O Sitemaps.org atualizou pela última vez a página do seu protocolo em novembro de 2016, e essa página exige pouco. Cada elemento url precisa de um filho loc, e "todas as outras tags são opcionais".1 A página de visão geral do site diz que os rastreadores "normalmente descobrem páginas a partir de links" e que um sitemap permite que um rastreador "capte" cada URL listada.2 Um editor que mantém esse arquivo atualizado para os mecanismos de busca já escreveu o documento que o rastreamento de inventário da AdBubbles lê.

Uma conta vazia está a sete etapas do primeiro repasse. A primeira é abrir uma conta de editor, e a segunda é adicionar um site a ela. Verificar o site, por um registro DNS TXT, uma meta tag ou um arquivo enviado, é a terceira. A quarta é a configuração: o escopo, o máximo de bolhas por página e as categorias a excluir. A quinta é colar o script de incorporação, a sexta é um rastreamento opcional das palavras vendáveis do site e a sétima é conectar uma conta do Stripe para os repasses.

Nenhuma das sete instala algo que identifique um leitor. Depois que o script de incorporação roda, três beacons saem de uma página: uma visualização por carregamento, uma abertura quando uma bolha fica visível por um segundo e um clique quando um link é seguido. A AdBubbles não define cookies, não armazena identificadores e não coleta dados pessoais dos leitores. Associamos as palavras de uma página a um anunciante que as comprou; não escolhemos quem vê uma bolha, não seguimos um leitor entre páginas ou sites e não prometemos resultados.

O sitemap é a lista com que o rastreamento de inventário trabalha

Como o índice de inventário é um rastreamento do sitemap de cada site verificado, uma página deixada de fora do arquivo fica de fora da contagem. Segundo a página de visão geral, usar o protocolo "não garante que as páginas da web sejam incluídas nos mecanismos de busca, mas fornece indicações".2 Para um mecanismo de busca, o arquivo é uma indicação; para o rastreamento de inventário, ele é a própria lista.

O padrão complementar indica os caminhos fechados a um rastreador. A RFC 9309, publicada em setembro de 2022, estabelece regras "que os rastreadores devem respeitar ao acessar URIs", em um arquivo chamado /robots.txt.3 O documento deixa claro que essas regras "não são uma forma de autorização de acesso".3 Se o arquivo não existir, um rastreador "PODE acessar quaisquer recursos no servidor".3 Se o arquivo estiver inacessível por causa de um erro do servidor, o rastreador "DEVE presumir bloqueio total", seja o que for que o sitemap liste.3

A verificação usa os três métodos que o Search Console já documenta

A página de ajuda do Search Console do Google descreve a verificação por um arquivo HTML colocado em um determinado endereço, "normalmente o diretório raiz da sua propriedade".4 Uma meta tag vai no elemento head da página inicial. O Search Console "verificará periodicamente a presença dessa tag".4 Para um registro TXT no provedor de domínio, "pode levar até dois ou três dias para que o seu provedor comece a servir o registro".4

O tipo de registro em si é definido na RFC 1035, de novembro de 1987, para "conter texto descritivo" cuja semântica "depende do domínio em que ele se encontra".5 A AdBubbles aceita os mesmos três, então um editor que já verificou um site com o Google já fez um deles antes. Qual usar depende do que o editor pode editar: a zona de DNS, o template do head ou o diretório raiz.

A conta de editor e o script de incorporação não custam nada. Como a sexta etapa só precisa de um site verificado, o rastreamento pode vir antes da quinta, e a sua lista pode ser lida primeiro. Os seletores de escopo e as outras duas configurações estão descritos na referência de configuração, e a página de preços apresenta a divisão.

O máximo por página é o mesmo para uma página longa e para uma curta

A quarta etapa são três configurações. O escopo é a parte de uma página que o script de incorporação pode examinar, por exemplo o elemento article ou o contêiner entry-content. Dentro dele, o script de incorporação ignora títulos, links, código, texto pré-formatado, controles de formulário, navegação, cabeçalho, rodapé e qualquer coisa marcada com data-noads. O máximo de bolhas por página é um número que o editor define. As categorias excluídas são escolhidas entre as que os anunciantes podem comprar; anunciantes de jogos de azar, conteúdo adulto, armas, criptomoedas, suplementos e política são proibidos em todos os sites.

Três regras do script de incorporação importam em uma página longa. Ele sublinha apenas a primeira ocorrência de cada palavra comprada, nunca coloca duas bolhas em um mesmo parágrafo e nunca mostra mais do que o máximo. Suponha que o máximo seja três. Um post de 400 palavras com duas palavras compradas em parágrafos separados mostra duas bolhas, e um artigo de 2.400 palavras com nove mostra três. A página longa tem seis vezes mais texto em que uma palavra comprada pode ocorrer, e é o máximo, e não a contagem de palavras, que limita o que ela mostra.

Das sete etapas, a quinta é a mais curta. O script de incorporação, adbubbles.js, é um único arquivo estático em JavaScript puro, sem dependências, servido pelo cache da Cloudflare, e roda depois que o DOM da página está pronto. A página do Google Search Central sobre links externos diz para "marcar os links que são anúncios ou posicionamentos pagos (comumente chamados de links pagos) com o valor sponsored".6 O sponsored "é preferível" ao nofollow, e vários valores podem dividir uma mesma lista separada por espaços.6 O link dentro de cada bolha é renderizado já com rel="sponsored noopener".

O Stripe coleta a identidade e a conta bancária, e os ganhos se acumulam antes disso

A sétima etapa acontece em um formulário que não é nosso. A documentação do Stripe diz que o seu cadastro hospedado "cuida da coleta de informações empresariais e de verificação de identidade das contas conectadas".7 O formulário "é renderizado dinamicamente com base nas capacidades, no país e no tipo de empresa de cada conta conectada", e o Stripe recomenda coletar os dados da conta bancária durante ele.7 O titular da conta confirma o que foi inserido antes de aceitar o contrato de serviço do Connect do Stripe.7 Um editor que clica em Save for later (salvar para depois) pode terminar mais tarde.7

A conta conectada é do próprio editor, e os repasses chegam a ela mensalmente, na moeda do próprio editor. A parte do editor é de 70% de cada clique em uma bolha nas suas páginas. Os ganhos se acumulam diariamente desde o primeiro dia no ar, quer a conta esteja conectada ou não, então a sétima etapa pode esperar pela primeira bolha.

Em uma página longa, a primeira ocorrência decide a quais palavras o leitor chega

A vantagem do conteúdo longo tem um limite medido. Em 2008, Jakob Nielsen, do Nielsen Norman Group, analisou 45.237 visualizações de página de 25 usuários com navegadores instrumentados.8 "Na página da Web média, os usuários têm tempo de ler no máximo 28% das palavras durante uma visita média; 20% é mais provável."8 As visitas aumentavam "apenas 4,4 segundos a mais para cada 100 palavras adicionais".8 O estudo mediu a leitura, e não anúncios, e estabeleceu que uma página mais longa não é lida em proporção ao seu tamanho.

A consequência decorre da regra da primeira ocorrência. Uma palavra comprada usada pela primeira vez nos parágrafos iniciais está na parte da página em que toda visita começa. Uma usada pela primeira vez na seção final só é alcançada pelos leitores que ficaram. Nenhuma abertura e nenhuma parcela vêm de uma palavra a que nenhum leitor chega. Um site de conteúdo longo tem mais palavras vendáveis do que um de conteúdo curto, e o lugar onde cada uma é usada pela primeira vez decide quais leitores a encontram.