PageRank là mô hình phân tích mạng liên kết để ước tính mức độ quan trọng tương đối của từng trang. Ý tưởng cốt lõi là: một trang nhận liên kết từ các trang quan trọng có thể được xem là quan trọng hơn một trang chỉ nhận nhiều liên kết từ các nguồn ít giá trị.
Google xác nhận PageRank vẫn là một phần trong các hệ thống xếp hạng cốt lõi, nhưng cách hoạt động hiện nay đã phát triển rất xa so với công thức công bố ban đầu. Chủ website không có điểm PageRank nội bộ để xem, không thể quy đổi trực tiếp từ DA, DR hoặc Authority Score và cũng không thể bảo đảm thứ hạng bằng cách “tăng điểm PageRank”.
Bài viết này giải thích mô hình gốc, cách đọc công thức đúng phạm vi và cách ứng dụng tư duy đồ thị liên kết vào internal link, backlink và audit website mà không dùng PBN, link scheme hoặc PageRank sculpting lỗi thời.
PageRank là gì và điều gì không thể đo từ bên ngoài?
PageRank được Larry Page và Sergey Brin phát triển trong dự án công cụ tìm kiếm tại Stanford. Mô hình nhìn web như một đồ thị: mỗi trang là một nút, mỗi liên kết là một cạnh, và “người lướt web ngẫu nhiên” có xác suất đi từ trang này sang trang khác qua các liên kết.
Theo hướng dẫn về hệ thống xếp hạng của Google, PageRank là một trong các hệ thống phân tích cách các trang liên kết với nhau; nó tiếp tục là một phần của core ranking systems nhưng đã thay đổi nhiều kể từ mô hình gốc. Google không công bố công thức sản xuất, trọng số hiện hành hoặc điểm của từng URL.
| Khái niệm | Ai tạo? | Phạm vi | Có phải điểm PageRank của Google? |
|---|---|---|---|
| PageRank | Google/nguồn gốc từ nghiên cứu Stanford | Phân tích cấu trúc liên kết ở cấp trang trong hệ thống Search. | Có liên quan trực tiếp, nhưng giá trị nội bộ không được công khai. |
| Domain Authority | Moz | Metric dự đoán của bên thứ ba ở cấp domain. | Không. |
| Domain Rating | Ahrefs | Metric bên thứ ba về sức mạnh backlink tương đối của domain. | Không. |
| Authority Score | Semrush | Metric tổng hợp theo mô hình riêng của nền tảng. | Không. |
| Page Authority/URL Rating | Công cụ SEO bên thứ ba | Ước tính ở cấp URL theo dữ liệu và công thức riêng. | Không. |
Các metric bên thứ ba hữu ích để so sánh trong cùng một công cụ và cùng thời điểm, nhưng không nên lấy một ngưỡng DA/DR làm bằng chứng rằng trang sẽ xếp hạng. Chúng không thấy toàn bộ dữ liệu, chính sách và hệ thống mà Google sử dụng.
PageRank hoạt động như thế nào trong mô hình cổ điển?
Mô hình cổ điển không đếm backlink theo kiểu “một link bằng một phiếu”. Giá trị một liên kết phụ thuộc vào PageRank của trang nguồn và số liên kết ra mà trang đó phân phối. Việc tính toán được lặp nhiều vòng trên toàn đồ thị cho tới khi các giá trị hội tụ.
Một cách viết đơn giản thường gặp trong tài liệu nhập môn là:
PR(A) = (1 - d) + d * Σ [PR(Bᵢ) / L(Bᵢ)]
Trong đó, Bᵢ là các trang liên kết tới A, L(Bᵢ) là số liên kết ra của từng trang nguồn và d là damping factor trong mô hình random-surfer. Một cách chuẩn hóa theo phân phối xác suất trên N trang có thể được viết:
PR(A) = (1 - d) / N + d * Σ [PR(Bᵢ) / L(Bᵢ)]
Giá trị d = 0,85 thường được dùng trong paper và ví dụ học thuật. Không nên trình bày 0,85 như tham số sản xuất hiện hành của Google, vì triển khai thực tế không được công bố và đã tiến hóa nhiều.
Ví dụ đồ chơi để hiểu phép phân phối
Giả sử một đồ thị chỉ có 4 trang; B có giá trị tạm thời 0,40 và hai liên kết ra, C có giá trị 0,20 và một liên kết ra; cả B và C cùng trỏ tới A. Một vòng cập nhật minh họa với d = 0,85 là:
PR(A) = (1 - 0.85) / 4 + 0.85 * [(0.40 / 2) + (0.20 / 1)] PR(A) = 0.0375 + 0.85 * 0.40 PR(A) = 0.3775
Đây chỉ là một vòng tính trên dữ liệu giả định, không phải “điểm cuối” và càng không phải cách dự báo thứ hạng Google. PageRank phải được tính lặp trên toàn đồ thị; dangling pages, teleportation vector, canonicalization, link qualification và nhiều xử lý khác làm bài toán thực tế phức tạp hơn.
Đọc mô hình gốc tại The Anatomy of a Large-Scale Hypertextual Web Search Engine. Paper giúp hiểu lịch sử và nguyên lý; không nên coi nó là tài liệu mô tả đầy đủ Google Search hiện tại.
PageRank còn vai trò gì trong SEO hiện đại?
PageRank vẫn giúp Google phân tích mạng liên kết, nhưng một trang không xếp hạng chỉ nhờ nhận nhiều liên kết. Google dùng nhiều hệ thống để hiểu truy vấn, nội dung, độ mới, ngữ cảnh, spam, trải nghiệm và mức hữu ích. Không có danh sách “hơn 200 yếu tố” chính thức mà SEO có thể chấm điểm như checklist.
| PageRank/link analysis có thể hỗ trợ | Không thể tự bảo đảm |
|---|---|
| Giúp Search khám phá quan hệ giữa các trang. | URL chắc chắn được crawl, index hoặc xếp hạng. |
| Phân tích mức độ quan trọng tương đối trong đồ thị liên kết. | Trang phù hợp với search intent hoặc nội dung đủ hữu ích. |
| Truyền ngữ cảnh qua anchor và trang nguồn. | Exact-match anchor sẽ làm thứ hạng tăng. |
| Giúp URL quan trọng nhận đường dẫn từ hub, category và bài liên quan. | Trang có traffic cao luôn có PageRank cao. |
| Góp phần vào đánh giá link trong hệ thống xếp hạng. | Một backlink từ báo chí luôn tốt hơn 100 link khác trong mọi tình huống. |
E‑E‑A‑T là khung khái niệm trong hướng dẫn đánh giá chất lượng và cách Google giải thích nội dung đáng tin, không phải một “điểm PageRank” hoặc một ranking factor đơn lẻ có thể đo. Tương tự, bounce rate và thời gian ở lại trang không nên được gọi là tín hiệu trực tiếp làm tăng PageRank.
External links tới nguồn đáng tin cũng không phải hành động “làm mất uy tín” theo cách tuyến tính. Khi liên kết giúp người đọc kiểm chứng claim hoặc đi tới tài liệu gốc, nó có giá trị biên tập. Không nên giữ mọi outbound link chỉ vì sợ “rò rỉ link juice”.
Cách cải thiện kiến trúc liên kết mà không thao túng PageRank
Vì không có điểm PageRank công khai, mục tiêu thực hành nên là xây một đồ thị liên kết dễ crawl, đúng URL ownership và hữu ích cho người đọc. Hãy đo các tín hiệu quan sát được thay vì hứa “tăng PR”.
| Hạng mục | Việc nên làm | Không nên làm | Evidence |
|---|---|---|---|
| Internal link | Dùng thẻ <a href> crawlable; anchor ngắn, mô tả đúng; liên kết hub ↔ supporting và informational → commercial khi phù hợp. | Nhồi exact-match anchor, link mọi trang tới mọi trang hoặc tạo footer link hàng loạt. | Crawl graph, depth, inlinks, orphaned URLs và click nội bộ. |
| URL ưu tiên | Xác định URL owner cho từng intent và đặt đường đi từ navigation, category hoặc trang liên quan. | Đẩy một supporting article cạnh tranh với service page chỉ vì nó có backlink. | Query × page, canonical, conversion và internal link map. |
| Backlink | Tạo tài sản đáng trích dẫn, outreach đúng độc giả và nhận liên kết biên tập có ngữ cảnh. | Mua link truyền ranking credit, dùng PBN, phần mềm tạo link hoặc trao đổi quá mức. | URL nguồn, ngữ cảnh, referral, brand mention và qualified outcomes. |
| Liên kết thương mại | Dùng rel="sponsored" hoặc nofollow cho quảng cáo/tài trợ; ugc cho nội dung người dùng khi phù hợp. | Ngụy trang paid link thành editorial link. | Link ledger, hợp đồng, disclosure và thuộc tính rel. |
| External citation | Liên kết tới nguồn hỗ trợ claim gần nhất. | Xóa link nguồn chỉ để “giữ PageRank”. | Claim–source mapping và link QA. |
Google khuyến nghị liên kết crawlable bằng phần tử <a> có href và anchor text mô tả, súc tích, liên quan. JavaScript navigation không có URL thật, anchor rỗng và link không giải quyết nhu cầu người đọc đều làm kiến trúc khó hiểu hơn.
nofollow, sponsored và ugc hiện được Google xử lý như các “hint”, không phải van cơ học để chia hoặc khóa PageRank theo công thức. Vì vậy, PageRank sculpting bằng cách nofollow hàng loạt internal link không phải chiến lược nên dùng. Hãy sửa kiến trúc, giảm URL thừa và liên kết đúng nhiệm vụ.
PBN hoặc mạng site được dựng chủ yếu để truyền liên kết có thể thuộc link spam. Google liệt kê mua/bán link, trao đổi quá mức, chương trình tự động và nội dung giá trị thấp được tạo để thao túng linking/ranking signals là các hành vi vi phạm chính sách.
Checklist audit PageRank thực hành và kết luận
Bạn không thể audit “điểm PageRank nội bộ”, nhưng có thể audit các điều kiện khiến mạng liên kết hoạt động tốt hoặc bị lạm dụng.
- URL quan trọng có ít nhất một internal link crawlable từ trang liên quan không?
- Có trang quan trọng bị orphaned, quá sâu hoặc chỉ được tìm thấy trong sitemap không?
- Anchor có mô tả đúng trang đích và không lặp exact-match máy móc không?
- URL owner có rõ, hay nhiều trang đang cạnh tranh cùng intent?
- Canonical, redirect và status code có làm tín hiệu bị phân tán sang URL không mong muốn không?
- Backlink có giá trị biên tập, độc giả thật và quan hệ thương mại được khai báo không?
- Có PBN, link trả phí, widget/footer link hoặc campaign tự động cần dừng và xử lý không?
- External citation có hỗ trợ claim, hay đang được thêm/xóa chỉ vì ám ảnh “link juice”?
- Thay đổi internal link có được ghi ngày, kiểm tra crawl và theo dõi query/page sau triển khai không?
| KPI quan sát được | Dùng để đánh giá | Giới hạn |
|---|---|---|
| Internal inlinks và crawl depth | URL ưu tiên có được kết nối hợp lý trong site không. | Không phải điểm PageRank. |
| Orphaned/redirect/404 | Đồ thị có bị đứt hoặc phân tán tín hiệu không. | Công cụ crawl chỉ thấy những URL nó khám phá được. |
| Search Console query × page | URL owner nào đang được Google phục vụ và thay đổi sau chỉnh sửa. | Tương quan không chứng minh PageRank là nguyên nhân. |
| Referral và qualified conversion | Liên kết ngoài có đưa đúng người dùng tới trang không. | Không đo ranking credit nội bộ. |
| Backlink inventory | Nguồn, anchor, quan hệ và rủi ro link spam. | Công cụ bên thứ ba không có toàn bộ dữ liệu Google. |
Kết luận: PageRank không lỗi thời, nhưng “điểm PR” công khai và tư duy săn link để đẩy số đã lỗi thời. Hãy dùng PageRank như mô hình giúp hiểu rằng cấu trúc liên kết có trọng số và có tính lặp; sau đó tối ưu bằng URL ownership, internal link crawlable, nguồn trích dẫn thật, rel đúng quan hệ và kiểm soát link spam.
Thay vì hỏi “làm sao tăng PageRank”, hãy hỏi: trang nào cần được tìm thấy, trang nào đang sở hữu intent, liên kết này giúp người đọc làm gì, nguồn có đáng tin không và thay đổi sẽ được xác minh bằng dữ liệu nào. Đây là cách biến lý thuyết PageRank thành quyết định SEO có thể quản trị.
Nếu bạn đang học SEO từ nền tảng, hãy đọc SEO là gì và lộ trình tự học SEO từ A–Z để đặt PageRank đúng vị trí trong toàn bộ hệ thống crawl, index, nội dung, liên kết và đo lường.
Đoàn Trình Dục là Giảng viên Khoa Công nghệ Thông tin tại Đại học Công nghệ Sài Gòn (STU), với hơn 10 năm kinh nghiệm thực chiến trong các lĩnh vực Mạng máy tính, Marketing Online, SEO và Bảo mật hệ thống.
Với nền tảng sư phạm và kinh nghiệm tư vấn cho nhiều doanh nghiệp, thầy chuyên sâu vào việc xây dựng các giải pháp kỹ thuật số toàn diện và hiệu quả.
