Iparági jelentés #003
A tech szektor üres linkgráfja: böngészőknek épült, nem ügynököknek
Tíz Fortune 500 technológiai oldalon a közzétett tartalom 32%-ára sehol sem mutat befelé szerkesztői link, és a strukturált adatuknak mindössze 6%-a válasz alapú.
TL;DR A gyors áttekintés. Minden sort mérés igazol lentebb.
- 32% a közzétett tartalomnak link-láthatatlan: él és benne van a sitemapben, de semmilyen szerkesztői link nem mutat rá, így egy linkkövető AI-ügynök sosem találja meg.
- 58% csak ennyi érhető el úgy, ahogy egy magára hagyott ügynök bejárja az oldalt. A többi csak navigáción át érhető el, vagy láthatatlan.
- 6,1% a schema-jelölés válasz-formájú (FAQ / Q&A). A maradék ~78% identitás- és navigációs váz: arról szólnak hogy kik ők, nem pedig arról hogy mit válaszolnak meg.
- 47% egy oldal szerkezeti terheléséből ennyi fut át átlagosan a lapok felső 1%-án, szélsőséges esetben 84%. Ezek a webek néhány csomóponton függnek.
- 40x a szórás a linksűrűségben a legritkább és a legsűrűbb oldal között: az egyik egy közel üres fa, a másik egy hiperlinkelt háló. Ugyanaz a szektor, ellentétes topológiák.
- 74% az egyik oldal lapjaiból ennyi csak navigációs kereten át érhető el, egyetlen szerkesztői link sem mutat rájuk: nulla láthatatlan, és mégis olvashatatlan egy ügynöknek, amely kiszűri a sablonokat.
A lényeg
A 2026 harmadik negyedévében feltérképezett tíz Fortune 500 technológiai oldalon, összesen 9 038 oldalon és 16,2 millió token nyilvános tartalmon, ezen a szektoron látszik leginkább, hogy készen áll a bot forgalomra. A schema-jelölés szinte univerzális, a JavaScript-függőség alacsony, szinte minden lapnak van címe és leírása. Ezek a cégek szoftverépítésből élnek, és a felületeik ezt meg is mutatják.
A felszín alatt viszont ugyanaz a törésvonal fut, amit a pénzügyi és az egészségügyi kohorsz feltárt, és a legrosszabb tech oldalakon mélyebbre hatol, mint bármelyikben. A kilenc oldalon, ahol mérhető, a tartalom aránya, amire semmi sem linkel, átlagosan 32%, és nem tömörül e középérték köré. 0,3% és 80% között mozog: negyvenszeres szórás a linksűrűségben, hasonló oldalszámot publikáló oldalak között. A kohorsz egyik oldala egy közel üres fa, 312 oldal mindössze 415 szerkesztői linkkel összekötve, ahol ötből négy oldal elérhetetlen. Egy másik egy hiperlinkelt háló, közel 56 000 link 575 oldal között, ahol szinte semmi sem elérhetetlen. Ugyanabban az üzletágban vannak. A topológiájuk egymás ellentéte.
A szektor, amely a crawlereket írja, más szóval nem huzalozta be a saját tartalmát nekik. A csiszoltság valódi, és a felszínen van. Az alatta lévő szerkezet olyan egyenetlen, mint bármelyik eddig mért kohorszunké.
Miért kilenc oldal, nem tíz
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, vesd össze a közzétett halmazt a linkgráffal, és az elérhetetlen oldalak kirajzolódnak. Nélküle a kérdés megválaszolhatatlan, mert egy linkeket követő ügynök és egy sitemapet olvasó crawler ugyanazokon a látható oldalakon fut össze.
A tízből az egyik (egy hálózatihardver-óriás) nem adott vissza használható sitemapet: a leltárát nem lehetett teljes egészében felsorolni, így a láthatatlan szintje nem számolható. Nem-mérhetőként rögzítjük, nem nullaként. Az elérhetőséget és a láthatatlanságot ezért a kilenc mérhető oldalra adjuk meg; a topológia, a törékenység, a tartalom és a pontozótábla mind a tízet használja, mert azok nem függnek a sitemaptől.
A háromszintű elérhetőségi modell
Minden lap a három elérhetőségi szint egyikébe esik, a teljes linkgráffal (navigációval együtt) mérve az elérést, a tartalmi linkgráffal pedig a szerkesztői tekintélyt:
- Szerkesztői linkeken elérhető. Egy tartalmon belüli linkút vezet az oldalhoz. Ezeket az oldalakat egy linkkövető ügynök magától megtalálja.
- Csak navigáción át. Elérhető, de csak a kereten át: fejléc-, lábléc- vagy menülinkeken, amelyek az egész oldalon ismétlődnek. Egy ügynök, amely kiszűri a sablonokat, ahogy a legtöbb teszi, ezeket elveszíti.
- Link-láthatatlan. Nulla befelé mutató link, bármilyen fajtából. Az oldal URL-ként létezik és szerepel a sitemapben, de semmi az oldalon nem hirdeti egy linkkövető crawlernek.
A kilenc mérhető technológiai oldalon átlagolva:
A közzétett tartalomnak átlagosan alig háromötöde érhető el úgy, ahogy egy magára hagyott ügynök bejárja az oldalt. Így oszlik el a link-láthatatlan szint a kilencen:
Adatok megtekintése
| Oldal | Link-láthatatlan oldalarány (az oldal lapjainak %-a) |
|---|---|
| T10 | 0% |
| T6 | 0.3% |
| T4 | 10.5% |
| T1 | 25.8% |
| T8 | 31.4% |
| T5 | 42.1% |
| T2 | 47.9% |
| T7 | 51.6% |
| T3 | 79.7% |
| Mintaátlag | 32.1% |
A szórás maga a történet. Két oldal lényegében semmit sem temet el, egyikük (T3) viszont 80%-ot: egy vállalatiszoftver oldal, amelynek élő navigációja már nem mutat a saját katalógusa és dokumentációja zömére. A láthatatlan oldalak nem hibás crawlek. Valódi törzstartalmat hordoznak, és a sitemapen át fedeztük fel őket. A minta ugyanaz, mint amit a pénzügy mutatott: egy nagy archívum, közzétéve, majd elárvulva, ahogy az oldal továbblépett, és már csak a sitemapben él tovább. Egy AI-ügynök számára ez az archívum sötét.
A csak-navigáción-át csapda
A láthatatlan szint a hangos hiba. A csak-navigáción-át szint a csendes, és a kohorsz egyik oldala olyan léptékben mutatja, amilyet még nem láttunk. A T10, egy félvezetőmárka, 0% link-láthatatlant rögzít: a főcím-mérték szerint tökéletes. De a lapjainak 74%-a csak navigációs kereten át érhető el, egyetlen szerkesztői link sem mutat rájuk. Az oldal a teljes katalógusát a fejléc- és láblécmenün át vezeti, és a törzsben szinte semmi sem linkel lapról lapra.
Egy embernek, böngészőben, a T10 makulátlannak látszik; minden oldal egy menükattintásra van. Egy AI-ügynöknek, amely az ismétlődő navigációt lehántja a valódi tartalom megtalálásához, ahogy a legtöbb teszi, az oldal háromnegyede elpárolog. A “0% láthatatlan” főcím igaz és szinte semmitmondó. A T10 egyszerűen áthelyezte az elérhetetlen tartalmát a láthatatlan szintből a csak-navigáción-át szintbe, ahol az ügynökök egy másik osztálya veszíti el. Az elérhetőség nem egyetlen szám; az számít, milyen fajta link végzi az elérést.
Gépi olvashatóság: egy oldal elérése még nem az elolvasása
Egy oldal elérése egy dolog; az elemzése egy másik. Két crawl-jel dönti el, hogy egy ügynök el tudja-e olvasni, amit elér.
Az első a strukturált adat: a JSON-LD és a schema.org jelölés, amely gépi értelemben kimondja egy oldal jelentését. A technológia itt minden kohorszt vezet, átlagosan 80%-os lefedettséggel, de az eloszlás bimodális, 20% alatttól a tökéletes 100%-ig.
Adatok megtekintése
| Oldal | JSON-LD / schema.org strukturált adatot hordozó lapok (%) |
|---|---|
| T2 | 19.8% |
| T6 | 34.3% |
| T9 | 60.8% |
| T1 | 90.6% |
| T3 | 96.3% |
| T4 | 96.8% |
| T5 | 98% |
| T8 | 99.6% |
| T10 | 99.9% |
| T7 | 100% |
| Mintaátlag | 79.6% |
De a lefedettség elrejti az összetételt. A kohorsz minden schema.org-annotációját aszerint rendezve, hogy valójában mit ír le, élesebb történet rajzolódik ki, mint a főcímből:
Az összes strukturált adat több mint háromnegyede navigációs és identitás alapú: hogy ki a cég, és hová kell kattintani. Csak 6,1% válasz-formájú, az a FAQ- és kérdés-válasz-jelölés, amit egy AI-asszisztens közvetlenül beemelhet egy válaszba. Két oldal a lapjainak 100%-át jelöli, és ebből szinte semmit sem hordoz. A kivétel sokatmondó: az egyik SaaS-oldal (T8) a schemájának közel 30%-át válasz-formájú jelölésbe teszi, egy nagyságrenddel a kohorsz fölé, mert az üzlete azon múlik, hogy idézhető legyen egy AI-asszisztensen belül. A többiek 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. A technológia, hiába a front-end keretrendszerekben legjártasabb szektor, ezt alacsonyan tartja, átlagosan 6,8%-on, jóval a pénzügy 20%-a alatt.
Adatok megtekintése
| Oldal | Böngésző-renderelést igénylő tartalmú lapok (%) |
|---|---|
| T4 | 0% |
| T6 | 0% |
| T8 | 0% |
| T10 | 1% |
| T1 | 1.2% |
| T7 | 2.1% |
| T3 | 2.3% |
| T9 | 16.8% |
| T5 | 20.7% |
| T2 | 23.7% |
| Mintaátlag | 6.8% |
Ez az egyetlen gépi-olvashatósági mutató, amit a technológia egyértelműen megnyer. Tízből hét oldal a tartalmának kevesebb mint 3%-át rendereli kliensoldalon; még a legrosszabb is, 24%-kal, a pénzügyi átlag alatt van. A szektor, amely népszerűvé tette a JavaScript single-page appot, a marketingtartalmát statikus HTML-ként szolgálja ki. Bármi is a baj ezekkel az oldalakkal, nem az, hogy egy ügynök nem tudja elolvasni a lapokat, amiket elér. Hanem az, hogy nem éri el őket.
Törékenység: az egész oldal néhány lapon függ
A második minta, a koncentráció, mind a tíz oldalon érvényesül, és a szélsőértéknél élesebb, mint bármi, amit a pénzügy mutatott. 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-tekintély és egy ügynök bejárása is átfut. Amikor ez a lapok egy apró hányadára koncentrálódik, az oldal törékeny.
Adatok megtekintése
| Oldal | A teljes köztiség aránya, amit a lapok felső 1%-a hordoz (%) |
|---|---|
| T2 | 25.5% |
| T4 | 28.2% |
| T5 | 31.8% |
| T6 | 32.3% |
| T8 | 35.3% |
| T1 | 38.4% |
| T9 | 45.5% |
| T3 | 64.3% |
| T7 | 83.9% |
| T10 | 84.3% |
| Mintaátlag | 47% |
Az átlagos oldalon a lapok felső 1%-a az összes köztiség 47%-át hordozza. A két legkoncentráltabb oldal 84%-ot tol át a lapjainak 1%-án, ahol a köztiség a vállalati csomópontokban gyűlik össze (befektetői kapcsolatok, vállalatirányítás, a rólunk szakasz), nem a terméktartalomban. A teljes szerkezet egy maroknyi olyan lapon át fut, amelyeknek kevés közük van ahhoz, amit a cég árul. Egy linkkövető ügynöknek ez tovább súlyosbítja az elérhetőségi problémát: a képe arról, hogy “mit csinál ez a cég”, szinte teljesen néhány vállalati lapon keresztül közvetített, és bármi, ami a láthatatlan farokban ül, sosem kerül be a képbe.
Egészségi mutatók: árvák zsákutcák nélkül
Az árva-arány, a befelé mutató szerkesztői link nélküli oldalak aránya, a már ismerős alakot követi: hosszú emelkedés a közel-nullától a súlyosig.
Adatok megtekintése
| Oldal | Árva-arány (az oldal lapjainak %-a) |
|---|---|
| T6 | 0.3% |
| T9 | 2.8% |
| T4 | 15.3% |
| T8 | 20% |
| T2 | 24.5% |
| T1 | 25.7% |
| T3 | 35.9% |
| T5 | 43.6% |
| T7 | 55.1% |
| T10 | 74% |
| Mintaátlag | 29.7% |
A kohorsz fele 25% alatt ül, majd az arány meredeken kúszik 55%-ra és 74%-ra azon a két oldalon, amelyek a legnehezebb köztiség-koncentrációt is hordozzák. Ugyanazok az oldalak, amelyek mindent néhány vállalati csomóponton át tölcséreznek, árvítják el a legtöbb terméktartalmat: egyetlen szokás két arca, hogy a törzsben sosem linkelnek lapról lapra. A kohorsz-szintű zsákutca-arány ezzel szemben alacsony, 10%: ezek az oldalak nem rosszak abban, hogy a kitett lapjaikról továbbküldjék a látogatót. A hibájuk feljebb van, a belinkelés pontján.
Az iparági pontozótábla
Az ötlencsés elemzés minden oldalnak zöld, sárga vagy piros pontszámot ad minden lencsén. Ennél a tíz ez oldalnál így néz ki:
| 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. |
|---|---|---|---|---|---|
| T1 | |||||
| T2 | |||||
| T3 | |||||
| T4 | |||||
| T5 | |||||
| T6 | |||||
| T7 | |||||
| T8 | |||||
| T9 | |||||
| T10 |
- Zöld: egészséges
- Sárga: mérsékelt aggály
- Piros: kritikus
A minta immár harmadik szektoron át tart. A vázak többnyire rendben vannak; messze az Egészség a legrosszabb lencse. Tízből hét oldal pirosat kap az Egészségen, azon a lencsén, amely az elárvulást ragadja meg, és csak kettő ér el zöldet. A Keringés háromfelé hasad, három oldal pirossal a tekintély-koncentráción. Az egészségügyön, a pénzügyön és most a technológián átívelő következetes megállapítás ugyanaz: az F500 oldalak jól megépítettek a felszínen, és hibásak azon a szinten, ahogy a szerkesztői jel lapról lapra utazik. A technológia felszíne a három közül a legcsiszoltabb. Az Egészség-oszlopa semmivel sem jobb.
A sűrűség-spektrum
A technológiai kohorsznak nincs egyetlen alakja. A linksűrűség több mint negyvenszeres szórást fog át a legritkább és a legsűrűbb oldal között. A nyers élszám 415-től közel 59 000-ig fut, de a volumen nem sűrűség: a legtöbb éllel rendelkező oldal nagyobb és lazábban huzalozott, mint a valódi háló.
| Pólus | Élek | Viselkedés |
|---|---|---|
| Sűrű háló | ~56 000 ~575 oldalon | Hiperlinkelt, sekély, közel nulla láthatatlanság |
| Ritka fa | 415–4 400 | Hierarchikus vagy alig linkelt, mély láthatatlan farkak |
A legsűrűbb oldal (T6) szinte mindent mindenhez huzaloz: 575 oldal, nagyjából 56 000 link, és 0,3%-os láthatatlansági arány. Köss minden lapot tucatnyi másikhoz, és szinte véletlenül sem árvul el semmi. A másik póluson a T3 ül, 312 oldal 415 linkkel összekötve, ahol a szerkesztői gráf alig létezik, és a tartalom 80%-a elérhetetlen. De a hálósűrűség nem azonos az ellenállóképességgel: a T6 így is pirosat ér el a közösségszerkezeten, mert ha mindent mindenhez huzalozol, eltörlöd azokat a tematikus határokat, amelyekből egy ügynök megérti az oldalt. Az egyik pólus elrejti a tartalmát; a másik feloldja a jelentését. Egyik sem a cél.
Tartalomminőség léptékben
Mind a tíz oldal együtt: 9 038 oldal, 16,2 millió token törzsszöveg, és az eddigi legmagasabb laponkénti szószám a kohorszok között.
| Tartalmi mutató | Mintaátlag (n=10) | Megjegyzés |
|---|---|---|
| Oldal per weboldal | 904 | Medián 1000, tartomány 575–1001 |
| Átlagos szószám per lap | 1099 | A három kohorsz közül a legmagasabb |
| Átlagos tokenszám per lap | ~1843 | Karakter-alapú becslés (hossz / 4) |
| Vékony tartalmú lapok (200 szó alatt) | 14% | Nagyjából a pénzügyi arány fele |
| Belső linkek aránya az összes linkből | 76% belső | Az oldalak a linkek zömét domainen belül tartják |
| Title-tag lefedettség | 99,8% | Szinte univerzális |
| Meta-leírás lefedettség | 88,3% | Egészséges a kohorsz egészén |
A technológia laponként többet ír és kevésbé hígít: a vékony tartalom 14%-on fut, nagyjából a pénzügyi arány felén. A lapok maguk tartalmasak, jól címzettek, jól leírtak. Ez teszi a láthatatlansági megállapítást itt élesebbé, mint bárhol máshol. Ezek nem gyenge lapok, amiket egy ügynök nyugodtan átugorhat. Hosszú, strukturált, schemában gazdag dokumentumok, amikre semmi sem linkel. A legjobb tartalmú szektor a harmadát eltemette.
Mit oszt meg minden technológiai oldal
Ahol az egészségügy a hírszoba, a pénzügy pedig a joghatóság köré szerveződött, a technológiai kohorsz a terméksor, és egyre inkább az AI köré szerveződik. A visszatérő felső szintű szakaszok a termékek, az analitika, a kommunikáció és a jogi rész, de a leggyorsabban növekvő szakasz a mesterséges intelligencia: azon a két oldalon, ahol külön útvonalként megjelenik, már az összes oldal 16%-át nyeli el, ezeken az oldalakon a legnagyobb tartalmi szakasz.
Ez egy fordulat közepén lévő szektor szerkezeti ujjlenyomata. Az AI-szakaszok újak, nagyok, és azokon az oldalakon, ahol megvannak, a leginkább láthatatlanok közé tartoznak: frissen közzétéve, erősen linkelve egy bejelentő cikkből, de még nincsenek beleszőve az oldal törzsébe. A cégek, amelyek a legkeményebben versenyeznek azért, hogy AI-tekintélyként idézzék őket, a saját gráfjuknak épp abba a részébe publikálják az ezt bizonyító tartalmat, amit egy AI-ügynök a legkevésbé tud elérni.
Mit jelent ez az AI-keresési felkészültség szempontjából
Egy AI-ügynöknek, amely a belső linkszerkezetet használja tartalom felfedezésére és rangsorolására, három következmény adódik.
1. A csiszoltság nem elérés. A technológiának minden kohorsz közül a legjobbak a felszíni jelei: szinte univerzális schema, a legalacsonyabb render-függőség, a leghosszabb és legkevésbé hígított lapok. Semmit sem ér, ha semmi sem linkel a lapra. A szektor mindent optimalizált, amit egy ellenőrzőlista mér, és kihagyta az egyetlen dolgot, amit nem: hogy a szerkezet valóban rámutat-e a tartalomra.
2. Kétféleképpen lehet elérhetetlennek lenni, és egy tiszta főcím bármelyiket elrejtheti. Az egyik oldal a tartalmának 80%-át temeti a láthatatlan szintbe; a másik 0% láthatatlant mér, de a lapjainak 74%-át olyan navigációs kereten át vezeti, amit egy ügynök eldob. Mindkettő olvashatatlan egy linkkövető ügynöknek. Egyetlen “láthatatlansági” szám, magában olvasva, a második oldalt tökéletesnek nevezte volna.
3. Az új tartalom a leginkább kitett. Az AI- és termékszakaszok, amelyekbe ezek a cégek a legtöbbet fektetik, a legfrissebbek és a legkevésbé linkeltek. Az, hogy egy asszisztens idézhet-e téged, mára szerkezeti tulajdonság, nem tartalmi, és a jelölés, amely egy oldalt megválaszolhatóvá tesz (az a FAQ- és Q&A-schema, amely a kohorsz strukturált adatának mindössze 6%-a), pontosan az, amit a legtöbbjük nem írt meg.
Egy megjegyzés a presztízsről: azok az oldalak, amelyek a legtöbb tartalmat rejtik el és a legtöbb köztiséget koncentrálják, a kohorsz legismertebb nevei közé tartoznak. A mérnöki hírnév nem vásárol bejárható topológiát. Sőt, a legnagyobb katalógusokat a legnehezebb behuzalozva tartani.
A megoldás szerkezeti, és minden eleme mérhető: linkeld újra a láthatatlan archívumokat a szerkesztői gráfba, mozgasd el a tartalmat a csak-navigációs elérhetőségről, oszlasd el a köztiséget a vállalati csomópontokról, linkeld keresztbe a termék- és AI-szakaszokat egymással, és adj válasz-formájú jelölést azokhoz a lapokhoz, amelyeket idézni szánsz. Ez a Digital MRI szolgáltatás teljes premisszája.
Módszertan
Tíz anonimizált Fortune 500 technológiai oldal, mindegyik ugyanazon a folyamaton átfuttatva: HTTP-first adaptív feltérképezés, 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 technológiai topológiához, semmint pontbecslések a szektorra. Az elérhetőség és a láthatatlanság csak azt a kilenc oldalt használja, amelyek crawlje használható sitemapet rögzített; a topológia, a törékenység, a tartalom és a pontozótábla mind a tízet. A kohorsz a hardver, a félvezetők és a vállalati szoftver felé hajlik; a fogyasztói internetes platformok alulreprezentáltak, mert sokuk a marketingfelületét anti-bot rétegek mögött vagy bejelentkezéshez kötött alkalmazáshéjként szolgálja ki, amely kevés feltérképezhető szerkezetet mutat.
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 megegyezik az IR-002-ben (Pénzügyi szolgáltatások, 2026 Q2) használt modellel; a két jelentés oldalankénti arányai nem közvetlenül összehasonlíthatók, de a közös megállapítás immár három szektoron át áll: az F500-tartalom mérhető hányada minden olyan linkúton kívül ül, amit egy magára hagyott ügynök 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. T1-T10 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, kizárólag 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.