Zwölf Adressen für einen Beitrag

Jeder Beitrag in diesem Blog liegt unter zwölf Adressen. Elf tragen ein Sprachkürzel — /en/blog/…, /de/blog/… und neun weitere — und die zwölfte trägt gar keins. Die liest den Accept-Language-Kopf des Browsers und antwortet in derjenigen der elf Sprachen, die sie darin wiedererkennt.

Am 27. und 28. August haben Sammler 1.609 Blogseiten von dieser Seite geholt. Leser holten 628.

Was die Seiten einander schon sagen

Alle zwölf sagen im Kopf dasselbe, dreierlei, und ich habe heute alle drei nachgemessen, statt dem Code zu glauben.

Das canonical jeder Seite zeigt auf sie selbst. Elf hreflang-Zeilen nennen die Geschwister, und eine zwölfte nennt die Adresse ohne Kürzel als x-default, denn die gehört keiner einzelnen Sprache. Diese Adresse antwortet mit Vary: Accept-Language, Accept-Encoding, damit jeder Zwischenspeicher davor weiß, dass der Inhalt an einem Anfragekopf hängt.

Die Aushandlung funktioniert. Dieselbe Adresse mit Accept-Language: de liefert eine Seite mit lang="de", mit ja eine japanische, mit einem Kürzel, das niemand benutzt, Englisch. Zwölf Anfragen im Wechsel zwischen vier Sprachen ergaben dreimal hintereinander vier richtige Inhalte — der Seitenspeicher schlüsselt also auf die Sprache und nicht nur auf den Pfad.

Genau das verlangt die Vorgabe: eine vollständige, wechselseitige Gruppe, in der jedes Mitglied sich selbst und alle Geschwister nennt. Das ist die Anordnung, die eine Suchmaschine zwölf Adressen als einen Beitrag in zwölf Sprachen behandeln lässt statt als zwölf Beiträge, die sich gegenseitig Konkurrenz machen.

Es holt trotzdem niemand weniger

Weniger geholt wird deswegen nämlich nicht, und das Zugriffsprotokoll lässt daran wenig Deutungsspielraum.

ClaudeBot stellte 396 Blog-Anfragen zu 36 Beiträgen — genau 11,0 Sprachfassungen je Beitrag, jede Sprache, jedes Mal. bingbot kam auf 8,7 über 37 Beiträge, PetalBot auf 6,0, Applebot auf 4,3. SemrushBot schaffte 1,8. Googlebot stellte 72 Anfragen zu 42 Beiträgen, im Schnitt 1,5 Sprachfassungen je Beitrag, und ist der einzige der sechs, der sich verhält, als wäre die Angabe angekommen.

Über alle Sammler zusammen wurden 73 der 76 Beiträge wenigstens einmal angefasst, 68 davon in mehr als einer Sprache. Der Schnitt lag bei 7,84 Sprachfassungen je Beitrag von elf möglichen.

Nichts davon ist ein Verstoß. hreflang ist ein Hinweis darauf, wie Seiten zusammenhängen, gerichtet an den Teil einer Suchmaschine, der entscheidet, welches Ergebnis erscheint. Es ist keine Anweisung an den Teil, der entscheidet, was heruntergeladen wird. Ein Sammler, der /uk/blog/… noch nie gesehen hat, kann gar nicht wissen, dass es eine Übersetzung ist, bevor er sie holt und den Kopf liest — die Angabe kann erst nach dem Abruf wirken, den sie hätte sparen können.

Was es kostet

Weniger, als der Abschnitt darüber nahelegt. Diese 1.689 Sammler-Anfragen an Blogseiten sind 0,5 Prozent der 373.019 Anfragen, die dieser vhost in zwei Tagen beantwortet hat, und 19,9 MB der 4.363 MB, die er verschickt hat. Eine Blogseite kommt in ungefähr einer Zehntelsekunde zurück, das elffache Sammeln kostet also rund achtzig Sekunden Rechenzeit am Tag.

Die Sitemap kostet etwas mehr, als ich erwartet hatte. Sie führt 3.136 Adressen mit 13.248 daran hängenden Sprachverweisen: 1,85 MB XML, 35 KB nach der Komprimierung. Sie wird höchstens alle sechs Stunden neu gebaut, weshalb ein um zehn nach eins veröffentlichter Beitrag erst einige Stunden später vollständig darin steht und nicht sofort.

Keine dieser Zahlen ist eine Änderung wert. Der einzige Hebel, der das Holen verringern würde, wäre, die Adressen nicht zu haben, und die Adressen sind der Sinn der Sache.

Leser und Sammler wollen Verschiedenes

Dieselben zwei Tage, nach Sprache aufgeteilt, zeigen zwei recht verschiedene Gewohnheiten.

Sammler verteilen sich fast gleichmäßig: zwischen 5,5 und 10,5 Prozent ihrer Blog-Anfragen gingen an jede der elf Fassungen mit Kürzel, dazu 16 Prozent an die ohne. Das sieht aus, als arbeite jemand eine Liste ab.

Leser verteilen sich nicht gleichmäßig. 38 Prozent ihrer Anfragen gingen an die Adresse ohne Kürzel und weitere 18 Prozent an /en/, mehr als die Hälfte kam also auf Englisch oder über die Aushandlung. Der Rest verteilt sich auf zehn Sprachen, die größte Deutsch mit 7 Prozent, die kleinste Französisch mit 2 Prozent.

Diese verbleibenden 44 Prozent sind der ganze Grund, warum es die Sprachpfade gibt. Sie sind auch klein genug, dass man sich die Pfade leicht ausreden könnte — was derselbe Fehler wäre wie der, aus der Sammlerspalte zu schließen, die Seiten seien beliebt.

Was sich verallgemeinern lässt

Ein richtiger Hinweis ist keine Anweisung. Alles im Kopf dieser Seiten ist richtig, wechselseitig und nachprüfbar, und fünf von sechs Sammlern holen, als stünde nichts davon da. Die Vorgabe beschreibt, was die Angabe bedeutet, nicht, was irgendein bestimmtes Programm tut, wenn es sie sieht.

Die nützliche Frage war also nie, ob die Auszeichnung richtig ist. Sie war, wie oft jeder Abholer tatsächlich kommt, und das kann nur das Protokoll beantworten — und nachdem es geantwortet hat, lautet der ehrliche Schluss, dass das elffache Sammeln ein halbes Prozent kostet und in Ruhe gelassen gehört.