Los motores de búsqueda web son un campo ampliamente estudiado en el área de la Recuperación de Información (Baeza-Yates y Ribeiro-Neto, 2011; Manning y otros, 2008). Pero sin duda, uno de los temas más fascinantes son los algoritmos de posicionamiento (Marchiori, 1997; Brin y Page, 1998; Kobayashi y Takeda, 2000; Long y Suel, 2003; Moreno, 2005; Morato y otros, 2005). Estos algoritmos son los encargados de determinar el orden de los resultados de acuerdo a la relevancia de los documentos para cada una de las consultas que ejecuta el usuario.


A mediados de los 90 ya existían sistemas de recuperación web con gran popularidad. El crecimiento acelerado de la Web imposibilitó el mantenimiento de directorios validados manualmente como Yahoo, impulsando el rápido desarrollo de los motores de búsqueda. Cada buscador creó su propio motor y su particular algoritmo de posicionamiento. Sin embargo, los mecanismos de indización automatizada y estimación de relevancia que empleaban, convirtieron a los motores en herramientas fácilmente manipulables. En 1996, se alertaba del empleo de técnicas fraudulentas (spamindexing o spamming web) para modificar los resultados (Flynn, 1996). Y a pesar, de que buscadores como Altavista aplicaban un posicionamiento correcto en términos de precisión (Leighton, y Srivastava, 1999), la facilidad de su manipulación les hizo extremadamente vulnerables. Principalmente debido a que el algoritmo de posicionamiento se fundamentaba en factores presentes en la página web (Wall, 2011).


Un elemento clave en el progreso de los buscadores fue la valoración de los recursos mediante el análisis de enlaces externos de los usuarios web. Esta estrategia fue propuesta por Marchiori (1997) y Kleinberg (1998) e implementada posteriormente en el buscador Google mediante el algoritmo Pagerank (Brin y Page, 1998). Este algoritmo asigna mayor relevancia a aquellos recursos que reciben más enlaces. El algoritmo de Google valora que el texto del enlace que apunta al recurso coincida con los términos de la consulta, teniendo en cuenta el Pagerank de la página de procedencia. Ambos factores, número y texto de enlaces entrantes, son dos estrategias cuya complejidad para ser manipulados resulta difícil, ya que no dependen de los autores, sino de otros recursos externos a la página (Arbildi, 2005). 


No obstante, estos factores tuvieron su respuesta en el spamming web. Por ejemplo, para manipular el recuento de enlaces se crean páginas web denominadas granjas de enlaces (link-farms). Su contenido principal son enlaces salientes a los recursos que se quiere posicionar. Otra técnica fraudulenta relacionada es el bombing; consiste en enlazar un recurso con un mismo texto predefinido desde diferentes sitios web y de forma masiva. El bombing usa como descriptor de la página web enlazada el texto del enlace entrante. La eficacia del bombing ha sido utilizada y comprobada con fines comerciales y difamatorios. Neutralizar estas técnicas ha requerido mucho esfuerzo a los buscadores. Desde el 2007, se han podido resolver diversos ejemplos de bombings de tipo difamatorio mediante la modificación, caso a caso, del algoritmo o eliminando resultados (Karch, 2011). Existen otras estrategias de spamming web como: ofrecer páginas falsas (cloaking y doorway), repetir palabras clave en la página para falsear recuentos (stuffing), ocultar texto en el código fuente o con el mismo color que el fondo de la página, incluir texto con menor tamaño del normal, o redirecciones de páginas web (Gyöngyi y Garcia-Molina, 2005).


Para combatir el impacto del spam se trabaja en detectar las técnicas fraudulentas. Se usan heurísticas, ponderación de factores, análisis de factores robustos a la inserción masiva de términos no relacionados con el contenido, cálculo de la densidad del término en lugar de frecuencia absoluta, etc. (Morato y otros. 2005). Los motores intentan minimizar el spamindexing, penalizando cualquier resultado que presente una característica sospechosa, incluso si no es el caso. Estas penalizaciones no son usualmente percibidas por el usuario que utiliza el buscador, debido al volumen de información duplicada en la Web. Estas estrategias de acción-reacción entre web spammers y buscadores web, y el modo en que los primeros superan los filtros de los segundos se registra periódicamente en las publicaciones sobre el tema. Un ejemplo es la actualización de Google en 2003 denominada Florida, en la que numerosas publicaciones reclamaban conocer su naturaleza (Thies, 2004). A esta actualización han seguido otras, normalmente descritas en los blogs de los buscadores. Concretamente, el 4 de febrero de 2011, en el blog de Google apareció la noticia de una actualización que afectaría al 12% de los resultados. Casi un mes más tarde, el 11 de marzo, se anunció la actualización de Caffeine, con un impacto previsto de al menos un cambio en el 35% de las páginas de resultados (Singhal, 2011). También Microsoft con un algoritmo inicialmente manipulable (Wall, 2006), se ha ido aproximando a los factores más relevantes según Google, hasta el punto de que éste ha llegado a denunciar las similitudes entre ambos (Wingfield, 2011). 


Desde el punto de vista del diseño web, se utilizan herramientas SEO como técnicas de desarrollo para mejorar la visibilidad de un recurso en Internet optimizando su posición en el ranking de resultados. Cumplir las expectativas de los usuarios al devolver los resultados de una consulta es un elemento decisivo. Por eso, el diseño y el estudio de los algoritmos de posicionamiento se ha convertido en un campo crítico tanto para los motores web como para las herramientas SEO. La investigación sobre herramientas SEO estudia el grado de ajuste a esos algoritmos. Esto implica que motores y herramientas SEO compitan entre sí para seguir siendo eficaces ordenando los resultados. Por tanto, los algoritmos que aplican los motores son dinámicos, y evolucionan para mejorar su funcionamiento de cara al usuario, y también para evitar estrategias para su manipulación intencionada.


El objetivo de este trabajo es conocer el grado en que las herramientas utilizadas por los expertos en posicionamiento se acercan a los algoritmos internos de los motores web. Se ha elaborado un estudio para detectar los factores que los motores de búsqueda consideran más influyentes en el posicionamiento (Fase 1). Después se ha buscado la adecuación de las herramientas SEO a la mejora del posicionamiento de un sitio web (Fase 2). Por último se ha analizado el desarrollo de los algoritmos y si su evolución limita el uso futuro de las herramientas SEO (Fase 3). 


El estudio observa la adaptación entre buscadores y herramientas o estrategias de optimización, similar a la competencia entre especies. Evidenciando que una situación estática en los motores web no es realista, ya que aumentaría la vulnerabilidad al spamming web por SEO deshonesto y la posibilidad de emulación por otros buscadores de la competencia. 


Pese a los reiterados anuncios de los distintos motores por evitar la manipulación deshonesta de las herramientas SEO, las variables sujetas a una mayor manipulación, como las presentes en la página, siguen explicando en parte el posicionamiento logrado. Así, persiste la importancia en el posicionamiento de los enlaces entrantes, la densidad del término de búsqueda en la página, la ratio de código frente al texto o el título. No obstante, sigue siendo incuestionable el mayor peso de otros factores como la edad del recurso, la presencia en sitios de prestigio, el tamaño del recurso y el tráfico.


La satisfacción del usuario parece ser uno de los ejes prioritarios en la evolución de los motores. En este progreso se perciben dos elementos. Por un lado, la preocupación de los motores de búsqueda por el desarrollo de recursos web de calidad, con la información principal fácilmente localizable tanto para el usuario como para el motor (por ejemplo mediante microformatos consensuados para los rich snippets). Por otro lado, el intento continúo de evitar el spamming web. 


Entre los factores emergentes, hemos encontrado los criterios relacionados con el volumen de información y la novedad. El riesgo de manipulación es obvio, pudiendo realizar por ejemplo una mejora de la novedad mediante modificaciones periódicas de un recurso sin añadir contenido informativo significativo, con el único fin de mejorar la frecuencia de actualización. El resto de factores tienen un mayor grado de independencia del recurso, por estar centrado en la comunidad de usuarios o en fuentes externas. Como ya se ha expuesto, la manipulación malintencionada se dificulta cuando se trata de factores externos y cuando involucra un mayor número de usuarios. 


La personalización de resultados es un factor difícil de abordar desde la perspectiva de las herramientas SEO. Aunque facilitar anuncios personalizados tiene un innegable interés desde el punto de vista de los motores o redes como Facebook, la hipótesis de que un usuario siempre buscará con los mismos objetivos resulta al menos cuestionable. La implantación de esta estrategia también podría implicar que la información se vaya sesgando con el tiempo, empeorando los resultados hasta presentar incluso dilemas éticos en opinión de algunos autores (Pariser, 2011). No obstante, un estudio de la London University mostró que la personalización tiene un impacto limitado, ya que afecta solo a los primeros resultados (Feuz y otros, 2011). 


Sobre la implantación definitiva de estos nuevos desarrollos en los motores, anunciados en sus blogs oficiales, hay que subrayar que su implementación en herramientas SEO puede presentar inconvenientes. Muchas de estas novedades están aún en pruebas, por lo que una actualización de las herramientas para incorporar la optimización sugerida por estas, podría carecer finalmente de sentido. Un ejemplo fue el debate suscitado por la ineficacia de herramientas SEO ante Google Instant (Allen, 2010) que perdió interés dada su escasa incidencia real. Este hecho fue corroborado posteriormente en el estudio de eye tracking realizado con Rosetta. Mostraba que, a diferencia de la funcionalidad de autocompletar, los resultados ofrecidos por Google Instant eran ignorados en una gran proporción (Miller, 2011). 


Este trabajo ha estudiado los factores de posicionamiento más relevantes considerados por las herramientas SEO. El resultado proporciona una idea de cuáles son factores que constituyen los algoritmos de posicionamiento de los motores de búsqueda web. Las funcionalidades más extendidas son la búsqueda de palabras clave de los usuarios, el ranking de palabras clave y la popularidad de los enlaces. Mediante técnicas de minería de datos se ha analizado la adecuación de las herramientas SEO a la mejora del posicionamiento del recurso.


Hemos comprobado que, en su evolución histórica, el posicionamiento en buscadores web comienza con factores internos que permiten una buena estimación de la adecuación de una página para la consulta. Sin embargo, resultaron ser fácilmente manipulables por los webmaster. Un intenso trabajo de actualización continua de los algoritmos de posicionamiento se realiza para combatir la manipulación en las listas de resultados. Sin duda, uno de los hitos para evitar esta manipulación fue usar enlaces externos para calcular la relevancia de una página. En la misma línea se ha observado que los buscadores web tratan de perfeccionar sus algoritmos con nuevos factores externos, y que las herramientas SEO aún no se han acondicionado a los cambios, bien por tratarse de factores emergentes, bien por ser factores difíciles de capturar. 


En lo relativo a la evolución constante, los resultados de los buscadores y la optimización racional de los resultados podrían sufrir un deterioro como en el caso del sesgo por información personalizada. No obstante, la mayoría de los cambios en los algoritmos parecen perseguir una mejora de los contenidos y del acceso a los mismos. En este sentido las herramientas deberían evolucionar para capturar, progresivamente, la información que los algoritmos de posicionamiento vayan incorporando.