmy Enterso w Polsce działa obecnie około 40 tysiĊcy podmiotów specjalizujących siĊ w pozycjonowaniu, zarówno indywidualnych specjalistów jak i agencji SEO. Jest to dynamicz-nie rozwijający siĊ rynek, który wymaga od pracowników Ğledzenia trendów i dokształcania siĊ, poniewaĪ ciągłe zmiany dokonywane w algorytmach wyszukiwarek uniemoĪliwiają opracowanie optymalnej strategii pozycjonowania stron internetowych. Główny wniosek wynikający z naszych badaĔ sprowadza siĊ do stwierdzenia, Īe ze wzglĊdu na porównywalną wysoką efektywnoĞü najpo-pularniejszych wyszukiwarek (Google, Bing, Yahoo) i porównywalną przydatnoĞü dla uĪytkownika ich stron wyników wyszukiwania (SERP), wystarczy dobrze zoptymalizowaü stronĊ firmową dla jednej wyszukiwarki, aby pojawiła siĊ równieĪ na dostatecznie wysokich pozycjach w innych wy-szukiwarkach. Zaskakujące wnioski przyniósł eksperyment opisany w Case Study, wykonany w latach 2011 i 2012, a wiĊc wtedy gdy zmiany w algorytmach wyszukiwarek zmierzały w kierunku promowania stron internetowych z dobrej jakoĞci treĞcią i wartoĞciowymi linkami przychodzącymi. Stworzona wtedy i zoptymalizowana wizytówka małej lokalnej firmy w dalszym ciągu jest wi-doczna na pierwszej stronie SERP, takĪe w wyszukiwarce obrazków i grafie wiedzy, który w 2012 roku nie był dostĊpny na polskich stronach Google (rys. 4). ZawdziĊcza to zaprojektowaniu z myĞlą o docelowych uĪytkownikach, dbałoĞci o jakoĞü treĞci i odnoĞników, zaprogramowaniu zgodnie ze standardami organizacji W3C i zoptymalizowaniu według wytycznych dla Webmasterów Google.
Bibliografia
[1] Andrzejczak J., Interaktywna wizualizacja informacji wyszukanej w cyfrowych zbiorach danych, Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechniki Łódzkiej (praca doktorska) 2015.
[2] Agrawal R., i in., Diversifying search results. Second ACM International Conference „Web Search and Data Mining”, ACM, Barcelona 2009.
[3] Bojar B. (red.), Słownik encyklopedyczny informacji, jzyków i systemów informacyjno-wyszukiwawczych, SBP, Warszawa 2002.
[4] Border A., A taxonomy of Web serach, „ACM SIGIR Forum”, 2002 Vol. 36, No 2.
[5] ChoroĞ K., EfektywnoĞü wyszukiwarek internetowych, III Krajowa Konferencja „Multimedialne i sieciowe systemy informacyjne MISSI’02”, Politechnika Wrocławska, Kliczków 2002.
[6] Google, Wszystko o wyszukiwaniu [online], http://www.google.pl/intl/pl/insidesearch/, dostĊp 4.04.2016.
[7] Lewandowski D., The retrieval effectiveness of serach engines on navigational queries. „Aslib Proceedings: New Information Perspectives”, Emerald Group Limited, 2011 Vol. 63, No. 4.
[8] Newton C., How Google is taking the Knowledge Graph global [online] http://www.cnet.com/news/how-google-is-taking-the-knowledge-graph-global/, 2012,
[11] SimiĔski R., SłociĔski S., Wykorzystanie wyszukiwarek internetowych w marketingu, „Zeszyty Naukowe WyĪszej Szkoły Humanitas. Seria Zarządzanie”, z. 1, 2008.
[12] Tarnawiecki M., Metody optymalizacji stron internetowych dla wyszukiwarki Google, Wydział Ekonomiczno-Socjologiczny Uniwersytetu Łódzkiego (praca magisterska napisana pod kierunkiem M. Pietruszki), 2012.
[13] Thurow S., Pozycjonowanie w wyszukiwarkach internetowych. Wydanie II, Helion 2008 [14] Wong P.C., Chung P., Adding a Visualization Feature to Web Search Engines: It’s Time,
„IEEE Computer Graphics Applications”, 2008 Vol. 28, No. 6.
PROBLEMS OF WEB PAGES OPTIMIZATION FOR THE WEB SEARCH ENGINES Summary
The aim of the article is to analyze the factors affecting the effectiveness of an information retrieval on the companies’ Web sites, such as: an adequate search engine selection, key words for a query, and elements of Search Engine Results Page (SERP). Keywords: search engines, effectiveness of information retrieval, visualization of hit list
Maria Pietruszka Marian NiedĨwiedziĔski
Katedra Informatyki Ekonomicznej Wydział Ekonomiczno-Socjologiczny Uniwersytet Łódzki
ul. Polskiej Organizacji Wojskowej 3/5, ŁodĨ e-mail: pietruszka.maria@wp.pl,
