Con el auge de Google o la googlemanía los investigadores del área informática han prestado especial atención al fenómeno de la búsqueda de información en Internet. En un momento histórico cuando buena parte de la investigación, en múltiples áreas, va camino de ser sinónimo de buscar en Google los analistas en recuperación de información están diseñando nuevos buscadores.

La competencia de Google no se ha quedado atrás y por ejemplo Yahoo.com muestra las descripciones de los resultados de la búsquedas en forma más completa que Google: dos líneas mas de texto que muestran las primeras frases que aparecen en la página web.

Como recuperar la información desde bases de datos gigantes como lo es Internet no es un problema nuevo, es un problema que se remonta casi a los orígenes de la computación cuando si bien aun no era algo aplicable se visualizaba claramente que sería un aspecto primordial a resolver en cualquier sistema que maneje información.

Cuando usted busca cualquier cadena de texto en Google, por ejemplo "excursiones a México" y le aparece el titulo "Google ha encontrado 190.000 sitios relacionados en 0,23 segundos” esto no quiere decir que en esa fracción de tiempo Google haya buscado en toda Internet y haya reportado los resultados. Google graba todas las palabras posibles de ser buscadas y las relaciona con los sitios en las cuales aparecen, luego las indexa armando un gigantesco árbol dentro del cual busca cuando usted ingresa cualquier cadena de texto. Google está constantemente inspeccionando la red con sus spiders (arañas) y actualizando su base de datos. Buscar en una base de datos propia es lo que hace rápido a los sistemas de buscadores como Google, Yahoo, MSN, etc.

Los spiders son programas que inspeccionan Internet buscando sitios, viendo que otros sitios apuntan hacia este, fechas de actualización y variados aspectos que se tiene en cuenta y son modificados constantemente para que el buscador no sea engañado y posicione erróneamente a determinados sitios.

Como indexa Google

Para ubicar cuales son los sitios más importantes, los que aparecen en las primeras posiciones el algoritmo de búsqueda aplica varias estrategias de clasificación. Una de las habituales es el producto de la frecuencia del termino en el documento (termino buscado) por el logaritmo de la inversa de la fracción de documentos en que aparece. Este análisis se conoce como baremación de términos.

Google también considera el análisis de enlaces desde y hacia un sitio o página web que se pretende ordenar dentro de un listado de resultado de búsqueda. Se valora la naturaleza de la página en función de sus enlaces con otras páginas. La página puede ser una autoridad en razón de la cantidad de enlaces que apuntan hacia ella. Claro que no puede ser cualquier sitio el que lo enlace sino sitios de temáticas similares.

A su vez un sitio puede ser un distribuidor si de el salen muchos enlaces hacia otros sitios, así cualquier sitio que indexe sitios web será un distribuidor. Los principales distribuidores son los propios buscadores como Google, Yahoo, Msn, etc. Google tendrá en cuenta cual es la posición en otros buscadores importantes para indexar a su vez en su propio buscador.

Lograr estar en las dos primeras páginas de resultados de Google (20 primeras posiciones) es fundamental para cualquier sitio web y no es algo imposible ni mucho menos. Lo principal es indexar por página y no por sitio (que aparezca el sitio principal www.nombre_sitio.com como resultado de una búsqueda) salvo que el sitio sea muy especifico. Por ejemplo si el sitio es un hipermercado no se va a indexar en las primeras posiciones por la palabra hipermercado o similares (o por el nombre de dominio) sino que tendrá que enfocarse a posicionar determinados productos (que sean los mas consumidos) en determinada región y que estarán descriptos en una o dos páginas del sitio del hipermercado. Una vez posicionadas varias páginas , estas serán el ingreso del usuario al sitio principal del hipermercado a través de buscador.