De acuerdo con la consultora MOZ (2020), el SEO (Search Engine Optimization) es la práctica encaminada al aumento de la cantidad y calidad de tráfico hacia un sitio web a través de los resultados de búsqueda orgánicos procedentes de los buscadores de Internet.

El objetivo del SEO es, por lo tanto, conseguir aumentar el tráfico hacia un sitio web, logrando que sus páginas sean más relevantes que las de sus competidores para determinadas palabras clave utilizadas por los usuarios de los motores de búsqueda. El trabajo SEO se centra en satisfacer ciertos factores de posicionamiento que tienen en cuenta los motores de búsqueda mediante todo un conjunto de estrategias y aspectos técnicos con el objetivo de mejorar su visibilidad en las páginas de resultados de los motores de búsqueda (Injante y Mauricio, 2019). Estos factores se pueden clasificar en dos grandes grupos, según si se trata de aspectos que se pueden acometer trabajando el contenido o la configuración técnica del sitio web (factores internos o SEO on page), o si se trata de factores que, siendo ajenos a éste, presentan una influencia en el posicionamiento (factores externos o SEO off page) (Serrano-Cobos, 2015). Si bien Google nunca ha dado a conocer abiertamente cuáles son todos los factores involucrados en el cálculo de la relevancia utilizado para ordenar los resultados de búsqueda, justificando su falta de transparencia como una medida necesaria para la lucha contra el spam (Beel y Gipp, 2010), lo cierto es que algunos de sus más de 200 factores (Google, 2020a) han trascendido fruto del trabajo de profesionales del sector, como resultado de procesos de ingeniería inversa (Rovira y otros, 2018).

La dura competencia por estar bien posicionado en los motores de búsqueda académicos ha propiciado que, desde hace algunos años, las técnicas SEO hayan traspasado las fronteras de los sitios web y los motores de búsqueda generalistas para empezar a aplicarse también en el contexto de buscadores como Google Scholar (GS) (Martín-Martín y otros, 2017). Si bien algunos de los factores de posicionamiento mantienen una cierta correspondencia entre los dos tipos de buscadores, GS cuenta con un algoritmo propio adaptado al ámbito específico de la literatura científica (Rovira y otros, 2018). Al conjunto de estrategias y técnicas asociadas con la mejora de la visibilidad de los sitios web que albergan literatura científica se le conoce con el nombre de ASEO (Academic SEO) (Muñoz-Martín, 2015) (Codina, 2019). Su objetivo principal, como en el caso del SEO, es atraer tráfico a estos sitios web, aumentando así la probabilidad de que sus documentos sean encontrados, posibilitando así también a sus autores conseguir una mayor visibilidad, que se puede acabar traduciendo en un incremento posterior en el número de citas y otras métricas personales (Farhadi y otros, 2013).

Entre los factores internos que han despertado un mayor interés entre los profesionales del SEO en los últimos años, destaca el uso de Schema.org. También en el ámbito de la biblioteconomía y documentación. Prueba de ello es el peso que ha adquirido año tras año en la encuesta sobre datos enlazados de OCLC (2018), cuyos resultados muestran incrementos desde el 2014 del 30% y el 46% de los proyectos que lo utilizan de acuerdo con el análisis de Smith (2018) para los años 2015 y 2018, respectivamente. También en el caso de los repositorios de datos de investigación, ámbito en el que Fenner y otros (2018) identificaron un total de 32 repositorios que ya lo habían implementado para, en un trabajo más reciente, proponer una hoja de ruta que incluye el uso de esta tecnología (Fenner y otros, 2019).

Schema.org es un vocabulario que, a través de diversos esquemas, propone una serie de atributos para la descripción normalizada de diferentes tipos de entidades presentes en un sitio web (personas, artículos, eventos o recetas, entre otras) (Sulé, 2015). El proyecto, iniciativa de los principales motores de búsqueda de Internet (Google, Bing, Yahoo! y Yandex) tiene como principal objetivo facilitar la comprensión del contenido presente en una página web, posibilitando a los motores de búsqueda ofrecer tanto unos resultados más relevantes, como nuevos servicios enriquecidos como el Google Knowledge Graph, o visualizaciones más informativas en sus páginas de resultados, conocidas como rich snippets (Hilliker y otros, 2013). Aplicado al ámbito que nos ocupa, Schema.org cuenta con esquemas específicos para la descripción de artículos científicos, tesis, libros o trabajos de fin de máster, entre otros.

El repositorio RODERIC (Repositorio de Objetos Digitales para la Enseñanza, la Investigación y la Cultura) fue lanzado en 2010 con el objetivo reunir, preservar y visibilizar la producción científica de la Universitat de València. RODERIC funciona como una ventana única desde la cual da acceso a materiales de diferente índole como la producción científica de la institución, el fondo antiguo procedente de su Biblioteca Histórica (Somni), materiales docentes, contenidos de carácter institucional como los derivados de la celebración de actos y reuniones oficiales, así como otros documentos derivados de la acción cultural de la universidad. Cumplidos los diez años de existencia, el principal reto al que RODERIC se enfrenta en el contexto actual es el de competir con garantías con el resto de los repositorios nacionales e internacionales en las páginas de resultados de los motores de búsqueda. Es por este motivo que, en 2018, RODERIC se plantea la implementación de Schema.org como estrategia para mejorar sus métricas de posicionamiento.

Este trabajo muestra el proceso de implementación del vocabulario Schema.org, así como de otros ajustes enmarcados dentro de los considerados factores internos, realizados en el repositorio RODERIC de la Universitat de València. También recoge un análisis del impacto de esa implementación pasado un año en los resultados de búsqueda de Google Search y GS. La implementación de Schema.org en el repositorio persigue el objetivo general de incrementar la cantidad y la calidad del tráfico a sus documentos tanto desde motores de búsqueda generalistas, como desde otros especializados en literatura científica.

El acceso abierto tiene como uno de sus principales objetivos facilitar el acceso a los resultados de la investigación financiada con fondos públicos. Este movimiento depende del consentimiento del autor o titular de los derechos de autor, pero también, en gran media, de Internet y las tecnologías que la sustentan (Suber, 2010), entre las cuales, los buscadores.

En los últimos años, diversos estudios han analizado el comportamiento de los investigadores a la hora de buscar información poniendo como eje central de sus investigaciones qué fuentes utilizan. Brown y Swan (2007) revelan un escaso uso por parte de los investigadores de los repositorios de sus instituciones como fuente de acceso a la información científica, siendo sólo el 2% de los encuestados los que lo utilizan con frecuencia, mientras que un 4% afirman hacerlo ocasionalmente. Por otro lado, más del 90% de los investigadores encuestados afirman utilizar Google Search como fuente para localizar literatura científica en acceso abierto; más del 70% en el caso de GS. Cifras muy por encima de otros servicios especializados como repositorios institucionales (algo más del 30%), BioMed Central (casi el 30%), sitios web de bibliotecas públicas (20%) o DOAJ (alrededor del 15%), por citar algunos de los más destacados. Inger y Gardner (2013) redundan en el mismo resultado, identificando a los motores de búsqueda académicos como GS, como el principal punto de partida para la localización de artículos de revista. También destacan una mayor popularidad de GS en áreas como las ciencias sociales, la psicología y la educación, mientras que, en el resto de las áreas, Google Search es más popular. El estudio de Arshad y Ameen (2017) sobre la forma de acceso a revistas electrónicas también muestra un uso preferente de buscadores generalistas y GS, frente a bases de datos especializadas o los servicios suscritos por sus bibliotecas de referencia, entre otros. Los resultados del estudio de Tenopir y otros (2019) muestran que un 28,6% de los artículos consultados por investigadores se descubren mediante el uso de buscadores. El 56,6% de estos artículos se encuentran gracias a buscadores como Google Search y GS, un porcentaje que supera con creces a otros servicios como Academic Search Premier, Web of Science, JSTOR, o a servicios de preprints como arXiv.org y otros. Los resultados de trabajos anteriores ponen de evidencia la importancia de aumentar la visibilidad de los repositorios institucionales y de la literatura científica en motores de búsqueda como Google Search y GS.

Son varios los trabajos que han reunido y analizado diferentes aspectos que deben abordarse para conseguir una mayor visibilidad de los repositorios en los motores de búsqueda (Arlitsch y O’Brien, 2011) (Kelly y Nixon, 2013) (Tmava y Alemneh, 2013) (Tonkin y otros, 2013) (Hilliker y otros, 2013) (Sexton y Aery, 2013) (Wallis y otros, 2017). También desde el punto de vista del trabajo que atañe a los propios investigadores en las diferentes fases de la elaboración y posterior diseminación de un trabajo científico, como parte esencial del SEO académico (Beel y Gipp, 2010) (Muñoz-Martín, 2015) (Codina, 2019). Por su parte, Google también ha venido publicando tanto guías de optimización SEO de sitios web en Google Search (Google, 2020b), como pautas específicas para asegurar el rastreo e indexación de repositorios y otras aplicaciones de software para la gestión de publicaciones científicas en GS (Google, 2020c). Si a estos trabajos le sumamos otros orientados a la mejora del posicionamiento de cualquier tipo de sitio web en buscadores (Killoran, 2013) (Su y otros, 2014), así como el trabajo divulgativo de compañías especializadas en SEO (MOZ, 2015) (Searchmetrics, 2018), podemos afirmar que en la actualidad contamos con un conjunto de referencias suficientes como para abordar esta tarea.

El principal déficit de los trabajos anteriores es que no evalúan el impacto en el algoritmo de los factores que recogen. Entre los estudios que sí evalúan el rendimiento de estos factores destacan los trabajos de Beel y Gipp (2009a) (2009b), Martín-Martín y otros (2014) (2016) (2017), Rovira y otros (2018), Pekala (2018) y Macgregor (2019). De ellos, los únicos que se centran en el uso de Schema.org son Pekala (2018) y Macgregor (2019), mientras que el resto de los trabajos se centran en otros aspectos relevantes para el ASEO enmarcados dentro de los denominados factores externos.

El trabajo de Beel y Gipp (2009a) muestra una correlación directa entre el número de citas recibidas por un artículo y su posición en el ranking. Por otro lado, los mismos autores (2009b) analizan el impacto de la antigüedad de los artículos como factor de posicionamiento. Si bien, sus resultados muestran que los documentos más antiguos se encuentran con una mayor frecuencia en mejores posiciones, esto puede deberse al hecho de que también se trate de trabajos con un mayor número de citas acumuladas. Una conclusión similar a la de Martín-Martín y otros (2016). Por su parte, Martín-Martín y otros (2014) analizan la correlación existente entre el número de versiones de un documento en GS y el número de citas recibidas, en relación con la posición en el ranking. Sus resultados no muestran una correspondencia entre el número de versiones del documento y la posición, aunque sí detectan un ligero efecto positivo en este sentido en un trabajo posterior (Martín-Martín, 2017). Por lo que respecta a la relación entre citas y posicionamiento, los datos obtenidos por los autores permiten confirmar que el recuento de citas es el factor de posicionamiento más importante en GS. En la misma línea, Rovira y otros (2018) también analizan el impacto de las citas recibidas como factor de posicionamiento en GS. Sus resultados también muestran que la cantidad de citas recibidas por un artículo es el factor SEO externo más importante, muy por encima del resto.

Por lo que respecta a los trabajos que analizan el impacto de la implementación de Schema.org, Pekala (2018) muestra los resultados del uso de esta tecnología en el repositorio DigitalGeorgetown. Los resultados de su análisis muestran un impacto pequeño, pero visible en los resultados de búsqueda de Google Search que se traduce en un 26,67% de resultados que mejoraron en el ranking, un 18,33% que empeoraron y un 55% que no mostraron ningún cambio. Por otro lado, la tasa de crecimiento del tráfico de referencia desde esta fuente aumentó en un 63,3% en comparación a la misma métrica en los últimos 3 años que se situaba en torno a una media del 23,27%. Otra aportación de interés de este trabajo es un mapeo que contempla equivalencias entre los elementos Dublin Core (DC) utilizados en el repositorio DigitalGeorgetown y los atributos de Schema.org equivalentes.

Por su parte, Macgregor (2019) recoge los resultados de ciertas mejoras realizadas sobre Strathprints, el repositorio institucional de la Universidad de Strathclyde. Los resultados muestran un aumento del 63% en el tráfico de referencias desde el conjunto de todos los buscadores, incrementándose significativamente en los casos de Google Search (64,63%) y GS (94,63%), mientras que descendió en el caso del buscador Bing. Por su parte, también se observaron incrementos en la cantidad de impresiones (145%) y clics (53%) obtenidos por los resultados de búsqueda del repositorio en Google Search para el periodo analizado.

Tanto Pekala (2018), como Macgregor (2019), coinciden en reconocer límites evidentes en sus metodologías de evaluación. Uno de los límites más importantes tiene que ver con la imposibilidad de aislar el impacto de la implementación de Schema.org del resto de más de 200 factores que Google dice tener en cuenta en su algoritmo para determinar la relevancia de una página web y ordenar los resultados de búsqueda. Por otro lado, en los resultados obtenidos por Macgregor (2019), debe tenerse en cuenta que la implementación de Schema.org se acompaña de otras mejoras técnicas que también pueden haber tenido un impacto positivo en los resultados, algunas de las cuales se han recogido en la tabla I junto con el resto de los factores contemplados en la literatura analizada en este trabajo.

Por su parte, otros profesionales del sector (MOZ, 2019) (Price, 2019) destacan la inexistencia de evidencias concluyentes sobre una hipotética mejora en el ranking tras la implementación de Schema.org. No obstante, sí existe un cierto consenso en destacar el valor de los fragmentos enriquecidos en la SERP generados con estos vocabularios para la mejora de métricas como el CTR (Click-Through Rate) (Goodsell, 2015), lo que puede derivar en una mayor cantidad de tráfico.

Finalmente, también cabe destacar la importancia de otros factores que, si bien no se encuentran exclusivamente relacionados con los repositorios, ni con GS, si son factores con un peso importante en el algoritmo de Google Search. El primero de estos factores consiste en disponer de un sitio adaptado a dispositivos móviles, un requisito imprescindible desde que Google anunciará la actualización mobile-first index de su algoritmo (Fan, 2018). Hasta la llegada de esta actualización, Google contaba con dos rastreadores diferenciados (Googlebot y Googlebot mobile), para rastrear el contenido de las versiones de escritorio y móvil de los sitios web, respectivamente, dando lugar a dos índices diferenciados. La puesta en marcha del mobile-first index implica el fin del rastreo con Googlebot y la unificación de los dos índices en uno sólo, el móvil. La preferencia de Google por los sitios web responsivos frente a otras aproximaciones técnicas para el cumplimiento de este requisito es sobradamente conocida desde 2012 (Far, 2012). Esta aproximación presenta otros beneficios desde el punto de vista del SEO, frente al desarrollo de versiones móviles independientes. Entre estos destaca una autoridad de dominio que se mantiene para ambas versiones, una total equidad en los enlaces entrantes recibidos, ya que todos apuntan al mismo dominio, así como un mantenimiento más sencillo y barato, al sólo contar con una única versión del código fuente (Alcaraz, 2016).

Estrechamente relacionado con la adaptación a dispositivos móviles, la velocidad de carga se ha convertido en uno de los factores internos más importantes para los sitios web, en un contexto en el que la mayoría ya reciben más visitas desde dispositivos móviles, que desde equipos de escritorio, tal y como recogen los datos globales de Statcounter para 2019, en los que el tráfico móvil (teléfonos y tabletas) supone un 56,73% del total, frente al 43,27% correspondiente al tráfico desde equipos de escritorio. ¹ Desde 2010, Google viene anunciando diferentes actualizaciones del algoritmo en las que esta señal se ha incorporado o reforzado (Singhal y Cutts, 2010) (Wang y Phan 2018).

El último de estos factores tiene que ver con la usabilidad del sitio web. En concreto con un pequeño conjunto de métricas que Google evalúa y sobre las que informa en Google Search Console: tamaño de texto demasiado pequeño para leerlo (menos de 16 px), elementos en los que se puede hacer clic demasiado cerca unos de otros, no configurar la ventana gráfica (viewport), y el uso de complementos como Flash, incompatibles (Google, 2020d).

Con el objetivo de analizar el impacto de la implementación de Schema.org en el repositorio RODERIC, se estableció una metodología formada por 4 fases: definición de métricas de visibilidad; análisis de los metadatos utilizados en el repositorio y mapeo con sus esquemas correspondientes; implementación del vocabulario schema.org y análisis del impacto de la implementación en el posicionamiento en Google Search y GS.

Uno de los grandes retos que plantea el análisis de la repercusión de la implementación de Schema.org como factor de posicionamiento en los motores de búsqueda es la imposibilidad de poder aislar este factor de los centenares de factores contemplados por los algoritmos de los buscadores, más aún cuando estos se actualizan constantemente. En este sentido, los resultados están condicionados por el resto de los factores contemplados en la literatura (tabla I), así como por otros no conocidos por los autores debido a la opacidad de los algoritmos.

Finalmente, tanto el volumen de la muestra, como el periodo analizado tras la implementación de Schema.org pueden no haber sido suficientes para estudiar el impacto de esta implementación. No cabe duda de que una mejora como ésta, necesita ser observada en un espectro temporal más amplio y sobre un mayor número de casos o documentos analizados. En este sentido, Pekala (2018) apunta que los cambios en los resultados de búsqueda no son inmediatamente visibles, ni tampoco consistentes en el tiempo, aspecto este último que hemos podido comprobar con la fluctuación de la posición en el ranking de diversas búsquedas.

Aunque la implementación y el análisis de su impacto se han realizado en un repositorio implementado con la versión 4.1 de DSpace, técnicamente, la metodología expuesta en este trabajo es compatible con versiones más actuales del software. También se antoja posible su implementación en otras plataformas como EPrints, Fedora Commons o Invenio, por citar algunas de las más utilizadas en la actualidad dentro de la oferta de aplicaciones de software libre. La diferencia entre una y otra plataforma la encontramos en el uso del estándar XSLT para la salida web de los datos, que puede variar según la plataforma, por otros estándares. No obstante, y, aunque sería preciso un estudio más riguroso, los autores de este trabajo no conocemos ningún software para la creación de repositorios que en la actualidad incorpore en su núcleo la capacidad para exponer de manera nativa datos en formato Schema.org.

Los resultados obtenidos en este trabajo coinciden en parte con las afirmaciones de los profesionales del SEO que destacan la inexistencia de evidencias en la mejora del ranking derivadas del uso de Schema.org (MOZ, 2019) (Price, 2019). Adicionalmente, entre los factores con un impacto en el posicionamiento que también pueden haber influenciado en la obtención de peores resultados en relación con la cantidad de sesiones desde Google Search, así como en la posición media en la SERP, tras la implementación de Schema.org en el repositorio, destacan: la no utilización del protocolo HTTPS en el nombre de dominio; el hecho de contar con un sitio relativamente lento cuando se accede desde dispositivos móviles; ² o el utilizar una versión específica del repositorio cuando se accede desde un dispositivo móvil (http://mobiroderic.uv.es), práctica que si bien en los primeros años de existencia de los teléfonos inteligentes se popularizó, en actualidad se ha visto superada en beneficios por el diseño web responsivo, una aproximación centrada en adaptar la interfaz de manera dinámica, sin necesidad de mantener dos sitios web diferentes en paralelo, cosa que puede perjudicar métricas esenciales como la cantidad de enlaces entrantes que se reparten entre el dominio principal y el subdominio en el que se encuentra la versión móvil, o incluso en la generación de contenido duplicado, una práctica perseguida por los buscadores.

Por otro lado, la implementación por parte de Google del mobile-first index, centrado en la indexación de la versión móvil de los sitios web -aplicado sobre RODERIC desde septiembre de 2018- puede haber empeorado la situación antes descrita en el contexto de Google Search. A estos factores debemos sumarles otros factores externos, entre los que destaca el buen trabajo que haya podido realizar la competencia durante el periodo analizado, así como la cantidad de citas recibidas por los trabajos de otros repositorios que podrían ser superiores a las de los trabajos depositados en RODERIC, aspecto que no se ha analizado. En este sentido, parece claro que, en la actualidad, si bien la implementación de Schema.org podría suponer ciertos beneficios tanto a nivel de posicionamiento, como de interoperabilidad, parece que estos otros factores presentan un peso mayor en el algoritmo.

En relación con la capacidad de Schema.org para describir los objetos digitales de un repositorio, el estándar muestra una capacidad suficiente para describir con un alto nivel de precisión el contenido de tesis, libros y artículos de revista, si bien en el caso del libro antiguo, se encuentran a faltar diversos campos con un nivel de especificidad equivalente.

Recoger, preservar y difundir la producción académica de una institución (Abadal, 2012) son los tres procesos fundamentales que dan sentido a un repositorio. En la actualidad, la difusión del contenido que albergan pasa ineludiblemente por gozar de un buen posicionamiento en los motores de búsqueda generalistas y especializados en literatura académica, dada la importancia de Google y Google Scholar en la recuperación y uso de la información académica (Orduña-Malea y Delgado, 2014). Una máxima que adquiere aún más sentido si atendemos a los resultados de la encuesta conducida por MOZ (Ray, 2019), en la que sólo el 7% de los usuarios dicen navegar más allá de la primera página de resultados, mientras que los dos primeros resultados de la primera página se llevan el 75% de los clics. En este sentido, la implementación de Schema.org, si bien minoritaria en este ámbito, ya es una prioridad en la agenda de organizaciones como OCLC (2018), y una realidad en repositorios de diferente índole como los analizados en los trabajos relacionados de este trabajo, así como en repositorios de datos ampliamente utilizados como Zenodo o DataCite Search.

La implementación de Schema.org en RODERIC ha servido también para poner en evidencia diferentes déficits en materia de SEO que deben abordarse con urgencia para aumentar la visibilidad del repositorio en buscadores. En este sentido, una de las prioridades es la actualización de la plantilla de visualización, que deberá adaptarse a un diseño web responsivo, abandonando así la actual duplicidad de contenidos entre las dos versiones del repositorio. Una nueva plantilla que deberá satisfacer también aquellos requisitos de usabilidad móvil no alcanzados por la actual, así como ofrecer un tiempo de carga acorde con los requisitos de los buscadores. Todo ello, en vistas a una mejor adaptación al mobile first index de Google.

Por lo que respecta a la implementación de Schema.org, una vez consolidada la incorporación del código para un primer conjunto de tipologías documentales, en una segunda fase se espera abordar la implementación del resto de tipologías del repositorio.

Finalmente, en trabajos futuros también se prevé aumentar la muestra de búsquedas realizada, así como incluir un nuevo indicador de visibilidad en el índice con el objetivo de hacer seguimiento de la cantidad de páginas del repositorio disponibles en cada uno de los motores de búsqueda analizados.