na Blog.cz

Ehm, fujjtext je překlep nebo úmysl? :-)

Jinak díky! Zajímavé čtení.

"Fujjtext" je nejspíš interní označení fulltextu v Seznamu, protože bylo na prezentaci i jako logo v prezentovaném administračním systému.

Honzo, díky za velmi zajímavý článek. Mám je jednu otázku. Píšeš: "stránky s vyšším URL mají větší pravděpodobnost, že se dostanou do databáze"

Co to je "vyšší URL"?

[3] Omlouvám se - mělo být "stránky s vyšším rankem", v článku jsem to již opravil. Díky za upozornění.

"stránky s vyšším URL mají větší pravděpodobnost, že se dostanou do databáze (při přidávání se porovnává s náhodným číslem, když je náhodné číslo menší, stránka se přidá, jinak se zahodí)"

Tohle jsem asi nějak nepochopil, můžeš to prosím nějak vysvětlit?

[5] Aha, než jsem článek dočetl, tak se tu objevil [3] a [4] :).

Nicméně i tak to nechápu a působí to na mě dojmem, že buďto vypadl kontext a že zůstalo něco zamlčeno. Nebo to opravdu znamená, že libovolná stránka se do indexu nemusí vůbec nikdy dostat, pokud jí zrovna nepadne na kostce "šťastné" číslo nižší než její srank?

Skvělý článek Honzo, přesně takové údaje jsem potřeboval vědět. Škoda, že nezavítal někdo ze Seznamu k nám na VŠE, taky bych to vše rád slyšel a videl osobně.

Například jsem netušil, že již po první návštěvě URL, která není dostupná, se dá URL  do banlistu na 3 měsíce. To mi připadá trochu přehnané - striktní, čekal jsem spíše pár hodin až dnů. Možná už se mi tak rýsuje důvod, proč některé URL ze Seznamu musí a po nějaké době se opět objeví :)

Zeptám se Tě, náhodou neukazovali screenshot z admin rozhraní, jaké detaily jsou k vidění o zařazené URL či doméně ?

[6] - skutečně to tak je. Nicméně tak hrozné to není, protože pokud je nějaká stránka hodně kvalitní, je hodně velká pravděpodobnost, že se tam dostane. Je to prý dočasné řešení z technických důvodů.

[7] Osobně ji slyšet je určitě lepší - bohužel nestíhám dělat dvě věci zároveň a tak tady spoustu věcí není a sem tam mi uteklo zase něco na úkor psaní. Jak je vidět, tak jsem u psaní na to psaní moc nemyslel, tak je tu hodně věcí zapsané dost zmatečně (víc než normálně) či nedokončené, vytržené z kontextu atp.

Admin - ukazovali nám screenshoty. Bohužel uchovávané údaje o doméně, stejně tak jako částečně chycený seznam vah jsem si nestačil uložit do svojí fotografické paměti:-(

Slo by rozepsat to pouziti SEO-friendly URL? Jak se divam na jakpsatweb.cz, tak mezery mezi slovy v URL nahrazuje prave pomlckami. Takze pomlcky jsou dobre nebo spatne?

[10] - to bylo přímo k doméně jakpsatweb, kde slova jak, psát a web nejsou oddělená pomlčkou;-)

[10] správně ma být odděleno pomlčkami:

jak-psat-web.cz  

špatně jsou podtržitka jak_psat_web.cz

podobně i u názvu souboru

dobre-napsan-nazev-souboru.htm

spatnenapsannazevsouboru.htm

spatne_napsan_nazev_souboru.htm

netušíte někdo zda se podobné přednášky budou konat i na některých z pražských (mff, fel, vse..) škol?

[13] viz. http://ilblog.sblog.cz/2006/11/21/399

Tento odkaz navštivte prosím všichni, kteří se hodláte ptát, škemrat, nadávat ohledně přednášek Seznamu.

[12] Můžet zmínit jeden jediný důvod, proč je lepší jak-psat-web.cz oproti jakpsatweb.cz? ;)

[15] Takový web má za jinak stejných podmínek lepší vyhlídky na klíčová slova "jak", "psat" a "web". Opakuji, platí to "ceteris paribus", tedy za jinak stejných podmínek. :-)

Zajímavý a po dlouhé době zase příjemně konkrétní článek :-)

Díky za něj.

Fíha, to je ale nepřesností!

:-)

Asi jsem tam fakt měl jet.

Zkusím zmínit pár věcí, které jsou nejméně přesné. Vlastně o každém bodu by se dalo mluvit deset minut, ale v rychlosti:

robots.txt nemá vliv na již zaindexované stránky

má, akorát ne okamžitý. Proti robots.txt se stránky vyhodnocují při reindexaci.

Parser vyhazuje duplicity - přes MD5 celé stránky (zůstává první)

nemusí zůstat ta první. Je tam nějaké zkušební období, kdy se dá nové duplicitě šance nabrat body a původní URL předběhnout (to pak vypadne).

Doporučují se dělat SEO-friendly URL (oddělení pomlčkami

nebo podtržítky, to Seznam chápe stejně. V doméně podtržítko samozřejmě použít nelze.

hodně toho odfiltruje cache (Díky našeptávači;-)

není to jenom díky našeptávači. Porovnávali jsme účinnost cache s Yandexem a máme ji velmi podobnou, ačkoli Yandex našeptávač nepoužívá. Našeptávač samozřejmě snižuje kardinalitu dotazů, ale nijak podstatně.

pokud je nějaká stránka hodně kvalitní, je hodně velká pravděpodobnost, že se tam dostane.

Je to prý dočasné řešení z technických důvodů.

souhlas, akorát to není dočasné řešení, ale důležitá fíčura. On v praxi je ten práh nastaven tak nízko, že i málo kvalitní stránky mají slušnou šanci se do indexu dostat. Hlavně se ale ta pravděpodobnost vyhodnocuje při každém průchodu robota, to znamená že jeden neúspěch neznamená konec navždy.

Velmi zajímavý článek a shrnutí v jednom, i když jak tak čtu Yuhůuv komentář [18] tak ho asi budu brát s rezervou ;)

Mě překvapuje, že nové url, které se nepodaří stáhnout ma na 3 měsíce ban. Teď zbývá doufat, že server pojede, až přijde seznambot.

[18],[19] Díky, Dušane, za upřesnění. Jak jsem psal výše - nestačil jsem dělat dvě věci zaráz a tak je něco vytržené z kontextu, něco jsem nestačil zapsat a hlavně jsou to pořád jen zápisky z přednášky, akorát jsem si řekl, že bude obecně přínosné je sem vůbec uvést. Podle času u jednotlivých nadpisů je i vidět jak dlouho jsme se těm bodům věnovali, takže u téměř každého bodu toho vím víc, než je napsáno, nicméně napsání komentáře ke každému bodu by mi zabralo tolik času, že bych nikdy komentované zápisky nepublikoval. Navíc tady dochází k modifikaci celou cestou: Něco nějak je -> Štěpán něco stručně řekl -> já jsem to nějak pochopil -> nějak jsem to stručně zapsal -> nějak to čtenář pochopil, takže je logické, že je tady spousta napřesností.

[20] Ano, berte ho s rezervou - viz předchozí odstavec.

[21] To je ale, dle mého názoru, pro robota důležité - jinak by neustále navštěvoval neexistující url, což by ho zaměstnávalo natolik, že by nemohl indexovat nějaké množství existujících stránek.

Nevíte někdo zda a kde se dá zjistit kdy byl naposled web zaindexován seznam robotem tak jak to jde u Googlu?

[19] > není to jenom díky našeptávaèi. To bylo jen moje dloubnutí, které jsem si nemohl odpustit;-)

[23] doporučuji konferenci seo.nawebu.cz

Parser vyhazuje duplicity - přes MD5 celé stránky (zůstává první)

To jako, že duplicitní obsah by se posuzoval přes MD5 celého webu? Když se změní písmenko v článku tak už nebude duplicitní? Vím, že to tak není, nebylo by nějaké podrobnější info? Vyhodnocuje Seznam každou větu nebo části vět a zkoumá duplicity s jinými stránkami?

sem se trefil do špatného članáku, tak podruhé:

No tak jsem byl na FELu, Yuhů tam dokonce byl (celkem asi 3 seznamáci), ale nepřednášel, spíš působyl dojmem aby přednášející neříkal co nemá :-)

tady několik poznámek které jsem doplnil ke zdejším: http://www.osklivy-sup.cz/seznam.php

Perfektní zápisky!

Musím říct, že jsem byl také ohromen podrobností zápisků, to jsem fakt nečekal ;-)

Taky jsem byl na FELu, diky Seznamaci za zajimavou prednasku, diky HejTi za osvezeni!

Neni mi jasne: "Stránky s neunikátními titulky mají velký problém" - znamena neunikatni v ramci jedne URL nebo v ramci jednoho webu? Pokud dam nazev webu do <h1> a bude na vsech URL na tomto webu stejny, je to problem nebo ne? Pripadne diky za upresneni.

[29] titulkem jsem myslel obsah elementu <title>, nicméně doporučuju i unikátní H1 v rámci webu...

Hodně zajímavý článek... Moc díky za výtah z přenádšky...

Houses and cars are not very cheap and not every person can buy it. But, <a href="http://bestfinance-blog.com">loans</a> are created to aid people in such kind of cases.

That is well known that cash makes us disembarrass. But what to do when someone does not have cash? The one way is to try to get the personal loans and just consolidation loan.

Still looking online for something like a <a href="http://www.findacellphoneuser.com/2010/04/cell-phone-white-pages-how-to-identify.html">cell phone white pages</a>?  It really isn't that hard to find.  Identifying unknown mobile phone callers is as easy as finding a good reverse phone directory from which to perform a search.  You know?