Analizador de contenido

Un analizador de contenido obtiene una página e informa qué tan bien se configuran sus elementos en la página para la búsqueda y para los lectores. Lee la etiqueta del título, la meta descripción, la estructura de encabezado, las imágenes y su texto alternativo, los enlaces internos y externos, y la copia del cuerpo, luego mide cada uno contra un umbral publicado y devuelve una puntuación. Es el mismo pase que un SEO haría manualmente en una página, se hace en un par de segundos y se aplica de manera consistente.

Las siete comprobaciones son las que tienen un número defendible detrás. Un título de entre 30 y 60 caracteres es lo que Google representa antes de truncar; una meta descripción entre 120 y 160 es la misma restricción que se aplica al fragmento. Exactamente un h1 es la regla general HTML en lugar de una superstición SEO. Seiscientas palabras es el punto por debajo del cual una página generalmente no puede cubrir un tema lo suficientemente bien como para satisfacer la consulta. El texto alternativo es primero un requisito de accesibilidad y luego una entrada de búsqueda de imágenes; la verificación pasa cuando ninguna imagen carece de texto alternativo, advierte cuando hasta una quinta parte lo hace y falla más allá de eso. Tres enlaces internos son un piso, no un objetivo, y existe porque las páginas huérfanas son el problema estructural más común en un sitio.

La legibilidad se califica con Flesch Reading Ease, que pesa la longitud promedio de la oración frente al promedio de sílabas por palabra. Sesenta a setenta es inglés sencillo; por debajo de treinta está el registro de un contrato legal. La verificación de legibilidad pasa a 50 o más, advierte de 30 a 50 y falla por debajo de 30, por lo que una página no tiene que llegar al inglés sencillo para pasar. El recuento de sílabas es heurístico y está mal en palabras individuales, pero en una página de prosa el agregado es estable y útil. Además de la puntuación, obtienes las diez palabras significativas más frecuentes, sin palabras de parada, que es la forma más rápida de ver si una página trata realmente de lo que pretendías que fuera.

Vale la pena indicar los límites claramente. Lee el HTML que devuelve el servidor, por lo que una página que representa su contenido con JavaScript casi no informará palabras y fallará en varias comprobaciones que pasaría en un navegador. El recuento de palabras, la puntuación de legibilidad y la lista de palabras clave se toman de todo el texto visible en el cuerpo de la página, por lo que la navegación, las barras laterales y el texto del pie de página cuentan junto con el artículo, y una página con un sitio pesado. Chrome lee más tiempo que su copia principal. Sigue hasta cinco redirecciones y verifica cada salto antes de solicitarlo, por lo que una URL cuyo host se resuelve en una dirección privada, loopback, link-local u otra dirección interna se rechaza sin ser recuperada, al igual que cualquier puerto que no sea 80 o 443. Las páginas que declaran un tamaño superior a tres megabytes se rechazan y las respuestas más largas se cortan en ese tamaño. Y una puntuación alta no es una clasificación: estas comprobaciones miden si la página está configurada de manera competente, no si merece superar en rango algo, lo que depende del contenido y la competencia más que del marcado.