He estado jugando más con Deepseek, y debo decir que es una auténtica pasada, al nivel de los modelos más top del momento y encima gratis.

Hilo con mis impresiones y las ventajas que le veo respecto a o1 de OpenAI:

👇

DeepSeek es una familia de modelos chinos open source, desarrollados por un fondo de inversión como side project (o esa es la historia oficial).

Sus últimos modelos son V3, que ya igualó y hasta superó en rendimiento a GPT-4o de OpenAI, y R1, su modelo de razonamiento.

👇

Si V3 ya había sorprendido, R1 ha sido la revolución.

No sólo iguala a o1 de OpenAI, hasta ahora el único modelo con razonamiento lanzado oficialmente (el de Google es experimental), sino que dicen haber gastado mucho menos en entrenamiento y han usado un nuevo método.

👇

Simplificando, la diferencia de su método es que sólo usan RL (Reinforcement Learning) para guiar el "razonamiento" del modelo hacia la mejor respuesta posible.

No parten de un fine tuning supervisado (SFT) para guiar el proceso de razonamiento, como sí ha hecho OpenAI.

👇

¿El resultado? Compruébalo tú mismo en el chatbot gratuito de DeepSeek, y marcando el botón de DeepThink R1: https://chat.deepseek.com/

La principal diferencia respecto a o1 de OpenAI es que podemos ver su hilo de razonamiento, lo cual mola (Gemini 2.0 Flash también hace esto)

👇

Para mí la mayor ventaja y que hasta ahora no ofrece ningún otro: puedes usar al mismo tiempo el modo de razonamiento y la búsqueda web.

Es como si pudieras usar SearchGPT y o1 al mismo tiempo. Gemini tampoco permite combinar su 2.0 Flash con grounding en resultados web.

👇

Al combinar estos dos "super poderes" se reducen mucho las alucinaciones. Por lo que he podido ver, al fin se pueden obtener respuestas  útiles sobre temas oscuros o muy longtail. 

Si algo está en internet, aunque sea en un rincón recóndito, DeepSeek R1 podrá razonar sobre ello

En lo negativo, DeepSeek no está exento de sesgos o censura, sólo que es un sesgo muy diferente al acostumbrado en los modelos de Silicon Valley. 

No se os ocurra preguntarle por política china. Según R1, el gobierno chino nunca se equivoca... 😅 https://x.com/benhylak/status/1882521144827531333


DeepSeek: The Revolution

Ojo: Google ha confirmado hoy las novedades respecto a SERPs y módulos de producto para cumplir con la DMA de la UE. Ya podemos decir que no son tests, sino cambios oficiales, que van a ir a más.

Si trabajas con ecommerce y estás en Europa, esto te interesa: 👇👇

Esta información sale del vídeo compartido durante el evento CSS Summit de hoy. Pongo pantallazos y al final del hilo el enlace al vídeo de la sesión.

Han confirmado cambios a los listados gratuitos de producto y la creación de los filtros de Productos y de Sitios de productos.

Cuando hagamos una búsqueda que anteriormente haría aparecer la pestaña de Shopping, ahora veremos dos nuevas pestañas, que funcionan como filtros de la SERP: la pestaña de Productos y la pestaña de Sitios de productos.

Hacer clic en una de estas pestañas, en lugar de llevar a Google Shopping, como antes, simplemente filtra la página de resultados, mostrando sólo unidades o módulos de producto (Product Intent Units) para la pestaña de Producto...

(esto es de una búsqueda hecha ahora mismo)

...y en el caso del filtro de Sitios de producto veremos resultados de sitios que venden productos.

Ojo, pueden incluir resultados de categoría enriquecidos con un carrusel de productos. Las tarjetas del carrusel llevan enlaces hacia el propio producto (hasta 12 productos).

El módulo de productos, o Product Intent Unit como la han llamado en el evento, muestra resultados orgánicos, no ads, y al hacer clic en un producto despliega toda una "sub-serp" (Search Entity Viewer), que lista los diferentes vendedores de ese producto.

Por último, pueden aparecer en la pestaña principal módulos o clusters de Sitios de producto, que muestran resulatdos sacados de vendedores online, y módulos de Sitios de comparación, que muestran lo mismo, pero sacados de comparadores.

El enlace "Ver más" bajo estos módulos siempre lleva hacia la SERP filtrada por productos o sitios de productos.

Esto es para búsquedas de compra de productos. Aunque en el evento de hoy no se han tocado otro tipo de búsquedas, esto funciona muy parecido para la búsqueda local.

Dejo el enlace al vídeo del evento de hoy (lo más interesante para SEO está entre el minuto 27 y 33: https://www.youtube.com/watch?v=N0OZMrC4gL0

Google confirma cambios a las SERPs de búsqueda de producto para adaptarse a la DMA

🔴 ¿Qué dice la Guía para Evaluadores de Calidad de Google sobre el contenido no útil? ¿Coincide con las recomendaciones de Google sobre el update de Contenido Útil?

Y sobre todo, ¿dice cosas accionables para webs afectadas por el HCU? 🤔

Te lo cuento en este hilo… 🧵⤵

La Guía para Evaluadores de Calidad es un documento de 176 páginas donde Google explica a sus Quality Raters qué criterios seguir para evaluar los resultados que se les asignan.

Estas evaluaciones se usan para valorar sus algoritmos, no para valorar o rankear páginas web.

La última versión de la guía es del 15 de diciembre de 2022.

En esa fecha ya se había lanzado el primer update del sistema de Contenido Útil (que no tuvo demasiado efecto), pero sí es anterior al último HCU (septiembre 2023), que ha impactado con fuerza a muchas webs. 💥

¿Habla la Guía específicamente de "contenido útil"? Pues sí, un "poquito". ;)

Concretamente, usa 213 veces las palabras helpful / unhelpful.

Sobre un total de 176 páginas, hay más de una mención por página de este concepto. 🙀

Las guidelines tienen 3 grandes partes:

• Puntuación de calidad de la página
• Comprender las necesidades del usuario
• Puntuación de "Needs Met" (Cumple con las necesidades)

La primera parte, sobre Calidad de la página, es según mi análisis la que más relacionada está con las recomendaciones de Google en torno al HCU.

Tiene 73 páginas y entra en mucho más detalle que la documentación de Google sobre el update, que son sólo unas pocas páginas.

Conocer bien estas 73 páginas es fundamental para comprender mejor el funcionamiento de los updates de Google en general y el HCU en particular.

Y también para saber qué palancas usar para sacar a una web de los efectos del update. 🛠

Hay 5 posibles puntuaciones de calidad para una página:

• Lowest (la más baja)
• Low
• Medium
• High
• Highest (la más alta)

Según la guía, Lowest está reservado para páginas cuyo propósito es engañar o causar daño, o que sean claramente dignas de desconfianza.

La mayoría de webs y blogs afectados por el HCU no entran dentro de esto, por lo que recomiendo centrarnos directamente en Low Quality.

Low Quality ya es un terreno más gris, en el que podrían caer webs "legítimas", pero que han descuidado algún apartado importante de los que Google exige para poder considerarlas webs de calidad.

¿Y qué aspectos son esos? La Guía los detalla muy claramente:

Calidad del contenido principal
Título de la página (Exageraciones o clickbait)
Papel de los anuncios y contenido secundario
Información sobre la web y el creador
Reputación de la web y el creador
Confiabilidad

Una web merece puntuación Low si no cumple uno o varios de estos aspectos.

Aquí ya empezamos a ver por dónde nos pueden venir los problemas. Aparte de epxlicarlos en detalle, la Guía da ejemplos de páginas web (inventadas) que no cumplirían alguno de los aspectos.

Por ejemplo, no se cumplen los criterios mínimos de contenido principal si el contenido no se ha creado con el esfuerzo, originalidad o conocimiento necesario para satisfacer lo que busca el usuario.

Refritos, meter paja o relleno, imágenes de stock -> poco esfuerzo

También hay que poner atención a la parte dedicada a la publicidad o contenido secundario que "distrae" del contenido principal de la página.

Ojo a esto:

Hay más ejemplos e indicaciones concretas en la Guía, pero te recomiendo estudiarla por tu cuenta y comparar los ejemplos que da con tu propia web o la web que estés analizando.

Aquí puedes encontrar la Guía (recuerda, pon atención a la Parte 1): https://static.googleusercontent.com/media/guidelines.raterhub.com/en//searchqualityevaluatorguidelines.pdf

Conclusión: la Guía de Evaluadores no rankea directamente webs, pero nos dicen hacia donde quiere Google que vayan sus algoritmos.

Si hay 213 menciones al concepto "helpful" es porque quieren valorar si sus nuevos updates cumplen bien el objetivo de rankear páginas útiles.

Guía de evaluadores de calidad de Google: qué podemos aplicar en relación al update de Helpful Content

Bueno, vamos a hablar de indexación.

Que Google indexe todas tus URLs es cada vez menos frecuente, y no es un problema sólo para webs de nicho.

¿Indexa Google menos páginas, o más lentamente, que antes? Si es así, ¿por qué? Y sobre todo... ¿Cómo solucionarlo?

HILO 🧵 ⤵

Al lío. Google no puede ni quiere indexar todo internet. Está lleno de duplicaciones y hasta de cosas que probablemente nunca tendrán demanda para el buscador, por lo que el gasto de mantenerlas en el index quizá sea igual o mayor que los ingresos que lleguen a aportar (0).

Este problema ha ido a más, y seguirá yendo a más por razones obvias:

El coste de generar texto coherente (que parezca redactado por un humano, lo cual no quiere decir "interesante") ha caído hasta mínimos impensables hace pocos años, gracias a GPT-3.5 y 4, Claude, etc.

Google se enfrenta ya a una avalancha de nuevo contenido sin precedentes.

Para entenderlo, aunque llevado a las IAs generativas de imágenes: se estima que en un año se han generado tantas imágenes con IA como las tomadas por las cámaras de fotos en sus primeros 150 años 🙀

Una solución podría ser rechazar por sistema todo lo generado por IA, pero hay dos inconvenientes:

1. Ni Google, ni OpenAI, ni nadie a día de hoy puede diferenciar el texto generado por los modelos más avanzados del escrito por humanos. Más aquí:

https://twitter.com/seostratega/status/1700811616290545934

2. Sería absurdo rechazar una herramienta para generar contenido, que al final eso es un modelo tipo GPT, igual que antes lo fue el procesador de texto.

Un autor experto en su tema puede producir buen contenido usando IA generativa (y revisando debidamente).

Entonces, volvemos al problema inicial: Google tiene demasiado contenido, y necesita criterios automatizados para elegir con cuál se queda.

Ya no sólo es qué rankea más arriba, es si te considera siquiera para rankear o no.

El contenido nuevo, antes de ser indexado, debe ser descubierto y rastreado por Google (para esto último hay excepciones, pero no lo vamos a ver ahora).

Para rastrear, Google añade todas las URLs que encuentra a una cola, ordenada algorítmicamente.

Lo que estima es más importante, se pone primero en la cola, y lo que estima que es prescindible o no urge, es empujado hacia el final de la cola.

Cada vez que se añade una URL nueva a la cola, ocupa su lugar y empuja a otras consideradas menos importantes hacia atrás.

Algunos criterios que ayudan a Google a decidir la posición de cada URL en la cola de rastreo son:

• Enlaces (básicamente el PageRank de siempre)
• Otras señales de autoridad (medios establecidos indexan muy rápido todas sus URLs)
• Demanda en el buscador del contenido

Si recuerdas la avalancha de contenido nuevo que se le está juntando a Google, entenderás por qué las webs nuevas o con poca autoridad tardan cada vez más en tener sus URLs indexadas, y más si pretenden indexar de golpe miles o cientos de miles de páginas.

Esto puede ser peor si todas las URLs de una nueva webs se dirigen hacia búsquedas sin demanda (demasiado longtail) o con demanda ya cubierta de sobra por contenido existente en el index de Google. Si no aportas nada nuevo o de interés, ¿por qué debería priorizarte Google?

Un matiz para webs nuevas. Para no condenar a las webs nuevas a no poder acceder al index y poder reunir señales sobre ese sitio, usa el criterio de que cuando encuentra un sitio del que aún no ha indexado nada, sube sus URLs en prioridad... pero hasta un punto.

Pasado ese punto, de nuevo trata a sus URLs como al resto, y si no hay otras señales, las URLs que queden sin rastrear e indexar pasarán a un lugar muy poco prioritario en la cola.

PD: La home de un sitio se suele rastrear e indexar tan pronto como Google la descubre.

Vale, ahora que entendemos el sistema general, ¿qué podemos hacer para que Google indexe más URLs o más rápido?

1. Enlaces y PageRank interno

Conseguir enlaces hacia sitios y URLs nuevas hace que aumente su prioridad en la cola...

Esto está reconocido hasta por John Müller (ver post anterior), y al menos en el caso de enlaces internos, suele casar con lo que se ve cuando comparas la indexación de tus URLs con su PageRank interno:

Usar esto es sencillo. Por ejemplo, en un ecommerce, puedes enlazar tus productos recién llegados desde la home, o al menos los que más te interese indexar, por unos días.

Analizar el enlazado interno de tu sitio te dará pistas para enviarle más amor a las URLs a indexar.

2. Sitemaps: aunque no supone un extra demasiado alto, estar en un sitemap cuenta.

Como puedes tener tantos sitemaps como quieras, puede ser buena idea crear un sitemap sólo con las últimas URLs indexables añadidas al sitio. Así además puedes seguir cómo se van indexando.

3. Aprovechar tendencias: si eres de los primeros en hablar de algo que los usuarios empiezan a buscar con mucha más frecuencia que antes, Google te indexará rápido (suponiendo que conozca la URL, que la puedes enviar por Search Console).

Esto va en línea con el concepto de Information Gain: aportar información nueva, que no se encuentre en ninguna otra URL en el index de Google.

Copiar o hacer refritos de lo ya existente, subir las mismas imágenes que tienen otras páginas, etc. no te ayudará a indexar.

4. Crear contenido con ratio positivo demanda/oferta.

En la misma línea, es mejor (para la indexación) subir contenido sobre temas que se buscan, pero aún no están saturados (no muchos sitios han hablado sobre ellos), que sobre temas totalmente trillados. Océano azul. ;)

5. Búsquedas de marca: son una señal positiva, porque le dice a Google que tu sitio tiene algo que los usuarios están buscando.

No aseguro que por sí solas muevan la aguja, pero es un extra que es útil tener (aunque es casi imposible tenerlo en sitios nuevos).

Resumiendo, el consejo de Google de aumentar el valor único que proporciona tu web, en relación a lo que ya se encuentra en internet, es válido y tiene todo el sentido, aunque lógicamente hay que bajarlo a tierra y saber aplicarlo:

https://twitter.com/JohnMu/status/1288446257279766528

Un sitio nuevo, sin autoridad y con cientos de miles de URLs que apenas tienen contenido original siempre tendrá problemas para indexar bien, y es probable que cada vez más.

Si quieres ampliar o ver más ideas recomiendo este hilo de @Ammon_Johns https://twitter.com/Ammon_Johns/status/1714985948759335009

Problemas de indexación en Google

Bueno, el jueves os conté los efectos del Helpful Content, y si encajaban con la comunicación oficial de Google. Hoy vamos a hablar del por qué:

¿Por qué lanza Google un update así de intenso, y justo ahora?

HILO: poniéndonos en la piel de Google (y sus usuarios)... 👇

Ya sabemos que el mantra del sistema de contenido útil de Google es "contenido para personas".

Y en su documentación insisten mucho en que debes demostrar experiencia real o de primera mano sobre los temas de los que hablas.

Esto es lógico desde el punto de vista de un usuario que hace una búsqueda.

Quiere encontrar algo creado por una persona que sabe o tiene experiencia real, no por alguien que "simula saber" o que publica sin más refritos de lo que dicen otros.

Suelo poner el ejemplo de que si buscabas en Google "mejores desbrozadoras", por lo general aparecían resultados de blogs monetizando con afiliación de Amazon.

Para mí era obvio que no habían visto una desbrozadora ni de lejos, porque sé de SEO y sé un mínimo de desbrozadoras...

Pero, ¿esta sensación de que los resultados orgánicos no eran expertos y tenían un interés comercial era algo generalizado entre los usuarios de Google? 🤔

Pues resulta que sí, y que Google lleva un tiempo tomando nota de ello...

En febrero de 2022, este post del blogger Dmitri Brereton se hizo viral.

Su teoría: el único buscador en el que se puede confiar es Reddit, foro con millones de usuarios reales, expertos en su campo y respondiendo preguntas de formas desinteresada, sin motivación comercial.

Para encontrar cualquier cosa en Reddit, Dmitri (y muchos como él) lo googleaban y añadían "reddit" al final de la búsqueda.

Todo esto fue reflejado en las webs más populares de tecnología. Es imposible que Google no lo viera. Sus usuarios estaban hablando...

Siendo estrictos, era una tendencia que llegaba a su cénit, pero que venía al menos desde 2019.

Ya entonces este comentario en Hacker News decía exactamente lo mismo, en respuesta a un artículo titulado "Echo de menos el antiguo internet".

Ahora, la respuesta de Google a este feedback.

Su primera mención al nuevo algoritmo o sistema de contenido útil fue el 18 de agosto de 2022. Menos de 6 meses tras el clamor de febrero 2022 en la blogosfera anglosajona.

Pero el despliegue fue progresivo. El primer HCU, en septiembre de 2022, sólo afectó a contenidos en inglés y su impacto fue bastante discreto. Un "aviso", podríamos decir.

En diciembre de 2022 se amplió a otros idiomas, pero su alcance todavía fue relativamente bajo...

Y llegamos a septiembre 2023, un año exacto desde el primer lanzamiento, y el HCU ahora sí causa estragos (al nivel del Medic Update o de Panda) entre un número enorme de webs tanto en inglés como en otros idiomas.

El esperar un año para lanzar este clasificador "mejorado" y de efectos tan intensos podría haber sido para darle un poco de margen a los webmasters (no es lo mismo anunciar un algoritmo con nuevos criterios y lanzarlo de golpe, que dar un año para adaptarse a ello)...

O puede que haya sido por hacer las cosas de manera progresiva y controlada.

En cualquier caso, efecto notable de este año de cambios ha sido el ascenso bestial de Reddit en EEUU y países anglos en general (subida mayor con el Core Update de agosto, pero prolongada con el HCU):

En suma:

❌ Google no lanza este update para contarrestar el contenido generado por IA, eso es simplemente un síntoma más de un mal mayor (todo el contenido creado únicamente para buscadores)

☑️ Google quiere evitar a toda costa una erosión de la credibilidad de sus resultados

Puede ser más o menos efectivo, pero el objetivo de este update está claro: mantener lejos de los primeros resultados a aquellas webs que desde fuera parecen hechas para bucadores y cuyas opiniones no son expertas ni imparciales.

Como usuario, seguro que sabes diferenciarlas.

Ahora Google, por medio de su sistema de contenido útil, también dice que es capaz de hacerlo.

Si quieres estar fuera de peligro, evita ser una de esas webs que no te gusta encontrarte en los primeros resultados cuando haces una búsqueda en Google.

PD: No todo el SEO es malo para Google.

En su guía sobre contenido útil, Google dice específicamente que el SEO es una práctica válida cuando se aplica sobre mejorar la visibilidad del contenido creado para personas, no contenido creado directamente para buscadores.


Razones del Helpful Content Update de septiembre 2023

Varios me habéis preguntado si las extensiones de Bard están activas para todos los usuarios, y qué hacer para activarlas y hablar con Bard sobre tus documentos y emails.

Brevísmo hilo para explicar cómo se activan y usan las extensiones:

1/7

Si aún no has usado nunca las extensiones, tendrás que activarlas y dar permiso a Bard para compartir tus datos (la conversación, tu ubicación, idioma y dispositivo) con las extensiones.

Clic en el icono de extensiones arriba a la derecha:

2/7

Dale a aceptar los permisos necesarios y desde este momento ya podrás usar las extensiones.

Luego, puedes desactivar las extensiones en cualquier momento que tú quieras. Incluso puedes activar sólo algunas y desactivar otras.

3/7

Con las extensiones activadas, ya puedes preguntar sobre tus datos. Pero, ¿cómo sabe Bard que quieres usar una extensión concreta?

La forma más sencilla es mencionar a la extensión. Para ello, escribe @ y saldrán las apps disponibles. Escribe o selecciona la que quieras.

4/7

Y ya está. Ahora puedes preguntar a Bard sobre tu Gmail, Docs y Drive, y también sobre Google Maps, Hotels, Flights y YouTube.

Ojo, por ahora hay que poner el prompt en inglés, ya que si preguntas en español, aunque menciones a la extensión, la extensión no se dispara.

5/7

Si quieres ver qué tal funciona, en este hilo te enseño las aplicaciones que me parecen útiles ahora mismo, y qué otros usos necesitan mejorar un poco o no les veo la utilidad de momento:

https://twitter.com/seostratega/status/1704180257325207707

6/7

Y por último, si te preocupa el tema privacidad, aquí explico qué datos comparte Bard con las extensiones y si tus datos de otras apps pueden ser usados para entrenar a Bard (spoiler: no)

https://twitter.com/seostratega/status/1704446178090246438

7/7

Cómo activar y usar las extensiones de Bard

He estado probando las nuevas extensiones de Google Bard, lanzadas hoy mismo. ⚡️

Breve hilo con primeras impresiones: lo que por ahora funciona bien, y lo que no.

Empiezo por lo que sí... 🧵 ⤵

1/12

📝 Docs

No es perfecto, pero te puede hacer el resumen de un documento. ✓

Puedes poner el enlace o el título del doc, ambos métodos funcionan.
Y por lo que veo es mejor promptear en inglés. En español suele alucinar.

2/12

Si no estás seguro de si ha alucinado (se ha inventado el contenido en base al nombre) o de verdad ha recuperado información de un documento existente, fíjate en si se ha disparado la extensión de Workspace o no.

3/12

📍 Google Maps

No sabe donde te encuentras, ni donde está tu casa, pero de todas formas puedes sacar muy buena info en relación al punto de referencia que incluyas en tu prompt. Puede dar mucho juego para crear contenido sobre y para negocios locales.

4/12

✈️ Flights

Permite hacer una búsqueda en lenguaje natural y los datos de vuelos que devuelve, por lo que he visto, son buenos.

Pequeña mejora respecto a buscar directamente en Google, ya que te puedes usar ahorrar usar widget de fechas.

5/12

🧳 Hotels

Parecido a vuelos. La respuesta inicial tiene alguna cosa rara de formato (descripciones en español, los precios).

Pero si haces scroll habia abajo la integración de las fichas de Google Hotels es buenísima. 👌

6/12

▶️ YouTube

Puedes pedirle vídeos en torno a un tema, e incluso ordenados por número de reproducciones. ☑️

Pero por ahora no resume el contenido de un vídeo concreto. ❌

Espero que lo añadan.

7/12

Vamos ahora con lo que no funciona tan bien (o igual aún no he encontrado el caso de uso):

📧 Gmail

Lo veo algo verde por ahora. Puede resumirte emails y buscar en tu inbox, pero se hace algo de lío con las fechas, y no parece que pueda buscar dentro de etiquetas.

8/12

🗂 Drive

No veo la ventaja respecto a usar la barra de búsqueda en Drive, y eso que su buscador interno tampoco es perfecto. Lío total con las fechas.

Creo que necesita mejorar (o no he sabido usarlo).

9/12

Una última cosa, no penséis que Bard con esta integración ya puede buscar dentro de cualquier URL, como he enseñado hoy mismo con Perplexity.

Sigue alucinando cuando le preguntas por el contenido de una URL, fuera de tus docs.

10/12

https://twitter.com/seostratega/status/1704097961356005874

En resumen, creo que esto tiene un potencial enorme.

Para mí la gran ventaja de Google no es sólo que llevemos 20 años usando su buscador, sino que es un ecosistema de apps que todos usamos. Eso OpenAI no lo tiene (Microsoft algo, pero menos usado a nivel consumidor).

11/12

Tienen que pulir algunas cosas, sobre todo solucionar las alucinaciones cuando le pides que busque un email o doc, responder bien en los demás idiomas, etc.

Pero creo que es un buen primer paso para integrar la IA generativa con nuestras apps y docs.

12/12

Google Bard con extensiones: Primeras impresiones

Bueno, dije que sería interesante un hilo sobre el tema de Outlook India y ahora, tras el último Helpful Content Update de Google, todavía más.

¿Qué ha hecho Outlook India y qué ha hecho Google para bajar su visibilidad?

Leed el hilo hasta el final, que la cosa tiene miga... 🧵

De manera muy breve:

Outlook India es un medio indio que en el último año había crecido mucho en visibilidad en varios países (incluido EEUU) y que los nicheros anglos estaban usando mucho para colocar artículos pagados (a un precio relativamente asequible).

2/18

Estos artículos en general rankeaban muy bien (siempre dependiendo de otros factores como competencia de la keyword, calidad del contenido, etc).

Todo esto era ya un secreto a voces en la comunidad SEO anglosajona, donde la técnica se conoce como "Parasite SEO".

3/18

Era obvio que Google tenía que intervenir, y el primer signo de que la marea había cambiado para Outlook India y otros sitios similares llegó hace días, con el Core Update de agosto.

Pero esto no ha sido todo...

4/18

Ayer mismo Google anunció un nuevo update, en este caso de su sistema de "contenido útil", donde especifica que el contenido creado por terceros puede influir sobre la puntuación general de contenido útil de un sitio (aunque este contenido esté en subdominios).

5/18

En otras palabras, si en general tu contenido pasa el corte de calidad, pero aparte tienes unas páginas donde dejas que cualquiera publique cualquier cosa, aunque esas páginas estén en subdominios o en directorios específicos, puedes estar en problemas.

6/18

Outlook India ha estado alojando estos artículos pagados en varios directorios concretos:

/outlook-spotlight
/business-spotlight

Y puede que alguno más. En estas páginas, el medio indicaba que "no se hacía respondable del contenido". 🙄

7/18

Pero Outlook India no es el único sitio donde se ha abusado del llamado "Parasite SEO". Newsdirect tiene varios directorios en los que se colocan estas notas de prensa. Y quizá otros medios las alojan en subdominios.

El nuevo update parece dirigido a evitar esta práctica.

8/18

¿Por qué funcionaba (hasta ahora) el Parasite SEO?

Los medios establecidos y populares suelen tener una "autoridad" SEO alta, por los enlaces que han recibido a lo largo del tiempo y otras señales, que un blog creado hace medio año no puede replicar.

9/18

Ojo, lo que llamamos desde fuera DA, DR, etc son métricas de terceros, no de Google.

Pero una autoridad de dominio alta suele corresponder con "facilidad" para rankear y visibilidad alta, siempre que el sitio esté activo y no haya sido afectado previamente por updates.

10/18

Es común que este tipo de sitios exploten su popularidad, vendiendo enlaces o apariciones pagadas en sus páginas.

Esto no está "prohibido" como tal (aunque no es del todo ético, al ser publicidad encubierta), pero de cara a SEO lo importante es cómo lo trata Google.

11/18

Google indica desde 2005 que si vendes un link debes etiquetarlo como nofollow.

Desde 2019, también podemos marcar los enlaces no editoriales como "sponsored", y si es un enlace puesto ahí por un tercero (por ej, en los comentarios o en un foro), puede marcarse como "ugc"

12/18

¿Todo esto por qué? Porque Google quiere mantener su grafo de enlaces libre de enlaces pagados o que son simplemente spam.

Para ser efectivo como señal de ranking, es esencial que no pueda llegar cualquiera y pagar por un enlace con peso considerable dentro del sistema.

13/18

¿Y si marco los links con nofollow o sponsored, pero pago por aparecer en un medio, donde digo que mi producto es el mejor? Si esa página rankea, acción redonda para mí, ¿no?

Sí, pero no tiene mucho sentido que Google lo use para sus rankings.

14/18

Si buscas en Google "mejores aspiradoras de mano" y el primer resultado es un medio con una lista escrita por un afiliado, con el único fin de recomendar aspiradoras cuyas ventas reportan a ese afiliado una comisión...

¿Es esto útil para el usuario que hizo la búsqueda?

15/18

En suma, lo que estaban haciendo Newsdirect, Outlook India, etc. ya estaba en contra de las guidelines de Google, y aún así rankeaban.

Ahora, con el core update primero, y con un update específico a su sistema de contenido útil, ¿habrán dado con la tecla?

16/18

En teoría ahora deberíamos ver menos sitios que venden reseñas y enlaces a diestro y siniestro rankeando bien para casi todas sus keywords.

Pero, en la práctica, quizá surja otro Outlook India, y el proceso se repita: el sitio rankea - se abusa de ello - Google lo corta.

17/18

¿Qué os parece? ¿Creéis que todo esto afectará a otro tipo de sitios? 🤔

O al revés, ¿que no afectará lo suficiente y que no arreglará nada?

Os leo...

18/18

Outlook India vs Google

¿Sabes qué es realmente un LLM, para qué sirve y para qué no?

Hilo divulgativo y para contrarrestar hilos creadores de falsas expectativas en torno a la IA. 😉

1/20

Los LLMs son la tecnología detrás de chatbots como ChatGPT o Bard.

Pero ChatGPT no es un LLM en sí, sino una app de chatbot impulsad por LLMs.

GPT-3.5 y GPT-4, los modelos que hacen funcionar ChatGPT, sí lo son (en realidad cada uno de ellos es un conjunto de modelos).

2/20

LLM son las siglas de Large Language Model (gran modelo de lenguaje).

El término “modelo” se refiere a un modelo matemático probabilístico. En esencia, los LLMs calculan las probabilidades de que cierta palabra siga a una cadena de palabras dada previamente.

3/20

¿De qué datos extrae esa probabilidad?

Aquí es donde entra el término “grande”, ya que los LLMs se nutren de corpus o conjuntos de datos muy grandes (por ejemplo: toda la Wikipedia en inglés, un subconjunto representativo de las páginas de internet, etc).

4/20

El LLM “guarda” las sucesiones de palabras que ha encontrado en su entrenamiento y a partir de ahí asignará probilidades a las siguientes palabras, dada una cadena de palabras previa que usa como punto de partida (el prompt).

A esta fase se le llama pre-entrenamiento.

5/20

Hasta aquí aún no hay IA, ni machine learning. Hay simple cálculo de probabilidades, y en realidad el resultado podría ser bastante aleatorio, en lugar de sonar natural o “plausible” (como si lo hubiera articulado un humano), que es lo que más destaca en modelos como GPT-3.

6/20

¿Dónde está la IA, entonces? Mediante muchos ejemplos de frases reales y sin apenas intervención humana (más allá de dar ejemplos y reglas aleatorias como punto de partida), el programa aprende a asignar unos pesos para predecir frases más lógicas.

7/20

Estos pesos son como "votos", que tienen el efecto de que ciertas palabras, frases y hasta estructuras de texto sean más probables, dadas ciertas características que el modelo detecta en el prompt.

Es lo que llamamos parámetros del modelo.

8/20

Hecho a escala y bien calibrado, esto acaba dando resultados sorprendentemente buenos.

Por eso en general el output de los LLMs es mejor cuantos más datos han visto en su entrenamiento y, sobre todo, cuanto mayor es el número de parámetros con el que han sido entrenados.

9/20

GPT-3.5 tiene 175 mil millones de parámetros, y aparte cuenta con una capa extra, llamada RLHF (“refuerzo del aprendizaje con feedback humano”), que consiste en muchas personas haciendo preguntas y evaluando las respuestas.

10/20

El modelo aprende de ese feedback y del que damos millones de usuarios desde que ChatGPT se hizo público, y va reajustando sus pesos para responder mejor a prompts en los que previamente ha "alucinado" o no respondía de manera idónea.

11/20

Por último, todos los chatbots impulsados por LLMs y que llegan al público tienen unas reglas codificadas “a mano” que prohíben o limitan que el chat devuelva respuestas sobre temas polémicos o cuestionables, violentos, etc.

12/20

Otro factor que condiciona la calidad del modelo es la ventana de contexto que acepta como prompt, y la extensión que puede tener su respuesta.

Si puede recibir como prompt 3000 palabras y contestar con 1000, será más útil que si sólo pudiese trabajar con un máximo de 500

13/20

Pequeño inciso: en realidad los límites no se calculan por palabras, sino por tokens, que es como una unidad de significado para la máquina que procesa el texto.

En inglés, un token equivale más o menos a 4 caracteres de media (en español, entre 2 y 3 caracteres).

14/20

Limitaciones (qué no es un LLM):

Si en esencia un LLM predice las siguientes palabras más probables, en respuesta a un estímulo previo, entonces un LLM no puede ser una Inteligencia Artificial General, a no ser que tu definición de inteligencia general sea muy extraña.

15/20

Los LLMs son reactivos: para tirar por algún lado, necesitan que les digas previamente por donde deben tirar.

No toman decisiones por sí mismos, porque no hacen nada por sí mismos, sólo responden a la orden o petición del usuario.

16/20

Esto no cambia por haber sido entrenado con más datos, ni siquiera aunque en esos datos hubiera ideas “malévolas”, ni tampoco por usar más parámetros para modular la respuesta del modelo.

Un LLM con muchos parámetros sigue siendo un LLM.

17/20

Los chatbots basados en LLMs pueden conversar sin parar, y sus respuestas serán aparentemente coherentes y correctas gramaticalmente, pero no tienen por qué decir la verdad.

De hecho, más allá de sus limitados datos de entrenamiento, no saben qué es verdad y qué no.

18/20

Cuando preguntamos por hechos muy recientes a un chatbot privado de acceso a internet, si acierta con la realidad será una feliz coincidencia.

Por esto no se ha logrado aún que sean idóneos como buscadores, aunque usen como prompt los primeros resultados de las búsquedas.

19/20

En el momento en el que, como respuesta, se genera texto por IA, y más si es en modo conversación, se abre la puerta a "alucinaciones", inaceptables en un buscador usado diariamente por millones de usuarios y acostumbrados a encontrar respuestas fiables (y rápidas).

20/20

Fin. Si te ha gustado, agradezco RT o FAV al primer tuit del hilo 🙌

Además, puedes suscribirte a mi newsletter Mentes Artificiales, donde cada semana comento la actualidad de la IA y explico de manera accesible temas como este.

https://useo.es/mentes-artificiales/



¿Qué es un LLM y qué no? Deshaciendo mitos en torno a la generación de texto por IA

Ojo a esto: Google ha compartido un documento de 19 páginas sobre su nueva experiencia de búsqueda con IA integrada (SGE)

El documento explica qué es y qué se puede hacer con SGE, qué límites tiene y qué están haciendo para integrar IA de una forma responsable.

1/15

SGE permite:

Hacer nuevos tipos de preguntas que antes no le hacías a un buscador

Hacerte una idea rápida de un tema, con enlaces a fuentes para profundizar más

Seguir haciendo preguntas sobre el tema, a modo de conversación

Generar ideas creativas y texto desde Google

2/15

SGE tiene tiene dos modos: "snapshot" y conversacional.

Snapshot es una síntesis generada por IA, que Google muestra cuando detecta una búsqueda apropiada (no todas las búsquedas mostrarán snapshots).

Incluirá links a fuentes que corrobaran la info y permiten profundizar.

3/15

El modo conversacional se activa al hacer una pregunta sobre el tema, o al seleccionar una de las preguntas sugeridas.

Este modo retiene el contexto de las consultas anteriores, y puede usarlo para afinar o reformular tus búsquedas. También muestra links a fuentes.

4/15

También habrá snapshots adaptados a "verticales", por ejemplo las búsquedas con intención de compra.

En ese caso, se mostrarán una serie de factores a considerar para la compra de ese producto, y luego un rango de productos seleccionados (extraídos del Shopping Graph)

5/15

Otra vertical que menciona específicamente el documento son las búsquedas de intención local, en las que SGE dará contexto sobre los negocios y ubicaciones en el mapa, ofreciendo información para comparar las distintas opciones.

6/15

Anuncios 💸 El documento no da mucho detalle sobre cómo y dónde van a integrar publicidad en SGE, pero sí especifica que:

• Habrá anuncios

• Irán siempre etiquetados con la palabra "Sponsored" en negro

• Harán pruebas y los ads evolucionarán de acuerdo a los datos

7/15

Acento en UX:

Google recuerda que todo lo que hacen está basado en una profunda investigación de cómo los usuarios interactuan con el buscador. Con SGE intentan que la integración de IA sea amigable para el usuario, no un corte brusco con el buscador tradicional.

8/15

El color es una de las formas que usarán para identificar los distintos tipos de integraciones de IA dentro del buscador.

Tal y como se ha visto en los previews, cada color puede comunicar una intención de búsqueda diferente, o un momento dentro del journey del usuario.

9/15

Modelos.

SGE usa una mezcla de LLMs, entre ellos una versión avanzada de MUM y PaLM2.

La diferencia con Bard es que la IA de SGE ha sido específicamente entrenada para usos específicos de búsqueda, en sintonía con sus criterios de ranking de resultados.

10/15

Esto es importante: ajustarse a sus criterios de ranking permite que las respuestas de SGE sean menos dadas a alucinaciones y errores.

Además, Google realiza una serie de comprobaciones para asegurar la calidad de los resultados de SGE, incluyendo feedback humano.

11/15

Google ha usado a sus Raters o evaluadores de calidad para entrenar los LLMs que impulsan SGE.

Como en el resto del buscador, la labor de los Raters no afecta directamente a los resultados (no bajan o suben una página), pero sí guian al sistema.

12/15

Estándares más altos para temáticas YMYL (Your Money Your Life).

Al igual que en el buscador tradicional, SGE tratará de forma especial las búsquedas de temas como salud o finanzas, recomendando sólo fuentes totalmente fiables, e incluyendo disclaimers apropiados.

13/15

Además, hay algunos tipos de búsquedas para las que SGE no ofrecerá respuestas, como por ejemplo búsquedas en las que el sistema no tiene confianza en la respuesta ("vacíos de información") o búsquedas peligrosas o violentas.

14/15

Google ha hecho un esfuerzo para que la IA de SGE no sea demasiado "parlanchina", ya que eso aumenta las posibilidades de una alucinación.

Será parca en palabras, y en general evitará la sensación de tener una personalidad propia. Tratará de ser siempre neutra y objetiva.

15/15

Os dejo el enlace a la guía publicada por Google: https://static.googleusercontent.com/media/www.google.com/en//search/howsearchworks/google-about-SGE.pdf

Y si queréis saber más sobre SGE y otras novedades anunciadas para la búsqueda por Google en el reciente #GoogleIO, os recomiendo este hilo: https://twitter.com/seostratega/status/1656544677431250950

