Google对博客(blog)的一些指标

读了一下 google 关于 blog ranking 的 patent，总结如下。

正面的指标：

1. [0038] 订阅数
   统计 blog 在各种 reader 中被订阅的数量。被订阅的越多，ranking 越高。但同时会使用一些方法处理“subscriptions spam”，诸如验证订制人和 ip 的唯一性。
2. [0039] 搜索点击数
   统计 blog 作为搜索结果时被点击的次数。点击次数越多，ranking 越高。
   
3. [0040] 在其他 blogger 的 blogroll 里的出现次数
   blogger 通常会使用 blogroll 来整理指到其他 blogger 的链接集合。统计所有 blogroll 中，指向某个 blog 的链接越多，ranking 越高。
   
4. [0041] 来自高质量的 blogroll 的链接数
   高质量的 blogroll 的链接大多都指向著名的或值得信任的 blog。
5. [0042] 来自高质量的 blog 的 blogroll 的链接数
   这里的假定是著名的或值得信任的 blogger 不会放指向 spam blog 的链接。
6. [0043] 有tag
   blog 作者如果分析了 blog 内容，归类并打上了 tag，起码可以说明作者的态度比较认真。
   
7. [0044] 来自邮件和聊天记录的链接数
   如果在 email 正文里或者聊天记录里出现了指向 blog 的链接，会加分。gemail 和 gtalk 被用在了这里。
   
8. [0045] pagerank
   pagerank 越高对应的 blog 也就越重要。考虑到blog的更新比较频繁，最新的 blog post 可能还没有pr。这时可以用对应的 blog 的 pr 来代替。

其中 [0040-0042]，其实是类似于传统网页间 pagerank 计算的一套模式，只不过这里把它限制在了 blog 之间。

负面的指标：

1. [0047] 更新频率异常
   更新过于频繁或者非常有规律，会被认为是在 spam，ranking 会降低。这里提醒喜欢在每天的固定时间更新 blog 的朋友注意一下了。
   
2. [0048] feed 内容和 blog 内容的不一致
   spammer 有可能会为了提升自己的 ranking 而把有价值的内容放到 feed 里面，同时在 blog 内容里面放一些指向不相关内容的广告链接。为了惩罚这种情况，对于 feed 内容和 blog 内容不一致的情况，要降低 ranking。
3. [0049] 出现重复内容
   有些 spammer 为了让某些内容能够多次长时间的出现在 feed 里面，会重复发布同样的内容。这样的情况会被惩罚。
4. [0050] 垃圾词过多
   通过词频统计（bi-gram 或者 tri-gram 等），如果 blog 内容里垃圾词的比较过高，会降低 ranking。
5. [0051] 多数 blog 长度相近
   这个主要是针对使用机器自动生成 blog 的情况。
6. [0052] 链接异常
   当 blog 里的链接多为指向单一网页，或者单一的外站，会被认为是在 spam，ranking 会降低。
7. [0053] 广告太多
   如果一个 blog 页面内含有过多的广告，会降低 ranking。
8. [0054] 广告出现在正文里
   一般 blog 页面会包括三方面的内容：最近发表的 blog，blogroll 和 metadata。如果广告出现在正文里，会降低 ranking。不知道 adsense 的广告有没有特殊待遇？