A investigación por Mordy Oberstein de RankRanger identifica un patrón de distancia y agrupamiento en el algoritmo local de Google que el autor afirma ser consistente independientemente de la ubicación del usuario. En otras palabras, muestra si el usuario está buscando desde una ubicación cercana o remota (por ejemplo, un residente o un turista).
El modelo muestra dos resultados locales cercanos entre sí y luego un tercer resultado a una mayor distancia dentro de la presentación del paquete local inicial. Es consistente en computadoras de escritorio y dispositivos móviles, aunque una vez que se expande el mapa o se hace clic en varios resultados, se muestran muchas más ubicaciones.
El modelo se mantuvo después de muchas preguntas en muchas áreas geográficas en la investigación de Oberstein. He intentado recrearlo de forma selectiva y he tenido éxito en numerosos casos (ver arriba). Argumenta que este enfoque puede satisfacer las necesidades del verdadero investigador local, pero no del investigador remoto:
Si bien el modelo de agrupación de paquetes locales 2: 1 de Google es excelente para la persona que busca comer algo en la calle, ¿realmente tiene sentido para un turista potencial de China que quiere ver todo lo que la Gran Manzana tiene para ofrecer? ¿Tiene sentido que los padres intenten encontrar el mejor tratamiento para su bebé que toda la ciudad tiene para ofrecer?
Oberstein sostiene que Google debería desarrollar un algoritmo menos estereotipado y más dinámico para el paquete local que refleje o capture mejor la intención potencial del buscador (es decir, cerca o remota). Esta es una recomendación razonable, aunque no estoy seguro de lo que está en juego aquí.
Los usuarios siempre pueden expandir el mapa o ejecutar consultas de seguimiento según lo deseen.
Las opiniones expresadas en este artículo son las del autor invitado y no necesariamente de Una Aguja En Un Pajar. Los autores del personal se enumeran aquí.
Sobre el Autor
Greg Sterling
Greg Sterling es editor colaborador de Una Aguja En Un Pajar, miembro del equipo de programación de eventos SMX y vicepresidente de Market Insights en Uberall.