حالة الويب متعدد اللغات 2026

الترجمة موجودة، لكن التوطين المتكامل غالبًا ما يغيب.

أوضح ما أظهره الزحف ليس مجرد أن المحتوى متعدد اللغات الذي جرى التحقق منه مباشرةً لم يكن موجودًا إلا في أقلية من المواقع الكبرى التي أمكننا تصنيفها، بل إن نشر المحتوى بلغة أخرى ليس سوى الطبقة الأولى من التنفيذ. فكثيرًا ما تتأخر بنية عناوين URL، والتوصيفات اللغوية، والبيانات الوصفية، وقابلية الزحف، والاتساق على مستوى الصفحات عن مواكبة ترجمة المحتوى الأساسي.

ما مدى انتشار تعدد اللغات في المواقع الكبرى؟

من بين المواقع الكبرى القابلة للتصنيف التي حُلّلت بنجاح ضمن عينة GlotEO المستندة إلى Tranco، جرى التحقق مباشرةً من وجود محتوى متعدد اللغات في 26.3% (5,845 / 22,185) منها ضمن لقطة HTML الثابتة. ولم يكن التصنيف ضمن الفئة «المؤكدة» يقتصر على وجود قائمة لاختيار اللغة، أو سمة lang، أو وسم hreflang؛ بل كان يتطلب أن يجلب الزاحف عنوان URL بديلًا واحدًا على الأقل تختلف لغة محتواه الرئيسي عن لغة الصفحة الرئيسية، مع وجود نص رئيسي لا يقل عن 200 حرف في كلتا الصفحتين.

يجعل هذا التعريف تأكيد تعدد اللغات أصعب عمدًا من مجرد رصد ترميز تحسين محركات البحث الدولي. فهو يميّز بين «الموقع يعلن عن نسخة محلية أخرى» و«لقد جلبنا فعلًا محتوى جوهريًا بلغة أخرى».

اختيار المقام مهم. فمن أصل 25,005 مواقع حُلّلت بنجاح، بقي تصنيف 2,820 موقعًا غير محسوم. وأبقتها GlotEO ضمن فئة مستقلة بدلًا من إدراجها قسرًا ضمن المواقع أحادية اللغة. وعند احتساب جميع المواقع التي حُلّلت بنجاح في المقام، بلغت نسبة المواقع المؤكد تعدد لغاتها 23.4% (5,845 / 25,005)، والمواقع المرجح تعدد لغاتها 14.4%، والمواقع أحادية اللغة 50.9%، والمواقع غير المحسومة 11.3%.

تبلغ النسبة في تحليل الحساسية الثانوي 42.6% (9,448 / 22,185) عند جمع الفئتين المؤكدة والمرجحة. وهي مفيدة لفهم المواقع التي تظهر إشارات قوية تدل على تعدد اللغات، لكن لم تُجلب منها صفحة بديلة تستوفي المعايير؛ وليست النسبة الرئيسية لتبنّي تعدد اللغات.

كانت المواقع الأبرز أكثر احتمالًا بكثير لأن تكون متعددة اللغات

بلغت نسبة المواقع ذات المحتوى متعدد اللغات المؤكد 40.1% (192 / 479) من المواقع القابلة للتصنيف ضمن فئة أول 1,000 موقع في ترتيب Tranco. وانخفضت إلى 30.4% في المراتب 1,001–10,000، وإلى 27.6% في المراتب 10,001–25,000، ثم إلى 22.0% (1,845 / 8,394) في فئة ما بعد المرتبة 25 ألفًا.

يظل هذا النمط قائمًا بعد فحص مهم للتحقق من معقولية النتائج: فقد ارتفعت نسبة نجاح الجلب فعليًا مع تراجع الترتيب، من 53.6% بين النطاقات التي جرت محاولة تحليلها ضمن أول 1,000 موقع، إلى 63.3% ضمن فئة ما بعد المرتبة 25 ألفًا. بعبارة أخرى، لا يمكن تفسير التدرّج في تبنّي تعدد اللغات بمجرد أن الزاحف يفشل بوتيرة أكبر في جلب النطاقات ذات الترتيب الأدنى.

اقتُطعت عينة فئة ما بعد المرتبة 25 ألفًا عند بلوغ الحد الأقصى المحدد: إذ بقي 2,351 نطاقًا مرشحًا عند الوصول إلى سقف التحليلات الناجحة. لذا ينبغي اعتبار هذه النتيجة خاصة بالفئة ضمن العينة المحلّلة، لا حصرًا مكتملًا للمواقع في ذيل الترتيب.

ما تعلن عنه المواقع ليس دائمًا ما يستطيع الزاحف التحقق منه

في المواقع المؤكد تعدد لغاتها، فصلت الدراسة بين مفهومين للغات. فقد حُدّدت اللغات المرصودة من المحتوى الرئيسي للصفحات التي جُلبت فعلًا، بينما استُمدت اللغات المعلَن عنها من توصيفات hreflang. وهذا التمييز مهم، لأن الوسم قد يعلن عن لغة لا يصل إليها الزحف المحدود مطلقًا، كما قد يكتشف الزاحف صفحات بلغات بديلة غير مُعلنة في hreflang.

بين المواقع الـ5,845 المؤكد تعدد لغاتها، بلغ وسيط عدد اللغات المرصودة 3، وبلغ المتوسط 3.13. وظهرت لغتان مرصودتان بالضبط في ما يقارب نصف هذه المواقع، أي 46.8%. كما ظهرت ثلاث لغات في 16.1% منها، وأربع لغات في 14.1%، بينما بلغت 23.0% منها الحد الأقصى لأداة القياس، وهو خمس لغات مرصودة.

توضح المقارنة بين اللغات المعلَنة والمرصودة لماذا لا تكفي إشارة واحدة. فقد تجاوز عدد اللغات المعلَنة عدد اللغات المرصودة في 38.7% (2,262 / 5,845) من المواقع المؤكدة. وتجاوز العدد المرصود العدد المعلَن في 34.1% (1,991 / 5,845). وتساوى العددان، مع كونهما أكبر من الصفر، في 27.2% من المواقع.

كذلك، لم تُسجَّل أي لغة معلَنة لدى 30.5% (1,780 / 5,845) من المواقع المؤكدة في الحقل المستمد من hreflang ضمن الدراسة، رغم تحقّق الزاحف من وجود محتوى رئيسي بلغات بديلة. وهذه زاوية أخرى تُظهر الفجوة بين نشر ترجمة وتوضيح العلاقة بين النسخ اللغوية والمحلية صراحةً بترميز قابل للقراءة آليًا.

هناك مقياس آخر يستدعي عناية خاصة في صياغته: كان لدى 40.4% من المواقع المؤكدة رمز لغة معلَن واحد على الأقل لم يظهر ضمن مجموعة اللغات الموجودة في المحتوى الأساسي للصفحات المجلوبة. وهذا ليس دليلًا على أن تلك المواقع تعلن عن ترجمات غير موجودة. فمن الممكن ببساطة أن تحتوي صفحة خارج نطاق الزحف المحدود بخمس صفحات على اللغة المعلَنة. والاستنتاج المفيد أضيق نطاقًا: فتصريحات hreflang والزحف المحدود إلى المحتوى الفعلي للصفحات يصفان جانبين مختلفين من النظام.

بالنسبة إلى القائمين على المواقع، يشير ذلك إلى سؤالين منفصلين لضمان الجودة. أولًا: هل يستطيع الزاحف الوصول إلى صفحات ذات محتوى فعلي بكل لغة تنوون النشر بها؟ ثانيًا: هل تربط التعليقات التوضيحية القابلة للقراءة آليًا الخاصة باللغة والمنطقة هذه الصفحات ببعضها بدقة؟ اجتياز أحد الاختبارين لا يضمن اجتياز الآخر.

المجلدات الفرعية هي الأكثر شيوعًا، لكن بنية عناوين URL متعددة اللغات لا تزال متنوعة

من بين 5,845 موقعًا مؤكدًا متعدد اللغات، استخدم 51.6% (3,015) المجلدات الفرعية بوصفها النمط الأساسي المرصود لعناوين URL. وجاءت البنى الهجينة تاليةً بنسبة 17.9%، ثم الأنماط غير المعروفة بنسبة 13.0%، والنطاقات الفرعية بنسبة 8.6%، ونطاقات المستوى الأعلى لرموز البلدان (ccTLDs) بنسبة 8.3%. وكان التوطين باستخدام المعلمات نادرًا بنسبة 0.5%، والتوطين على عنوان URL نفسه أكثر ندرةً بنسبة 0.1%.

هذه نتيجة تقيس مدى الانتشار، وليست ترتيبًا للأفضل في تحسين محركات البحث. فالمجلدات الفرعية شائعة في العينة، لكن الدراسة لم تختبر ما إذا كانت تتفوق في الأداء على النطاقات الفرعية أو نطاقات المستوى الأعلى لرموز البلدان.

إرشادات خارجية: Google Search Central — إدارة المواقع متعددة المناطق واللغات ↗.

فجوة hreflang: قد توجد ترجمات من دون خريطة تربطها وتكون قابلة للقراءة آليًا

وُجد hreflang في 69.7% (4,076 / 5,845) من المواقع المؤكدة متعددة اللغات. وهذا يعني أن 30.3% (1,769 / 5,845) منها احتوت على محتوى رئيسي بلغات بديلة جلبه GlotEO بالفعل، لكن لم يُرصد فيها hreflang عبر HTML أو ترويسات HTTP Link أو ترميز XHTML في خريطة الموقع.

هذا التمييز مهم لأن hreflang تعليق توضيحي، وليس أداة للكشف عن الترجمات. فوجوده لا يثبت وجود محتوى فعلي بلغات بديلة، وغيابه لا يثبت أن الترجمة مفقودة. وقد قاست الدراسة الأمرين بصورة مستقلة.

عندما وُجد hreflang في المواقع المؤكدة، كانت نتائج معظم الفحوص التقنية جيدة نسبيًا. فمن بين 4,076 موقعًا مؤكدًا يستخدم hreflang، استخدم 86.8% رموز لغات صالحة، واستخدم 98.2% عناوين URL مطلقة، وضمّن 91.1% إشارات إلى الصفحة نفسها، ووضع 96.0% التعليقات التوضيحية في قسم head من HTML حيثما انطبق ذلك، واحتوى 86.6% على تعليقات توضيحية متبادلة ضمن الحالات البالغ عددها 4,006 التي انطبق عليها الفحص.

إجمالًا، اجتاز 72.2% (2,944 / 4,076) جميع الفحوص المنطبقة التي قاستها الدراسة، باستثناء x-default. وظهر x-default لدى 65.2% من المواقع المؤكدة التي تستخدم hreflang، لكن غيابه يُعامَل هنا بوصفه خيارًا متعلقًا بنطاق التغطية، لا إخفاقًا تلقائيًا في الالتزام بالمواصفة.

إرشادات خارجية: Google Search Central — إبلاغ Google بالنسخ المخصّصة للغات والمناطق المختلفة ↗.

ظهرت أبرز نقاط الضعف بعد ترجمة المحتوى الرئيسي

بعد التأكد من أن الموقع متعدد اللغات، يبقى السؤال عن مدى اكتمال التنفيذ. يُظهر تحليل GlotEO للمكوّنات أن بعض الإشارات البنيوية كانت شائعة، في حين كانت البيانات الوصفية الموجّهة لمحركات البحث والبيانات المنظَّمة وروابط النسخ البديلة في خرائط الموقع أقل اكتمالًا بكثير.

يمثّل التنقّل بين اللغات مثالًا آخر على الفرق بين «العثور على لغة أخرى» و«توفير الواجهة أداة تقليدية لاختيار اللغة». فقد رُصد رابط لاختيار اللغة يمكن للزاحف تتبّعه في 33.0% (1,927 / 5,845) من المواقع التي تأكّد تعدد لغاتها، وأداة اختيار تعتمد على JS فقط في 1.3%، بينما لم تُرصد أي أداة اختيار في 65.8%. ولا ينبغي تفسير النسبة الأخيرة على أنها نسبة إخفاق في تجربة المستخدم، إذ أمكن للزاحف التأكد من وجود محتوى بديل عبر مسارات أخرى.

أدوات اختيار اللغة مفيدة، لكنها ليست دليلًا على التوطين

أداة اختيار اللغة هي وسيلة للتنقّل. قد يبدو ذلك بديهيًا، لكنه تمييز مهم في البحث. فقد تعرض قائمة منسدلة عشر لغات حتى عندما يعجز الزاحف عن التحقق من وجود محتوى بديل فعلي، بينما قد يتيح موقع متعدد اللغات الوصول إلى الصفحات البديلة عبر عناصر التنقّل أو خرائط الموقع أو أنماط عناوين URL الخاصة باللغة والمنطقة، دون عرض أداة تقليدية لاختيار اللغة في عيّنة HTML المفحوصة. ولهذا لم يعتمد نظام التصنيف قط على أداة اختيار اللغة وحدها لتأكيد تعدد اللغات.

ينطبق المبدأ نفسه على hreflang ونطاقات المستوى الأعلى لرموز البلدان (ccTLDs) وhtml lang. فكل منها إشارة مفيدة، لكن لا يمثّل أيٌّ منها المحتوى نفسه. وقد صُمّم معيار التأكيد الأكثر صرامة في الدراسة، والمتمثّل في جلب محتوى رئيسي وافٍ بلغة بديلة، لتجنّب تحويل شيوع الترميز إلى رقم مبالغ فيه لمدى اعتماد تعدد اللغات.

قد تُخفي إعادة التوجيه التلقائية المسار البديل

رُصدت إعادة توجيه تلقائية حسب اللغة والمنطقة في 15.5% من المواقع التي تأكّد تعدد لغاتها. ولم يحاول GlotEO تجاوز عمليات إعادة التوجيه تلك بتزييف تفضيلات اللغة، كما لم يُرسل الزاحف ترويسة Accept-Language. وهذا مهم لأن الموقع الذي يختار اللغة والمنطقة استنادًا إلى سياق الطلب قد يتيح للزاحف مجموعة من الصفحات تختلف عمّا يتيحه موقع تكون لكل لغة فيه عناوين URL يمكن الوصول إليها بصورة مستقلة.

وتوصي Google أيضًا بإتاحة التبديل بين النسخ اللغوية للمستخدمين، وتحذّر من أن إعادة التوجيه التلقائية قد تمنع المستخدمين ومحركات البحث من الاطلاع على جميع النسخ. ولا يقيس البحث أثر إعادة التوجيه في ترتيب نتائج البحث، بل يسجّل مدى تكرار ظهور هذا السلوك في العيّنة التي تأكّد تعدد لغاتها.

لا يزال توطين البيانات المنظَّمة وخرائط المواقع محدودًا

حصل 19.2% فقط (1,125 / 5,845) من المواقع المؤكَّدة على الدرجة الكاملة في مكوّن البيانات المنظَّمة inLanguage ضمن الدراسة، وحصل 11.9% فقط (693 / 5,845) على الدرجة الكاملة للبدائل اللغوية بصيغة XHTML في خرائط المواقع. وهذه ليست متطلبات عامة تنطبق على كل موقع متعدد اللغات، لذا لا ينبغي اعتبار انخفاض استخدامها «معدل أخطاء» بصورة مباشرة. والأدق فهمها على أنها طبقات إضافية قابلة للقراءة آليًا، لم يستخدمها بالكامل سوى عدد قليل نسبيًا من المواقع المؤكَّدة في العينة.

تُظهر هذه النتائج مجتمعةً سبب سهولة الوقوع في التبسيط المفرط عند تدقيق المواقع متعددة اللغات. فقد يترجم فريقٌ المحتوى الرئيسي ترجمة صحيحة، وينشر عناوين URL سليمة للنسخ المحلية، ويضبط إشارات العناوين الأساسية بإحكام، مع بقاء ثغرات في البيانات الوصفية أو خرائط المواقع أو البيانات المنظَّمة أو التنقل بين اللغات. وفي المقابل، قد يتمتع الموقع بترميز ممتاز بينما تظل الصفحة المترجمة نفسها غير مكتملة. لذا يجب أن يفحص التدقيق المفيد المحتوى والتنفيذ التقني المحيط به معًا.

يكشف مؤشر GlotEO Multilingual Web Score عن تفاوت واسع في التنفيذ

مؤشر GlotEO Multilingual Web Score (GMWS) هو مؤشر لاكتمال التنفيذ يتراوح من 0 إلى 100، ويُحسب فقط للمواقع المؤكَّدة متعددة اللغات البالغ عددها 5,845 موقعًا. وهو ليس عاملًا من عوامل الترتيب في Google، ولا تقييمًا وفق معايير E-E-A-T، ولا تقييمًا للويب ككل.

بلغ وسيط درجات المواقع المؤكَّدة 75، بمتوسط 67.1، ومئين خامس وعشرين قدره 50، ومئين خامس وسبعين قدره 83. وللتوزيع ذيل أيسر ملحوظ: فقد حصل 15.0% من المواقع المؤكَّدة على درجات بين 20 و39، في حين حصلت نسبة أخرى بلغت 36.6% على درجات بين 80 و100.

تكمن فائدة المؤشر في أن مكوّناته منشورة وليست خفية. وتبلغ نسبة المحتوى البديل المؤكَّد 100% بحكم التعريف. وحصلت عناوين URL المتميزة والقابلة للزحف على الدرجة الكاملة في 86.4% من المواقع المؤكَّدة، والاتساق بين canonical وhreflang في 82.3%، وتطابق لغة HTML في 86.4%، وترجمة المقاطع النصية في عناوين URL في 69.0%. في المقابل، بلغت نسبة توطين العناوين والبيانات الوصفية 11.6%، والبدائل اللغوية بصيغة XHTML في خرائط المواقع 11.9%، والبيانات المنظَّمة inLanguage نسبة 19.2%.

غيّرت JavaScript مئات التصنيفات، لكن النسبة الرئيسية بقيت كما هي عند التقريب إلى منزلة عشرية واحدة

لم تُنفَّذ JavaScript عمدًا في لقطة HTML الثابتة المجمَّدة. وصُنِّف 889 موقعًا نجح تحليلها على أنها js_required: منها 768 غير محسومة و121 مرجَّحة. ولم يُصنَّف أي منها على أنه مؤكَّد أو أحادي اللغة في اللقطة الثابتة، لأن هياكل صفحاتها المعتمدة بكثافة على البرامج النصية منعت المصنِّف المعتاد من الحصول على نص فعلي كافٍ لإصدار تلك الأحكام.

اقتصر تشغيل موجَّه باستخدام Chromium على عرض تلك المواقع الـ889. ونجح في 858 موقعًا، مع الإبقاء على التصنيف الأصلي للمواقع الـ31 التي فشل عرضها. ومن بين المواقع الـ768 التي كانت غير محسومة، أصبح 66 مؤكَّدًا، و48 مرجَّحًا، و412 أحادي اللغة، وبقي 242 غير محسوم. ومن بين المواقع الـ121 المرجَّحة، أصبح 51 مؤكَّدًا، وبقي 67 مرجَّحًا، وأصبح 3 غير محسومة.

بعد إدماج هذه النتائج الـ889 فقط مع الإبقاء على سجلات التحليل الناجح الأخرى البالغ عددها 24,116 دون تغيير، ارتفع عدد المواقع المؤكَّدة من 5,845 إلى 5,962 (+117)، وانخفض عدد المواقع غير المحسومة من 2,820 إلى 2,297 (−523). ومع ذلك، ظلت نسبة المواقع المؤكَّدة وحدها بين التحليلات الناجحة غير المصنَّفة ضمن فئة «غير محسوم» عند 26.3% بالتقريب إلى منزلة عشرية واحدة: 5,962 / 22,708.

ما مدى متانة التقدير البالغ 26.3%؟

تظل النتيجة الأساسية هي التقدير المجمَّد المستند إلى HTML الثابت: 26.3% (5,845 / 22,185) من التحليلات الناجحة القابلة للتصنيف تعود إلى مواقع مؤكَّدة متعددة اللغات. واختبرنا لاحقًا جزأين من المنهجية يُرجَّح أنهما الأكثر تأثيرًا في التصنيف: المواقع المعتمدة على JavaScript، ومجموعة من التصنيفات التي اعتمدت على اكتشاف لغة اليوروبا (yo) أو التاغالوغ (tl).

لم يغيّر أيٌّ من التحليلين الموجَّهين الاستنتاج الرئيسي. فقد بقيت النتيجة المعدَّلة باستخدام JavaScript عند 26.3% (5,962 / 22,708). وأدّى تطبيق قاعدة أكثر صرامة للصفحات البديلة على التصنيفات المعتمدة على اليوروبا أو التاغالوغ إلى تقدير في تحليل الحساسية قدره 25.5% (5,647 / 22,165). وأسفر الجمع بين التعديلين الموجَّهين عن 25.4% (5,764 / 22,688).

هذه تحليلات حساسية وليست بدائل للنتيجة الأساسية المجمَّدة. وهي أيضًا ليست أربع عمليات زحف منفصلة: فاللقطة الثابتة المجمَّدة لم تتغير، والتعديلان يعيدان تقييم السجلات التي صُمِّما لاختبارها فقط.

Inspect the underlying sensitivity-analysis data →

What changed under the stricter rule?

The language-ID overlay looked only at 242 rows whose multilingual class depended on lingua codes yo (Yoruba) or tl (Tagalog) as the only differing detected language: 228 freeze-confirmed, plus 14 probable. It used saved HTML. Zero live fetches. It was not a recrawl of the 25,005-site dataset. wikipedia.org was excluded from the 242-row dependency set because its confirmed multilingual classification did not depend on the tl homepage-language detection.

Under that overlay, confirmed moves from 5,845 to 5,647 (−198). The corresponding classifiable denominator is 22,165, so the sensitivity estimate is 25.5% (5,647 / 22,165). That figure is not the headline.

After stripping repeated site chrome, yo or tl still appeared in observed languages on 217 / 242 rows. Only 25 / 242 lost the language code entirely. Therefore most classification changes did not result from the language detector simply retracting Yoruba or Tagalog. Most came from a tighter alternate-page rule: a yo or tl alternate was counted as multilingual evidence only when its URL represented a genuine locale page, language edition or market edition—rather than simply being a different URL whose text was detected as another language. 30 still-confirmed rows include home-side yo/tl that survived chrome-strip.

This suggests that the main issue was not simply that the language detector incorrectly called pages Yoruba or Tagalog. In many cases the detected language remained after boilerplate was removed. The larger change came from asking a stricter question: was the alternate URL genuinely a localized edition of the site? Alternate-page equivalence proved to be an important source of classification uncertainty alongside language identification itself. That reading is limited to this targeted analysis; it is not a global error rate for the classifier.

An independent AI-assisted review, not a human gold-standard validation study, found that the arithmetic holds. The sensitivity figure does not replace the frozen headline.

Known classification examples

These examples show what the sensitivity analysis actually changed. They are methodology illustrations for specific domains under this research instrument—not judgements of those organisations’ global language programmes.

What this study can—and cannot—tell you

Large web studies become less useful when their caveats are treated as legal fine print. Several limits materially affect how these numbers should be used, so they belong in the interpretation rather than being hidden at the bottom of the page.

This is a study of major Tranco-ranked sites, not every website

The source population was Tranco list 46W9X. Tranco is designed to provide a research-oriented ranking of popular domains, so the sample is intentionally tilted toward prominent websites rather than the millions of small, inactive or rarely visited domains elsewhere on the internet. The correct claim is about the major websites successfully analysed in this sample, not “26.3% of the web.”

Exclusions are infrastructure outcomes, not monolingual sites

The crawler attempted 40,457 unique domains and successfully analysed 25,005. The remaining 15,452 were excluded for reasons including DNS failures, robots responses, HTTP errors, access restrictions and CAPTCHAs. Those domains were never converted into monolingual observations. Treating inaccessible sites as monolingual would materially bias the result.

“Confirmed” measures discoverable alternate content, not translation quality

A confirmed site passed a deliberately mechanical content test: the crawl fetched substantive main content in a language different from the homepage. The study did not grade linguistic fluency, cultural adaptation, terminology quality, conversion performance or human translation accuracy. A site can be technically confirmed multilingual and still contain poor translations; it can also provide excellent localisation in areas the crawl did not visit.

The crawl is bounded to five content pages per domain

The page cap keeps a 25,000-domain study computationally tractable and prevents large sites from dominating the crawl. The trade-off is incomplete corpus coverage. Observed languages, mixed-language findings, metadata checks and other page-level measures describe what appeared within the bounded sample of pages—not necessarily every URL the domain serves.

JavaScript was tested selectively, not universally

The static freeze used no browser rendering. The follow-up Chromium pass targeted the 889 successful rows explicitly flagged as requiring JavaScript. This was the right place to test the obvious classification hole, but it does not establish what a full browser-rendered recrawl of all 25,005 successes would produce.

Language identification and alternate-page equivalence can produce edge cases

Language identification and alternate-page equivalence are automated classifications and can produce edge cases, particularly on short, boilerplate-heavy or unconventional pages. A targeted Yoruba/Tagalog sensitivity analysis reduced the confirmed estimate from 26.3% to 25.5% under stricter alternate-page rules without changing the overall conclusion. The language-ID sensitivity review was AI-assisted rather than a human gold-standard validation study.

The Multilingual Web Score is a research framework, not a search-engine score

GMWS makes implementation differences easier to compare by publishing a transparent weighting of twelve components plus two deductions. The weights belong to GlotEO's research design. Google did not design or endorse them, and no relationship between the score and rankings, traffic or conversion was tested here.

Benchmark your own multilingual implementation

The research is most useful when it becomes an audit prompt. The checklist below lets you compare common implementation signals with the confirmed multilingual sample. Checking a box does not create a ranking score; it simply records which implementation layers your site has addressed.

What teams should do differently

1. Treat translation and discoverability as separate workstreams. A page can exist in another language without clearly advertising its relationship to sibling pages. That is exactly what the 30.3% hreflang gap demonstrates. For implementation context on localized URLs and hreflang, see multilingual SEO.

2. QA the page shell, not just the article or product description. Mixed-language leftovers were detected on 39.4% of confirmed sites. Navigation, footer strings, forms and templates can undermine an otherwise complete translation.

3. Include metadata in the localisation workflow. The 11.6% full-credit rate for title + meta was the most obvious high-weight implementation gap in the score. Search-facing metadata should not be an afterthought.

4. Give each locale a stable destination. The research found distinct crawlable URLs to be common among confirmed sites, and Google separately recommends distinct URLs rather than relying only on locale-adaptive content.

5. Make uncertainty visible in audits. This study did not convert sites it could not classify into “monolingual.” Your own audits should be equally careful around JavaScript shells, geo-adaptation, authentication and crawler access.

How the study was run

This is an observational study of major websites in a Tranco-ranked sample, not a random sample of every registered domain and not a customer dataset.

Classification rules

Confirmed: the crawler fetched an alternate URL whose main-content language differed from the homepage, with at least 200 letters of main content on both sides.

Probable: the site exposed strong multilingual discovery signals—such as hreflang, locale-shaped URLs or a selector pointing to another path—but the crawl did not fetch a qualifying alternate.

Monolingual: the homepage was analysed, no qualifying alternate was fetched and no strong multilingual discovery cluster was detected.

Uncertain: evidence was contradictory or insufficient. Uncertain was kept visible and was never silently recoded as monolingual.

What is frozen, and what is an overlay

Tranco source list: 46W9X ↗. Google links elsewhere on this page are labelled external guidance and are not mixed into the GlotEO result tables.