Как Google распознает дату публикации сообщения

Когда я что-то ищу в Google, я иногда вижу дату публикации поста / статьи внизу. Я также искал свою статью на своем WordPress-сайте, и Google также узнал дату ее публикации.

Когда я открываю источник моего веб-сайта, я не вижу никаких специальных тегов или чего-либо, что бы указывало на дату публикации. Он написан только в обычном div, без каких-либо специальных тегов, которые сообщали бы SE, что это дата публикации (у меня тоже могут быть другие даты на странице).

Так это жестко запрограммировано в Google точное место даты публикации Wordpress в дереве DOM, или я что-то упустил?

Я создаю новый веб-сайт со своей собственной CMS и пытаюсь выяснить, как реализовать распознавание даты публикации.

Вам следует просмотреть XML-карту сайта или версию RSS-канала, чтобы проиндексировать данные публикации через основные поисковые системы, такие как Google, Yahoo и MSN. Создайте карту сайта XML для своего сайта и отправьте ее в инструменты веб-мастера для индексации.

У меня просто была проблема, что все мои главные страницы были показаны обновленными более 4 лет назад, хотя Google знает , что это неправда, потому что страницы индексируются так долго и существенно меняются от месяца к месяцу. Будучи по-настоящему озадаченным, затем очень раздраженным, а затем снова озадаченным, я наконец нашел проблему. Наши юридические условия обслуживались скрытым div с надписью «Последнее обновление: 30 октября 2007 г.», и div загружался почти на всех наших страницах. (Потому что он появляется при регистрации) Я удалил его, и теперь я предполагаю, что дата либо исчезнет, ​​либо будет исправлена ​​к чему-то более разумному.

Предостерегающая история и еще одно доказательство того, что они проверяют семантику сайта больше, чем технические детали или собственную историю индексации.

Я очень сомневаюсь, что дата публикации поста или статьи основана на <lastmod>записи в карте сайта XML (как предлагали другие) или HTTP-заголовке Last-Modified в этом отношении. XML Sitemap является только рекомендательным, а не официальным. Дата последнего изменения документа, вероятно, не совпадает с (оригинальной) датой публикации статьи. И, как я упоминал в своем комментарии вверху страницы, дата последнего изменения документа, вероятно, более важна для кэширования и, возможно, определения скорости сканирования. Заголовок Last-Modified HTTP динамически генерируемых страниц часто очень близок к фактической дате / времени (как и для блогов WordPress).

С другой стороны, лента RSS / Atom содержит этот конкретный фрагмент информации. И действительно, на сайтах Wordpress, которые не включают дату публикации в контент, дата публикации по-прежнему отображается в результатах поиска Google. И, насколько я могу судить, это соответствует дате в RSS-канале.

РЕДАКТИРОВАНИЕ № 1: Тем не менее, RSS-канал не обязательно содержит все страницы. В большинстве случаев он должен содержать только самые последние или недавно обновленные страницы. Но нет никаких причин, по которым Google должен забыть то, что он уже прочитал, и предоставление содержания этой страницы не изменилось, равно как и дата последнего изменения.

Если RSS-лента отсутствует, я думаю, что Google достаточно умен, чтобы анализировать содержимое страницы. Особенно, если даты помечены «семантически» с помощью микроформатов . Вполне возможно, что Google увидит следующее в качестве официальной даты публикации статьи, в которой она содержится:

<abbr class="published" title="2010-08-27T15:45:00-0700">
Friday, August 27th, 2010
</abbr>

Google, безусловно, читает микроформаты - hCard, hReview и т. Д.

Просто добавлю, я не думаю, что Google будет указывать дату публикации, если не сможет найти что-то авторитетное, что могло бы предложить это. Он не будет выводить «дату публикации» на спекулятивных данных, так как неправильная «дата публикации» никому не нужна, и Google получит за нее много информации!

И просто для записи (если @Tom предлагает иное :) Я думаю, что посты / статьи должны иметь визуально отображаемую дату публикации. Многие этого не делают, и это может разочаровать читателя, особенно при изучении технологических проблем, и вы обнаружите, что прочитав половину статьи, она устарела!

РЕДАКТИРОВАТЬ # 2: С тех пор я испытал аналогичное раздражение, которое @mmdanziger подробно описывает в своем ответе. На одном из моих старых сайтов у меня есть текст формы «Сайт обновлен до 17 июня 2012 года» (не помечен каким-либо особым образом) в верхней части каждой страницы (записывается на страницу с помощью JavaScript !!). Эта же дата была выбрана Google и теперь отображается рядом с несколькими (но не всеми) страницами, которые появляются в SERPS - это, конечно, не дата публикации страницы. Казалось бы, Google просто списывает на страницу строку вида «последнее обновление ( строка даты )» (обработав JavaScript !!). Этот конкретный сайт не имеет RSS-канал. На сайте есть файл Sitemap.xml, но даты разные.

Я заметил подобное поведение и на других сайтах.

Я думаю, что Google использует файл Sitemap и RSS-канал для распознавания даты публикации. Вы можете использовать эту функцию в своей CMS, создав карту сайта XML в соответствии со стандартами .

<lastmod>2011-08-18</lastmod>

По словам Джона Мюллера из Google:

Мы используем различные сигналы, чтобы определить, какую дату показывать, или имеет ли смысл показывать ее вообще; это не связано с одним конкретным атрибутом.

Джон Мюллер - Твиттер

Однако я считаю, что, скорее всего, Google ищет даты на веб-страницах в следующих местах:

• На видном месте на странице, используя машинное обучение
• Структурированные данные на Schema.org, особенно если эти данные также можно увидеть на странице

Я думаю, что он разумно ищет любые даты на странице, и когда он уверен, что это соответствующая дата, он использует его.

Иногда это немного сложно, так как я думаю, что это может оказать негативное влияние на способность щелкать по SERP, я полагаю, что это может оказать временное положительное влияние, если это недавняя статья / пост, но я уверен, что мои сайты будут лучше без него (Поисковые системы Google не могут быть лучше без него, хотя!)

Нет возможности управлять им через Google, только вашими собственными методами. Вы также можете:

• Замените даты динамически сгенерированными изображениями, чтобы остановить их обнаружение Google, но это может привести к другим проблемам, таким как визуальное выравнивание / отображение согласованного шрифта / доступность и т. Д.
• Уберите все даты со страниц (это может снова разочаровать посетителей / пользователей, когда они хотят узнать возраст источника, если у вас есть соответствующая информация).

По этим причинам я бы просто проигнорировал это.