Molti giornali hanno citato il fatto dicendo che la causa del fenomeno era da ricondursi ad attacchi Hacker, di Google Bombing, di bug/glitch di Google, e chi più ne ha più ne metta:

• http://www.repubblica.it/tecnologia/2010/07/17/news/cerchi_vaticano_esce_pedofilo_google_beffa_sui_risultati-5649746/
• http://www.corriere.it/cronache/10_luglio_17/google-vatican_d0b51b26-91bb-11df-8c13-00144f02aabe.shtml

In realtà a prima vista, al di là dello stupore per la forza dell’azione, sono rimasto un po’ perplesso per come i media hanno descritto il fenomeno: il Google Bombing a detta degli ingegneri di Google è stato sistemato, quindi potrebbe anche non trattarsi di un problema di questo tipo. (o non solo di questo)

Qualcun altro in rete ha manifestato qualche dubbio, ad esempio Giacomo Pelagatti su Twitter, il blog “L’interno dell’agnello“, il forum GT, Taller SEO (from Spain),

Per far sì che si tratti di Google Bombing è necessario che si abbia a disposizione un numero elevatissimo di risorse che linkino una pagina con degli specifici termini, come nel caso di miserable failure per George Bush, merda per italia.it, ecc.

In questo caso, però mi pare che il problema sia diverso, le attività di Google Bombing solitamente servono per associare un dominio noto ed affermato a temi diversi dal normale: in poche parole molti link con la parola “merda” portano Google a pensare che il portale turistico italia.it, sia associato non a temi turistici, ma a deiezioni umane.

Il risultato di questa azione, invece, è stato sostituire una pagina storicamente rilevante per un termine con un’altra pagina. Quindi che l’home page di pedofilo.com fosse ritenuta più rilevante dell’home page di www.vatican.va per parole chiave tipo vaticano, vatican, ecc.

Come è possibile che sia avvenuto tutto ciò? Facciamo un po’ di chiarezza per quanto possibile…Prima di tutto escludiamo fenomeni di hacking subiti dal Vaticano, in quanto non sono dimostrabili.

1) il sito pedofilo.com conteneva una copia del sito vatican.va (o parte di esso)

Partiamo da una premessa, il dominio pedofilo.com che ora redirige al dominio dell’agenzia che ha svolto quest’attività, possedeva moltissimi contenuti clonati del dominio vatican.va. Non è possibile parlare di sito clone integralmente poiché non è più verificabile tale ipotesi.

Ecco la situazione dell’archivio di Google con il comando site:

In sostanza pare che il sito del vaticano sia stato clonato copiando nel dominio pedofilo.com i documenti e sostituendo tutte le occorrenze del testo www.vatican.va presenti in pagina con quelle del dominio www.pedofilo.com.

Eccone qui un esempio (notare i link in basso dei due documenti):

2) il sito del Vaticano ha una miriade di contenuti/domini duplicati e un ottimizzazione SEO scadente

Questa copia però non giustifica il fenomeno in quanto il sito della Santa Sede è da sempre fonte di attacchi di hacker e che ha uno svariato numero di domini che copiano-riportano integralmente dei contenuti.

Ecco alcuni esempi di siti reperiti che non sembrano molto trusted a prima vista…

• http://www.0100101110101101.org/home/vaticano.org/spoof/index.html
• http://www.jesus.2000.years.de/
• http://ev6.org
• http://lgrd.info

Parrebbe inoltre che gli ultimi due siano associati all’IP della Santa Sede attraverso DNS.

Inoltre anche la Santa Sede ci mette del suo con un numero sterminato di domini da loro in possesso che contengono gli stessi contenuti:

• http://www.vatican.edu/
• http://www.va
• http://benedictumxvi.va/
• http://www.vatican.net/
• http://benedettoxvi.va/

Ed una gestione degli errori 404 con un 302 verso l’homepage ed una pessima struttura del sito per i motori di ricerca (e per gli utenti )

3) Google sembra aver fatto un po’ di confusione con le diverse copie dei domini

Nelle copie cache, ho notato una piccola stranezza che non so quanto possa essere utile a trarre conclusioni.
Il dominio di riferimento della copia cache dei documenti di pedofilo.com è spesso diverso:  non solo pedofilo.com o quello “canonico” (passatemi la battuta) vatican.va .

Ecco una copia cache di pedofilo.com con il dominio corretto:

Qui una copia riferita però al dominio www.vatican.va:

Qui un’altra riferita a www.va:

Qui una riferita a www.vatican.edu:

Qui una riferita a http://www.jesus.2000.years.de/:

Ed infine una riferita a www.lgrd.info:

In alcuni casi, ricercando dei documenti si può notare come Google restituisca i risultati dei domini “clonati” ma non del sito principale.

Insomma pare che Google, per qualche ragione, abbia delle difficoltà a capire qual’è il dominio che “comanda” ovvero potrebbe essere afflitto da gravi problemi di canonizzazione dei documenti.

Aggiungo inoltre che Google sembra quasi associare il dominio vatican.va ai testi dei nomi dei domini duplicati “pedofilo.com”, “lgrd.info”, “vatican.edu”, ecc.

4) Conclusioni

Da una prima analisi, quindi, il motivo principale di questo inconveniente pare da ricondursi maggiormente a problemi di canonizzazione dei domini più che a fenomeni di Google Bombing. Facilitati in prima istanza dalla scarsissima ottimizzazione Seo del sito del Vaticano e alla presenza di moltissimi contenuti duplicati.
Tuttavia alcuni pezzettini di questo bizzarro episodio restano parzialmente fumosi. Allo scenario potremmo anche aggiungere la possibilità che possano essere avvenuti fenomeni di “intrusione” nei sistemi del Vaticano come:

• intrusione nel DNS che gestisce il puntamento dei domini del vaticano;
• un temporaneo redirect dal dominio vatican.va verso il sito pedofilo.com;
• una fraudolenta validazione del Google Webmaster Tool del dominio vatican.va.

Si tratta di ipotesi da non escludere, purtroppo però non più verificabili e difficilmente lo verremo a scoprire. Quindi non mi va di gridare al lupo al lupo.

Voi che cosa ne pensate in merito? Vi trovate d’accordo su alcuni punti della mia analisi?Avete qualcosa da aggiungere?

La registrazione del brevetto è volta al miglioramento delle attività di intercettazione algoritmica dello spam e in particolari di due noti fianchi parti per l’algoritmo di Google:

• la link farm: una serie di pagine che puntano tutte ad uno stesso documento al fine di aumentarne la popolarità.
• clique attack (o web ring): delle interconnessioni reciproche tra diversi documenti per forzare l’autorevolezza, l’importanza ed il trust delle pagine stesse.

Nel brevetto si dice che verranno eseguite delle elaborazioni della base dati dei link presenti nel web, associandone un punteggio in base a fattori principalmente storici e di trust delle fonti.

Nella fase di definizione del trust, oltre ad una grande attenzione dell’andamento nel tempo dei backlink, ritengo interessante anche il “link coupling factor“: ovvero un punteggio di ‘vicinanza’ delle sorgenti dei link che permette di riuscire a capire quanto delle sorgenti di link verso lo stesso sito siano correlate tra loro.

Questo dovrebbe essere il primo passo per capire se tali pattern di link abbiano la connotazione di link fasulli e quindi essere marchiati come spam.

Va detto che più un sito che linka è trusted più la soluzione algoritmica proposta non funziona: banalmente l’algoritmo dovrebbe dare un giro di vite per le link farm ma non per network di link tra siti trusted.

La soluzione avrà ancora difficoltà nella declassificazione algoritimica della compra vendita dei link, che probabilmente verrà eseguita prettamente in modo manuale.

Per concludere, credo che sia interessante anche il passo dove vengono esposte, seppur in modo generico, le conseguenze dell’identificazione di pattern di link sospetti:

1. Links from the page might not be considered at all in determining link importance of other pages.
2. The impact of links from the page might be reduced in importance.
3. A predetermined penalty might be applied to the importance of links from the page.
4. The importance of the page might be reduced in a way that doesn’t rely upon links.
5. The importance of the page might be reduced in a way that doesn’t rely upon links, while also reducing the importance of links from the page.

Link utili correlati:

• Recensione del brevetto di SEO by the Sea
• Altra recensione di UK Gimp

La causa della penalizzazione, infatti, non era dovuto alla palese rottura delle linee guida di Google. Piuttosto era causata da una progettazione che teneva poco conto della struttura sematica delle pagine e del numero di contenuti in pagina.

Voi che ne pensate sul questo caso di penalizzazioni?

Buona lettura.

Oltre all’ottimizzazione tecnica della piattaforma garantendo la compatibilità con Google News, hanno pensato di utilizzare la loro funzionalità della ricerca interna per dare in pasto un grandissimo numero di pagine ben ottimizzate per i motori di ricerca.

È stato creato un terzo livello ricerca24.ilsole24ore.com che contiene al suo interno un numero consistente di link a delle pagine statiche, che non sono nient’altro che delle pagine di risultati della ricerca interna al sito.

L’utilizzo di pagine dei risultati della ricerca offre delle buone prestazioni in termini di posizionamento poiché:

• Title ottimizzato per il termine di ricerca posto all’inizio;
• Description contenente ben 3 occorrenza del termine di ricerca;
• Forte presenza della parola chiave anche all’interno del testo della pagina (qui un po’ di attezione alla sovraottimizzazione va fatta).
• link a contenuti tematizzati e di qualità (articoli rilevanti per la keyword).

Queste pagine hanno una struttura molto simile alle pagine di tag già descritta in un mio post sul blog TSW, con la differenza che il tagging è anche utile all’utente per navigare dei contenuti correlati.

Dal punto di vista dell’utilità per l’utente, però, gli scopi sono diversi: se da un lato il tag permette di navigare contenuti correlati tra loro, dall’altro queste pagine di risultati della ricerca non essendo raggiungibili dal sistema di navigazione del sito web (tralasciando un piccolo linkettino “i più cercati” nel footer) sono da considerarsi esclusivamente delle pagine hub che hanno lo scopo di ricevere gli utenti provenienti dai motori di ricerca veicolandoli in altri contenuti di potenziale interesse.

Voi che ne pensate di queste tecniche SEO che sfruttano la generazione automatica di pagine?L’esperienza utente ne giova? Trovate che sia una buona tecnica?