Unter dem Trustrank (dt. Vertrauensgrad) versteht man einen Algorithmus, der von Google angewandt wird, um die Qualität einer Website zu ermitteln. Google spricht mit dem Trustrank einer Website eine mehr oder weniger hohe Vertrauenswürdigkeit zu.

Entwicklung des TrustRank

Der TrustRank wurde 2004 von Zoltán Gyöngyi, Hector Garcia-Molina und Jan Pederson entwickelt. Während der PageRank hauptsächlich auf der Anzahl von Backlinks basiert, so bezieht der TrustRank hingegen auch die Qualität der verweisenden Websites mit ein.

Funktionsweise und Auswirkungen des TrustRank

Google ermittelt den TrustRank durch eine manuelle Prüfung von besonders vertrauenswürdigen Seiten. Diese Websites geben dann Trust (Vertrauen) auf verlinkte Webseiten weiter. Der Ansatz des Trustrank-Verfahrens ist, dass Webseiten, die von vertrauenswürdigen Seiten (trust für engl. Vertrauen) verlinkt werden, selbst vertrauenswürdig sind, während Spam-Seiten selten oder nie von vertrauenswürdigen Seiten verlinkt werden. Dies sollen als Grundlage für die Trust-Beurteilung dienen, ausgehend von der Annahme, dass es sehr unwahrscheinlich ist, dass diese Seiten direkt auf Spam-Seiten verlinken.

In den Arbeiten von Gyöngyi, Garcia-Molina und Pederson wird in diesem Zusammenhang eine Auswahl von rund 200 Seiten angegeben. Diese Seiten haben den höchsten TrustRank, weil sie keinerlei Spam aufweisen und Google den Inhalten zu 100 Prozent vertraut. Es ist davon auszugehen, dass sich darunter u.a. Universitätsseiten, Open-Source-Projekte und Seiten von öffentlichen Einrichtungen befinden.

Weiterhin werden alle ausgehenden Links von diesen Webseiten automatisch erfasst. Webseiten, die auf direktem Weg von diesem vertrauenswürdigen Ursprung einen Link erhalten werden von Google ebenfalls als vertrauenswürdig eingeschätzt, allerdings mit einem etwas geringeren Trust-Wert. Mit jedem weiteren Link zu einer anderen Website verringert sich der TrustRank der verlinkten Website. Je weiter also eine Website, von der ursprünglichen vertrauenswürdig eingestuften Website, entfernt ist desto geringer der TrustRank der an die Webseite weitergegeben wird. Erhält eine Website jedoch mehrere Backlinks von unterschiedlichen Seiten kann der TrustRank wieder steigen sofern die anderen verweisenden Webseiten ebenfalls über einen guten TrustRank verfügen.

Wird eine Website jedoch von anderen Webseiten verlinkt die einen niedrigen oder negativen TrustRank aufweisen, so spricht man bei diesen (negativen) Backlinks von „Bad Neighbourhood“. Dies führt dazu, dass das Ranking einer Website unter den Backlinks leidet und die Website zu relevanten Suchbegriffen in der Google Suche schlechtere bis gar keine Platzierungen erzielt und somit schlechter auffindbar ist.

Oftmals entstehen unbewusst negative Backlinks und wirken sich negativ auf das Ranking einer Website aus. Ob dies der Fall ist lässt sich mit einer Backlink-Analyse ermitteln. Sind die negativen Backlinks identifiziert, lassen sich diese dann entweder gezielt abbauen oder per Google Disavow Verfahren entwerten, indem man Google mit diesem bestimmten Verfahren mitteilt, dass man sich von diesen Links distanziert. Sie werden dann nicht mehr im Ranking mit einbezogen und das Ranking der Website verbessert sich. Dies kann u.U. ein sinnvoller Ansatz bei der Suchmaschinenoptimierung sein und sollte daher unbedingt von einer SEO-Agentur geprüft werden.

Berechnung des TrustRank

Eine einfache Variante zur Berechnung des TrustRank-Wertes wird durch TrustRank = M-1 * X beschrieben, wobei die Matrix M analog zum PageRank durch M = 1 – d T mit
Tij = 1 / Cj (falls Seite j zu Seite i linkt) Tij = 0 (sonst) definiert ist, d einen Dämpfungsfaktor darstellt und X der Vektor mit den Quellen der vertrauenswürdigen Seiten ist.

Der inverse PageRank ist durch Minv-1 * Xinv mit Minv = 1 – dinv Tinv definiert. Die inverse Übergangsmatrix Tinv ist durch Tij = 1 / nj (falls Seite i zu Seite j linkt) Tij = 0 (sonst) gegeben, dinv ist ein weiterer Dämpfungsfaktor, Xinv ist der Vektor mit den Quellen der nicht vertrauenswürdigen Seiten und nj ist die Anzahl von eingehenden Links auf Seite j. Minv ist weder die transponierte noch die inverse Matrix von M.

Während die normale Übergangsmatrix T durch die eingehenden Links definiert ist, ist Tinv von den ausgehenden Links abhängig. Dieses Maß für die Unseriosität propagiert damit rückwärts. Demzufolge gelten Seiten als unseriös, die zu unseriösen Seiten linken. Demgegenüber gelten Seiten als vertrauenswürdig, die Links von vertrauenswürdigen Seiten bekommen.