Nel Random Surfer Model di base, se una pagina contiene quattro link uscenti, il navigatore casuale ne sceglie ciascuno con probabilità 1/4. È una semplificazione utile per costruire PageRank, ma non descrive il modo in cui una persona legge una pagina: un link editoriale nel corpo, un banner e il collegamento ai termini di servizio non attirano necessariamente la stessa attenzione.
Il brevetto statunitense US8117209B1, intitolato Ranking documents based on user behavior and/or feature data, parte da questa distanza. Descrive un “reasonable surfer model” nel quale alcuni link possono avere una probabilità di selezione maggiore di altri. Quella probabilità può diventare un peso nel calcolo del rango dei documenti.
Il passaggio è importante. Lo è altrettanto il limite della fonte: un brevetto documenta un metodo rivendicato, non dimostra che Google lo usi oggi, né che lo abbia usato nella forma descritta.
In breve
- La famiglia ha priorità dichiarata al 17 giugno 2004; US8117209B1 è stato pubblicato e concesso il 14 febbraio 2012.
- Gli inventori indicati sono Jeffrey A. Dean, Corin Anderson e Alexis Battle; l'assegnatario riportato è Google LLC.
- Il modello contempla pesi dei link derivati da dati di comportamento e/o caratteristiche del link, della pagina sorgente e della destinazione.
- Posizione, dimensione del testo, contesto tematico e URL compaiono nella descrizione come esempi, non come elenco confermato di fattori attuali.
- Il fascicolo risulta oggi “Expired – Fee Related” su Google Patents; anche lo stato legale va letto con la cautela indicata dallo stesso database.
La scheda del brevetto
La pagina pubblica di Google Patents collega US8117209B1 a una famiglia che comprende anche US7716225B1 e successive continuazioni. Per leggere correttamente un brevetto non basta fermarsi al numero mostrato nel titolo: priorità, applicazioni collegate e continuazioni servono a ricostruire la genealogia delle rivendicazioni.
I dati essenziali del fascicolo esaminato sono:
- titolo: Ranking documents based on user behavior and/or feature data;
- inventori: Jeffrey A. Dean, Corin Anderson, Alexis Battle;
- assegnatario indicato: Google LLC;
- priorità della famiglia: 17 giugno 2004;
- filing della domanda US12/728,015: 19 marzo 2010;
- pubblicazione e concessione: 14 febbraio 2012;
- stato visualizzato: scaduto per mancato pagamento di una tassa.
La cronologia non prova quando un eventuale sistema sia entrato o uscito dalla produzione. Serve a collocare il documento giuridico.
Il problema tecnico: l'equiprobabilità è troppo grezza
Nel Random Surfer Model ogni outlink della pagina riceve la stessa quota della probabilità di transizione. Il brevetto osserva che alcuni collegamenti sono più verosimilmente selezionati di altri e propone di riflettere questa differenza nei pesi.
La descrizione cita come esempi di link poco probabili i termini di servizio, i banner pubblicitari e i collegamenti non correlati al documento. Altrove ipotizza che posizione nella pagina, dimensione del testo dell'anchor, relazione tematica, caratteristiche della sorgente o della destinazione possano contribuire a un feature vector.
Il modello può essere appreso da dati di comportamento: link selezionati come istanze positive, link non selezionati come istanze negative. Il fascicolo contempla tecniche come naive Bayes, alberi decisionali, regressione logistica o regole costruite a mano.
Questa ampiezza è tipica della descrizione brevettuale. Non devi leggerla come un file di configurazione di Google Search.
Dalle feature al peso del link
Il processo descritto può essere riassunto in quattro passaggi:
- raccogliere dati di comportamento e caratteristiche dei link;
- rappresentare ciascun link con un vettore di feature;
- costruire un modello che stimi la probabilità di selezione;
- usare il peso risultante nel calcolo ricorsivo del rango.
Schema originale basato sulla distinzione descritta nel brevetto. I pesi sono esemplificativi e non rappresentano coefficienti Google.
La formula esemplificativa conserva la struttura ricorsiva di PageRank, ma inserisce un peso w per ciascun backlink. Il valore trasferito non dipende più soltanto dal rango della sorgente e dal numero dei suoi outlink: viene modulato anche dal peso assegnato a quel collegamento.
In linguaggio naturale, due link dalla stessa pagina possono contribuire in modo diverso se il modello stima che uno sia più probabile da seguire.
Che cosa rivendicano le claim
La parte giuridicamente più importante non è l'elenco degli esempi, ma le claim. Le rivendicazioni indipendenti coprono, con formulazioni diverse, metodi e sistemi che:
- generano un modello usando dati di comportamento e/o feature;
- assegnano pesi ai link o riferimenti fra documenti;
- attribuiscono ranghi ai documenti in base ai ranghi delle sorgenti e ai pesi dei collegamenti.
Le claim dipendenti restringono o articolano questi passaggi. Per una lettura SEO è essenziale non rovesciare la gerarchia: una feature citata nella descrizione può illustrare una possibile implementazione senza diventare il nucleo della rivendicazione.
Esempi non significa fattori confermati
Il brevetto ipotizza, fra le altre cose, link più in alto nella pagina, anchor con font più grande, relazione fra cluster tematici, parole o pattern nell'URL. Sono gli elementi che più facilmente diventano checklist nei commenti SEO.
Ma la fonte stessa presenta molte di queste regole come esempi. Da ciò non puoi dedurre:
- che Google le abbia implementate tutte;
- che siano rimaste invariate;
- che abbiano lo stesso segno o peso in ogni contesto;
- che un singolo attributo determini il valore di un link;
- che il sistema descritto coincida con il PageRank corrente.
Puoi invece affermare che Google ha brevettato una classe di metodi nella quale i collegamenti non sono necessariamente equiprobabili e i loro pesi possono dipendere da feature e comportamento.
Rapporto con i clic
Il riferimento al comportamento utente non autorizza la frase “Google usa i clic come fattore di ranking” senza specificazioni. Nel brevetto, i dati di selezione possono addestrare un modello di probabilità dei link. Questa è una descrizione tecnica circoscritta.
Un dato usato per apprendere pesi in un metodo brevettato, un segnale usato in un esperimento, un input di valutazione e un fattore del ranking in produzione sono categorie diverse. Confonderle produce una certezza che il documento non offre.
Che cosa significa per la SEO
La lezione più solida non è “metti il link in alto perché vale di più”. È più generale: un grafo può trattare gli archi come oggetti dotati di caratteristiche, non come connessioni indistinguibili.
Questo rende ragionevole progettare link che abbiano una funzione editoriale chiara:
- anchor comprensibile nel contesto;
- destinazione coerente con il passaggio che la introduce;
- visibilità sufficiente per essere usata da una persona;
- assenza di duplicazioni massive prive di utilità;
- integrazione nella gerarchia informativa, non aggiunta meccanica.
Queste scelte migliorano comunque navigazione e comprensione. Il brevetto non consente di quantificare il vantaggio algoritmico.
Se devi decidere
Se stai revisionando una struttura di link, separa tre livelli:
- Esperienza osservabile: il collegamento è visibile, descrittivo e utile?
- Struttura misurabile: connette davvero sezioni e contenuti che altrimenti resterebbero marginali?
- Inferenza sul ranking: quale effetto proprietario immagini e con quale prova?
Puoi agire con sicurezza sui primi due. Sul terzo devi mantenere un linguaggio proporzionato: il Reasonable Surfer offre un modello plausibile e brevettato, non una tabella dei pesi attuali.
Fonti
- US8117209B1 — Ranking documents based on user behavior and/or feature data — brevetto, Jeffrey A. Dean, Corin Anderson e Alexis Battle; priorità 2004, concessione 2012.
- US7716225B1 — membro precedente della famiglia — brevetto, pubblicato nel 2010.
- Introduction to Information Retrieval, Chapter 21 — manuale accademico, Manning, Raghavan e Schütze, 2008; baseline del Random Surfer uniforme.
Approfondimenti
- Come sappiamo ciò che crediamo di sapere su Google Search — come distinguere brevetti, sistemi e inferenze.
- Il PageRank originale: formula, damping factor e matrice di transizione — la struttura ricorsiva sulla quale intervengono i pesi.
- “Anchor text come segnale di rilevanza” — il testo del collegamento come informazione, distinto dalla probabilità di selezione.
Nota sul processo editoriale
Questo articolo e le immagini originali che lo accompagnano sono stati realizzati con il supporto di un agente di intelligenza artificiale progettato su misura per il progetto editoriale di francescoiamurri.com. L'agente ha assistito nella ricerca, nella redazione, nella verifica documentale delle fonti e nella produzione visuale, seguendo un protocollo che distingue paper, brevetti, dichiarazioni ufficiali, osservazioni storiche e inferenze. Francesco Iamurri ha effettuato la revisione editoriale finale, ha approvato il contenuto e ne assume la responsabilità editoriale.