Iparági jelentés #002
A pénzügyi szektor láthatatlan webje: a tartalom, amire semmi sem mutat
A tizenkét Fortune 500 pénzügyi oldal közül a tízen, ahol mérhető, a közzétett tartalom átlagosan 35%-ára semmi sem mutat befelé linkkel, csak az XML-sitemapben van jelen, a legrosszabb oldalon ez 79%. Mindössze két fizetési hálózat blokkolja épp azt a leltárt, amiből bárki ellenőrizhetné.
TL;DR A gyors áttekintés. Minden sort mérés igazol lentebb.
- 35% a közzétett tartalom link-láthatatlan átlagosan, egy oldalon akár 79%: él és benne van a sitemapben, de semmi sem linkel rá, így egy linkkövető AI-ágens sosem találja meg.
- 54% ennyi érhető el szerkesztői linkeken, ahogy egy magára hagyott ágens bejárja az oldalt. A többi csak navigáción át elérhető, vagy láthatatlan.
- 12-ből 2 oldal egyáltalán nem mérhető: fizetési hálózatok, amelyek a saját sitemapjüket blokkolják a crawlerek elől.
- 5,6% a schema-jelölés válasz-formájú (FAQ / Q&A). A maradék ~81% a cég kilétét és a navigációt írja le: hogy kik ők, nem pedig azt, hogy mire válaszolnak.
- 45% egy oldal szerkezeti terheléséből ennyi fut át átlagosan a lapok felső 1%-án, szélsőséges esetben 92%. Ezek az oldalak néhány csomóponton függnek.
- 27% / 14% árvák kontra zsákutcák, két független hiba különböző oldalakon, így egyetlen javítás sem zárja le mindkettőt.
A lényeg
A 2026 második negyedévében bejárt tizenkét Fortune 500 pénzügyi-szolgáltatási oldalon, összesen 10 731 oldalon és 15,1 millió token nyilvános tartalmon, a felszín egészségesnek látszik. Alatta egy törésvonal fut, amit a hagyományos auditok elmulasztanak: a közzétett tartalom nagy hányada, amire az oldalon semmi sem linkel, csak az XML-sitemapben van jelen, láthatatlan minden AI-ágens számára, amely linkek követésével fedez fel tartalmat.
Azon a tíz oldalon, ahol ezt közvetlenül mérni tudjuk, a link-láthatatlan tartalom aránya nem marad csendben a nulla közelében. 2% és 79% között mozog, átlagosan 35%. Ezt nem néhány szélsőséges kiugró érték torzítja egy egyébként tiszta kohorszon: elterjedt szerkezeti szokásról van szó, amely valamennyire minden mérhető oldalon megjelenik, négyükön pedig súlyosan. Egy kártya- és fizetési márkán 57%, egy befektetési bankon 43%, egy brókercégen 74%, egy másik befektetési bankon pedig 79%. Ez utóbbin évek kutatási és sajtóarchívuma él tovább URL-ként, miközben az élő oldal már nem hivatkozik rá.
A másik két oldal (mindkettő fizetési hálózat) a probléma egy másik változatát mutatja. Rajtuk a láthatatlanságot egyáltalán nem lehetett megmérni, mert a crawl nem tudta beolvasni a teljes oldalleltárukat. Ez önmagában is megállapítás, és annak is tekintjük, ahelyett, hogy egy nullával elfednénk.
Miért tíz oldal, nem tizenkettő
A link-láthatatlanság egy oldal teljes leltáráról szóló kérdés: minden közzétett oldala közül hányra nem linkel semmi. Megválaszolásához kell ez a leltár, ami az XML-sitemap. Olvasd be a sitemapet, és összevetheted a közzétett halmazt a linkgráffal az elérhetetlen oldalak megtalálásához. Nélküle a kérdés megválaszolhatatlan, mert egy linkeket követő ágens és egy sitemapet olvasó crawler ugyanazokon a látható oldalakon fut össze, így bármi, amit egyik sem ér el, sosem látszik, és nem számolható.
A tizenkettő közül kettő, mindkettő fizetési hálózat, egyáltalán nem adott vissza sitemapet: ugyanaz az anti-bot réteg blokkolja az automatizált sitemap- és robots.txt-kéréseket, amely a bejelentkezési folyamataikat is őrzi. Ezeket nem-mérhetőként rögzítjük, nem nullaként, mert nullaként számolni épp ott becsülné alá a problémát, ahol a legrosszabb. Kicsi, de sokatmondó kisebbség: az intézmények, amelyek a legagresszívebben falazzák el a leltárukat, épp az a fizetési infrastruktúra, amelyen minden más fut, és amelynek tartalmát egy AI-ágens egyszerűen nem tudja felsorolni.
A jelentés többi része különválasztja a két kérdést. Az elérhetőséget és a láthatatlanságot csak a tíz mérhető oldalra adjuk meg. A topológia, a törékenység, a tartalom és a pontozótábla mind a tizenkettőt használja, mert azok a mértékek nem függnek a sitemaptől.
A háromszintű elérhetőségi modell
Egy oldal minden lapja a három elérhetőségi szint egyikébe esik, a teljes linkgráffal (navigációval együtt) mérve az elérést, a tartalmi linkgráffal pedig a tekintélyt:
- Szerkesztői linkeken elérhető. Egy tartalmon belüli linkút vezet az oldalhoz. Ezeket az oldalakat egy linkkövető AI-ágens magától megtalálja.
- Csak navigáción át. Az oldal elérhető, de csak a kerítésen át: fejléc-, lábléc- vagy menülinkeken, amelyek az egész oldalon ismétlődnek. Egy ágens, amely kiszűri a sablonos navigációt, ahogy a legtöbb teszi a valódi tartalom megtalálásához, ezeket elveszíti.
- Link-láthatatlan. Az oldalnak nulla befelé mutató linkje van bármilyen fajtából a teljes gráfban, szerkesztői vagy navigációs. URL-ként létezik, és szerepel a sitemapben, de semmi az oldalon nem hirdeti egy linkkövető crawlernek.
A tíz mérhető pénzügyi oldalon átlagolva:
A közzétett tartalom épp valamivel több mint fele érhető el átlagosan szerkesztői linkeken, ahogy egy magára hagyott ágens bejárja az oldalt, a többi pedig nem. Ez élesen más kép, mint amilyen felszíni egészséget ezek az oldalak sugároznak, és nem egyetlen anomália hordozza. Így oszlik el a link-láthatatlan szint a tízen:
Adatok megtekintése
| Oldal | Link-láthatatlan oldalarány (az oldal lapjainak %-a) |
|---|---|
| SF8 | 2.2% |
| SF2 | 13.4% |
| SF9 | 16% |
| SF5 | 16.1% |
| SF4 | 17.2% |
| SF10 | 34.2% |
| SF11 | 42.7% |
| SF3 | 56.7% |
| SF6 | 74.5% |
| SF7 | 79.3% |
| Mintaátlag | 35.2% |
Minden mérhető oldalnak van nem elhanyagolható láthatatlan szintje, és a tízből négy a tartalmának 43% és 79% közötti részét temeti el. Ezek nem hibás crawlek. A láthatatlan oldalak valódi törzstartalmat hordoznak, és a sitemapen át fedeztük fel őket. A minta ismétlődik: egy nagy szerkesztői archívum, az egyik oldalon egy elemzői és kutatási könyvtár, egy másikon egy sajtó- és világszintű archívum, amelyre az élő navigáció már nem mutat. A tartalmat közzétették, majd elárvult, ahogy az oldal továbblépett, és most már csak a sitemapben él tovább. Egy AI-ágens számára ez az archívum sötét.
A csak-navigáción-át szint a ugyanennek a történetnek a csendesebb változatát meséli. Az egyik oldal az oldalainak 70%-át csak a kerítésen át vezeti: elérhető, de csak ha az ágens megbízik az ismétlődő fejléc- és lábléclinkben, amit normálisan eldobna. Egy intézmény számára a biztonságos feltevés az, hogy az ágens nem teszi.
Gépi olvashatóság: attól, hogy egy oldal elérhető, még nem biztos, hogy olvasható is
Egy oldal elérése egy dolog; az elemzése egy másik. Két crawl-jel dönti el, hogy egy ágens el tudja-e olvasni, amit elér, és mindkettő kettéosztja a kohorszot.
Az első a strukturált adat: a JSON-LD és a schema.org jelölés, amely gépi értelemben kimondja egy oldal jelentését, ahelyett, hogy az ágensre hagyná, hogy a prózából következtesse ki. A tizenkét oldalon a lapok átlagosan 56%-a hordoz strukturált adatot, de az eloszlás bimodális, 1% alatttól 100%-ig fut.
Adatok megtekintése
| Oldal | JSON-LD / schema.org strukturált adatot hordozó lapok (%) |
|---|---|
| SF10 | 0.4% |
| SF2 | 0.6% |
| SF8 | 3.6% |
| SF1 | 18.5% |
| SF9 | 45.7% |
| SF3 | 47.6% |
| SF11 | 75.6% |
| SF4 | 91.2% |
| SF12 | 93.7% |
| SF5 | 94.8% |
| SF6 | 99.6% |
| SF7 | 100% |
| Mintaátlag | 55.9% |
De a lefedettség elrejti az összetételt. A kohorsz minden schema.org-annotációját aszerint rendezve, hogy valójában mit ír le, élesebb történetet mond, mint a főcím-százalék:
A strukturált adat több mint négyötöde a navigációt és a cég kilétét írja le: hogy kik ők, és hová kell kattintani. Csak 5,6% válasz-formájú, az a FAQ- és kérdés-válasz-jelölés, amit egy AI-asszisztens közvetlenül beemelhet egy válaszba. Az egyik oldal a lapjainak 100%-át jelöli, és ebből semmit sem hordoz. Az intézmények azt írják le egy gépnek, hogy kik ők, nem azt, hogy mire tudnak válaszolni.
A második jel a render-függőség: olyan oldalak, amelyek tartalma csak azután jelenik meg, hogy egy böngésző lefuttatja a JavaScriptjüket. Egy ágens, amely nyers HTML-t tölt le (ahogy a legtöbb alapból, mert minden oldalt renderelni drága), egy üres héjat lát. Átlagosan a lapok 20%-a igényel renderelést, de az egyik fizetési oldal ennek 94%-ára.
Adatok megtekintése
| Oldal | Böngésző-renderelést igénylő tartalmú lapok (%) |
|---|---|
| SF7 | 0% |
| SF8 | 0.1% |
| SF6 | 1.6% |
| SF3 | 2.7% |
| SF11 | 3.7% |
| SF10 | 4.9% |
| SF12 | 5.5% |
| SF9 | 12% |
| SF2 | 20.3% |
| SF5 | 44% |
| SF4 | 55.3% |
| SF1 | 94.1% |
| Mintaátlag | 20.4% |
Ez a láthatatlanság legkevésbé észrevett formája, mert az oldal saját csapata sosem látja: a lap teljesnek tűnik egy böngészőben. Egy nyers-HTML ágensnek üresként olvasódik, tökéletesen linkelve és mégis üresen. A 94%-on lévő oldalon szinte az egész tulajdon csak egy olyan crawler számára olvasható, amely hajlandó minden oldalt renderelni, és a legtöbb nem fog.
Összegezve, egy pénzügyi oldal csak akkor teljesen látható egy AI-ágens számára, ha mindhárom egyszerre teljesül: valami linkel rá, a tartalma túléli JavaScript nélkül, és olyan strukturált adatot hordoz, amit az ágens elemezni tud. Kevés oldal teljesíti ebben a kohorszban mindhárom feltételt.
Törékenység: az egész oldal néhány lapon függ
A második minta, a koncentráció, mind a tizenkét oldalon érvényesül. A köztiség-centralitás azt számolja, milyen gyakran ül egy lap két másik közötti legrövidebb úton: egy magas köztiségű lap olyan híd, amelyen a forgalom, a link authority és egy ágens bejárása is átfut. Amikor ez egy apró lap-hányadra koncentrálódik, az oldal törékeny, szerkezetileg azon a kevésen függ, és gyorsan szétesik, ha azok gyengék vagy témán kívüliek.
Adatok megtekintése
| Oldal | A teljes köztiség aránya, amit a lapok felső 1%-a hordoz (%) |
|---|---|
| SF6 | 21% |
| SF4 | 26.6% |
| SF9 | 27.2% |
| SF1 | 28.3% |
| SF10 | 33.4% |
| SF3 | 34.4% |
| SF12 | 38.7% |
| SF11 | 45.1% |
| SF5 | 52.4% |
| SF2 | 55.8% |
| SF8 | 79.8% |
| SF7 | 92.3% |
| Mintaátlag | 44.6% |
Az átlagos oldalon a lapok felső 1%-a az összes köztiség 45%-át hordozza: az oldalt összetartó szerkezet néhány csomóponton fut át. A legkoncentráltabb oldal a lapjainak 1%-án 92%-ot tol át. Ezeken az oldalakon a köztiség a lokál-kapukban, a vállalati-rólunk lapokban és a kapcsolat-oldalakon gyűlik össze. A termékkatalógus ezeken a csomópontokon függ, ahelyett, hogy maga hordozná a szerkezetet.
Egy linkkövető ágensnek ez tovább súlyosbítja az elérhetőségi problémát. Az ágens képe arról, hogy „mit csinál ez a cég”, szinte teljesen néhány lapon keresztül közvetített. Ha azok a lapok vékonyak, jogi hatóköri vagy jogiak, az ágens átveszi azt a keretezést, és bármi, ami a láthatatlan farokban ül, sosem kerül be a képbe.
Egészségi mutatók: a hibamódok nem esnek egybe
A hagyományos intuíció szerint az árvák (a befelé mutató szerkesztői link nélküli oldalak) a domináns szerkezeti probléma. A pénzügyi adatok érdekesebb történetet mesélnek, és ez ugyanaz, amit az egészségügyi kohorsznál láttunk: a legrosszabb árva-arányú oldalak nem ugyanazok, mint a legrosszabb zsákutca-arányúak.
Adatok megtekintése
| Oldal | Árva-arány (az oldal lapjainak %-a) |
|---|---|
| SF1 | 0.2% |
| SF12 | 1.2% |
| SF8 | 2% |
| SF2 | 5% |
| SF9 | 14.2% |
| SF4 | 21.9% |
| SF6 | 34.6% |
| SF10 | 35.7% |
| SF5 | 37.4% |
| SF11 | 37.4% |
| SF3 | 56% |
| SF7 | 79.3% |
| Mintaátlag | 27.1% |
Adatok megtekintése
| Oldal | Zsákutca-arány (az oldal lapjainak %-a) |
|---|---|
| SF7 | 0% |
| SF8 | 1% |
| SF3 | 1.3% |
| SF9 | 4% |
| SF12 | 5.1% |
| SF4 | 6.9% |
| SF6 | 9.3% |
| SF11 | 17.5% |
| SF10 | 20.2% |
| SF1 | 22.1% |
| SF2 | 25.1% |
| SF5 | 51.5% |
| Mintaátlag | 13.7% |
Vesd össze a két sávot. A legmagasabb árva-arányú oldalnak (SF7, 79%) a legalacsonyabb zsákutca-aránya van a kohorszban (0%): a bejáratnál hagyja magára az oldalait, de minden lap, amit kitesz, tisztán linkel tovább. A legmagasabb zsákutca-arányú oldal (SF5, 52%) a középmezőnyben ül az árvák terén. A két átlag különböző, 27% az árváknál szemben 14% a zsákutcáknál, és különböző oldalakra esnek: a kettő közötti rangkorreláció gyenge. Ezek független hibamódok, nem ugyanannak a problémának a két arca. Egy oldal lehet kiváló a látogatói fogadásában és rossz a továbbküldésükben, vagy fordítva.
Az árva-sáv a pénzügy jellegzetes szóródását is mutatja. A kohorsz fele 22% alatt ül, majd az arány meredeken kúszik 56%-ra és 79%-ra azon a két oldalon, amelyek a legnehezebb link-láthatatlan farkat is hordozzák. A szerkesztői szintű elárvulás és a teljes-gráf szintű láthatatlanság ugyanannak az alapszokásnak a felszíne és mélysége: olyan tartalom közzététele, amelyre a navigáció már nem mutat.
Az iparági pontozótábla
Az ötlencsés elemzés minden oldalnak zöld, sárga vagy piros pontszámot ad minden lencsén. Mind a tizenkét oldalon:
| Oldal | Váz Méret, sűrűség és átlagos úthossz. Mekkora az oldal, és mennyire összekapcsolt a törzs szintjén. | Keringés PageRank-eloszlás és szerkezeti szűk keresztmetszetek. Hogyan áramlik a fontosság a lapok között, és mely csomópontok tartják össze az egészet. | Szervek Közösségdetektálás. A tematikus klaszterek tisztán elválnak-e, vagy egyetlen óriásklaszter ural mindent. | Egészség Szigetek, árvák és zsákutcák. Hol haldoklik szerkezetileg a tartalom: elérhetetlen, linkeletlen vagy lezáruló. | Idegrendszer Kattintási mélység, hidak és közösségek közötti linkelés. Az oldal jól tervezett épület-e, vagy összefüggéstelen szobák halmaza. |
|---|---|---|---|---|---|
| SF1 | |||||
| SF2 | |||||
| SF3 | |||||
| SF4 | |||||
| SF5 | |||||
| SF6 | |||||
| SF7 | |||||
| SF8 | |||||
| SF9 | |||||
| SF10 | |||||
| SF11 | |||||
| SF12 |
- Zöld: egészséges
- Sárga: mérsékelt aggály
- Piros: kritikus
A minta visszhangozza az egészségügyet: a vázak többnyire rendben vannak; a szervek és az, ahogy a jel közöttük utazik, a gyenge pontok. A tizenkettőből tíz oldal zöld vázat kap, a másik kettő sárgát, így a linksűrűség a törzs szintjén egészséges. De az Egészség a legrosszabbul pontozó lencse, méghozzá nagy különbséggel, a tizenkettőből nyolc oldal piros, és a Szervek (tematikus városrészek) szorosan mögötte, öt pirossal. A kép két iparágon át is következetes: az F500 oldalak jól megépítettek a felszínen, és töröttek azon a szinten, ahogy a szerkesztői jel a tematikus közösségek között utazik. A legnehezebb láthatatlan farkat hordozó négy oldal mind pirosat ér el az Egészségen, azon a lencsén, amely az elárvulást és a zsákutcázást ragadja meg. A szerkezeti hibák halmozódnak: az oldal, amely tartalmat rejt el az ágensek elől, küzd azzal is, hogy áramoltassa azt, amit kitesz.
A sűrűség-spektrum
A pénzügyi kohorsznak nincs egyetlen alakja. A linksűrűség több mint két nagyságrendet ível át, a legritkább oldal 178 tartalmi élétől a legsűrűbb oldal 63 564 éléig, nagyjából hasonló oldalszámon.
| Pólus | Élek | Viselkedés |
|---|---|---|
| Sűrű háló | 22 000–64 000 | Hiperlinkelt, sekély, alacsony árva-kockázat |
| Ritka fa | 178–8 000 | Hierarchikus, kevés kereszt-link, mély utak, magas zsákutca-kockázat |
Két oldal kapcsolótáblaként viselkedik: szinte minden lapja tucatnyi másikra linkel, és az árva-arányuk a kohorsz legalacsonyabbjai között van. A többi fa-szerű terepen ül, ahol egy lap néhány gyerekhez vezet és megáll. De a hálósűrűség nem vásárol ellenállóképességet. A kohorsz legsűrűbb oldala még mindig a köztiségének 39%-át koncentrálja a lapjainak 1%-ára. Mindent néhány központi laphoz kötni nem ugyanaz, mint elosztani a terhet: egy kis magon átkábelezett sűrű háló pontosan olyan törékeny, mint egy ugyanazzal a maggal rendelkező ritka fa.
Tartalomminőség léptékben
Mind a tizenkét oldal együtt: 10 731 oldal, 15,1 millió token törzsszöveg, és nagyjából 136 000 belső szerkesztői link közöttük.
| Tartalmi mutató | Mintaátlag (n=12) | Megjegyzés |
|---|---|---|
| Oldal per oldal | 894 | Medián 995, tartomány 441–1001 |
| Átlagos szószám per lap | 854 | Medián 626 az oldalak között |
| Átlagos tokenszám per lap | ~1359 | Karakter-alapú becslés (hossz / 4) |
| Vékony tartalmú lapok (200 szó alatt) | 26,5% | Tartomány 0%–66% |
| Nulla tartalmú lapok | ~0,7% | A „redirect / héj-oldal” arány |
| Belső linkek aránya az összes linkből | 80% belső | Az oldalak a linkek többségét domainen belül tartják |
| Title-tag lefedettség | 99,5% | Szinte univerzális |
| Meta-leírás lefedettség | 86,6% | Egy presztízs-oldal 11%-on ül, lehúzva az átlagot |
Két szám tűnik ki. A vékony tartalom átlagosan 26,5%-on fut, nagyjából minden negyedik lap 200 szónál kevesebbel: lokál-csonkok, szabályozási landoló oldalak, egy-állítású termékkártyák. A leginkább érintett oldalon a lapok kétharmada vékony. Egy AI-ágens szemszögéből ezek gyenge jelek, túl rövidek egy magabiztos összefoglaló rögzítéséhez, de elég számosak ahhoz, hogy felhígítsanak egy tudásgráfot.
A meta-leírás szám egy bimodális hasadást rejt. A legtöbb oldal 84% és 100% lefedettség között ül, de egy presztízs-oldal a lapjainak csak 11%-át fedi le leírással. A title-lefedettség szinte univerzális 99,5%-on, így a kihagyás kifejezetten az a leíró szövegrészlet, amely egy oldalt összefoglal keresőmotoroknak és nyelvi modelleknek egyaránt. Egy olyan oldalon, amely már a lapjainak többségét elárvulja, a hiányzó leírások eltávolítják az egyetlen megmaradt sávon kívüli jelet, amit egy crawler használhatott volna.
Mit oszt meg minden pénzügyi F500 oldal
Ahol az egészségügyi kohorsz a hírszoba köré szerveződött, a pénzügyi kohorsz a földrajzi régiók köré szerveződik. Több oldalon az egyetlen legnagyobb URL-szakasz egy földrajzi vagy lokál-burkoló (/us, /global, /worldwide), és azokon az összes oldal nagy többségét nyeli el. Néhány oldal lényegében a teljes tartalmi fáját egyetlen lokál-útvonal alá fészkeli.
Ez az egyetlen építészeti döntés végiggyűrűzik a fenti topológiai mutatókon. Amikor egy oldal a teljes tartalmi fáját egyetlen régió alá fészkeli, a lokál-oldal kötelező híddá válik: minden út egy termékhez azon fut át. Pontosan ez a köztiség-koncentráció, amit a törékenységi szakasz mért. A regionális silók ráadásul ritkán linkelnek keresztbe: a regionális fák nem mutatnak egymásra, és egyik sem mutat a globális termékkatalógusra közvetlenül. Az eredmény az általunk megfigyelt topológia: néhány teherhordó lokál-csomópont, magas árva-arányok a silókban, amelyekre semmi sem linkel vissza, és egy termékkatalógus, amely csak úgy érhető el, hogy előbb áthaladsz egy szabályozási kapun.
A fogyasztói márkák (a kártya-, brókercég- és hitelezési oldalak) megússzák ennek egy részét azzal, hogy termékek, nem régiók köré szerveződnek; a domináns szakaszuk az oldalak kisebb hányadát nyeli el. Alacsonyabb árva-arányuk és sekélyebb útjaik vannak. De zsákutcákban és vékony tartalomban fizetnek: termékkártyák, amelyek linket kapnak és sehová sem vezetnek.
Mit jelent ez az AI-keresési felkészültség szempontjából
Egy AI-ágensnek, amely a belső linkszerkezetet használja tartalom felfedezésére és rangsorolására, három következmény adódik ezekből az adatokból.
1. A tartalom létezhet és mégis láthatatlan lehet. Ez a legjelentősebb minta itt, mert csendes: az oldalak renderelődnek, a sitemap felsorolja őket, az SEO-auditok átmennek, egy szerkesztői linkeket követő ágens mégsem éri el őket. A legrosszabb oldalakon a közzétett tartalom többsége sötét. A megoldás nem több tartalom; hanem az archívum újra-linkelése az élő szerkesztői gráfba, vagy annak elfogadása, hogy az AI-ágensek számára nem létezik.
2. Ahol egy oldal megvakítja az eszközöket, ott egyáltalán nem auditálható. Két oldalon (mindkettő fizetési hálózat) a láthatatlanság még csak mérhető sem volt: az anti-bot tartás, amely egy bejelentkezési folyamatot véd, megvakítja a keresőmotorokat és AI-crawlereket is, amelyek arról döntenek, felfedezhető-e a tartalom. Ezeknél az első lépés nem egy topológiai javítás, hanem a leltár olvashatóvá tétele az olvasást végző gépek számára.
3. A hibamódok függetlenek, így egyetlen javítás sosem elég. Az árvák (hiányzó belépési pontok) és a zsákutcák (keringési végpontok) különböző oldalakra esnek, így az egyik lezárása semmit sem tesz a másikért, és egyik sem érinti az eggyel mélyebb láthatatlan szintet. Mindegyiket a maga feltételei szerint kell mérni és kezelni.
Egy megjegyzés a presztízsről: azok az oldalak, amelyek a legtöbb tartalmat rejtik el és a legtöbb köztiséget koncentrálják, a kohorsz legismertebb intézményei közé tartoznak. A márka ismertsége és a vállalat mérete nem vásárol bejárható topológiát. Sőt, a nagy intézmények által átvett globális, régiók szerinti felépítés inkább ront a helyzeten.
A megoldás szerkezeti, és minden eleme mérhető: linkeld újra a láthatatlan archívumokat, oszlasd el a köztiséget a néhány csomópontról, zárd le a zsákutcákat, mentsd meg az árvákat a közösségeikbe, linkeld keresztbe a regionális silókat, és tedd magát a sitemapet elérhetővé. Ez a Digital MRI szolgáltatás teljes premisszája.
Módszertan
Tizenkét anonimizált Fortune 500 pénzügyi-szolgáltatási oldal, mindegyik ugyanazon a folyamaton átfuttatva: HTTP-first adaptív crawl, törzstartalom-kinyerés (a navigációs, fejléc- és lábléclinkek kiszűrve), kettős-gráf építés, és az ötlencsés topológiai elemzés (Váz, Keringés, Szervek, Egészség, Idegrendszer). Ez egy kurált kohorsz, nem véletlen minta, így az összesített számok inkább feltáró referenciaértékek az F500 pénzügyi topológiához, semmint pontbecslések a szektorra. Az elérhetőség és a láthatatlanság csak a tíz oldalt használja, amelyek crawlje sitemapet rögzített; a topológia, a törékenység, a tartalom és a pontozótábla mind a tizenkettőt, mert azok nem függnek a sitemaptől. Az egyik oldal egy nagy bank, amelynek vállalati domainje egy vékony holding-oldal, így a fogyasztói-banki tulajdona (egy külön kiskereskedelmi domain) az itt bejárt.
A kettős-gráf modell. Minden oldalt két gráffal szemben osztályozunk ugyanabból a crawlból: a teljes gráffal (navigációval együtt) az eléréshez, és a tartalmi gráffal (csak tartalmon belüli szerkesztői linkek) a tekintélyhez. Egy oldal szerkesztői linkeken elérhető, ha van befelé mutató tartalmi linkje, csak navigáción át, ha elérhető a teljes gráfban, de a tartalmi gráfban nem, és link-láthatatlan, ha semmi sem linkel rá egyikben sem, és csak a sitemapben él tovább. Ez finomítja az IR-001-ben (Egészségügy, 2026 Q1) használt kezdőlap-horgonyzott modellt, amely minden kezdőlapról bejárt, és így érzékeny volt a választott gyökérre; a kettős-gráf modell belépési-pont-invariáns. A két jelentés szintjei eltérően vannak definiálva, és az oldalankénti arányaik nem közvetlenül összehasonlíthatók, de a közös megállapítás mindkettőben áll: az F500-tartalom mérhető hányada minden olyan linkúton kívül ül, amit egy magára hagyott ágens bejárhat.
Jogi nyilatkozatok:
- Módszerek. PageRank, Louvain közösségdetektálás és köztiség-centralitás a bejárt oldalszerkezeten.
- Robots és etika. Az oldalszintű robots-direktívák tiszteletben tartva; a tiltott oldalakat sosem töltjük le. Kizárólag nyilvánosan elérhető oldalszerkezet. Nem tárolunk tartalmat, metaadatot vagy felhasználói adatot.
- Anonimizálás. SF1-SF12 kódnevek; a kódnév-domain hozzárendelést szándékosan nem tesszük közzé. Oldalszintű adat-függelék kérésre elérhető.
- Navigáció-kizárás. Bármely link-cél, amely egy oldal lapjainak több mint 80%-án megjelenik, globális navigációként kezelt, és kiesik a tartalmi gráfból; a teljes gráf megtartja az eléréshez.
- Tokenszámok. Karakter-alapú becslések (oldalhossz osztva néggyel), nem tokenizáló kimenet.
- Köztiség. Az egyes oldalak felső 1%-a által hordozott teljes köztiség-centralitás arányaként megadva.
- Hatókör. Statisztikai minták kizárólag oktatási célból; nem tanács bármely konkrét oldalról vagy cégről.