蜘蛛池出租

夜息：SEO是一個(gè)很沒(méi)節(jié)操的工作

發(fā)布于 2018-01-04 11:11:40 726次瀏覽, ,    原夜息標(biāo)題：小議SEO數(shù)據(jù)分析III – 維護(hù)詞庫(kù)（完工）,
, 具體上一篇SEO數(shù)據(jù)分析文章已經(jīng)隔了很久了，今天有個(gè)朋友網(wǎng)上問(wèn)我，有了詞庫(kù)怎么維護(hù)。正好借這個(gè)機(jī)會(huì)談?wù)勥@個(gè)問(wèn)題。 在獲取到大量關(guān)鍵詞后，首先要對(duì)這些詞進(jìn)行處理，在我實(shí)際工作中，總結(jié)以下幾個(gè)項(xiàng)目我做過(guò)或者覺(jué)得有必要做的事情。,
,提取實(shí)體(通俗點(diǎn)講就是找關(guān)鍵詞中的重點(diǎn)詞),1、去重,2、受控詞表,3、分類(lèi),4、提取實(shí)體,
,提取實(shí)體的概念就是找關(guān)鍵詞中的重點(diǎn)詞。比如 “北京溫泉哪里好”，那這個(gè)詞中的”北京 “和”溫泉”這兩個(gè)詞是重點(diǎn)，”哪里好”只是一個(gè)疑問(wèn)詞，對(duì)主題描述幫助相對(duì)比較小。于是我們就需要通過(guò)一些技術(shù)手段，對(duì)關(guān)鍵詞進(jìn)行處理，把中間重要的關(guān)鍵詞（實(shí)體）取出來(lái)。,
,先看看下面的關(guān)鍵詞,
, 處理前, 處理后,可以仔細(xì)觀察一下兩者的不同。這邊算法有很多種實(shí)現(xiàn)方法，鑒于從SEO的角度出發(fā)，我們對(duì)精確度和召回率的要求，一般都比較低。從0%到80%要花費(fèi)的心思，可能還沒(méi)從80%~100%要花費(fèi)的心思多。并且不同行業(yè)的，會(huì)有略微不同的做法。于是我采取以下兩個(gè)方法,
,1.根據(jù)詞性刪除停詞符號(hào)(多刪一些不要緊),2.根據(jù)tf-idf過(guò)濾高頻詞(什么是tf-idf請(qǐng)自行腦補(bǔ)),
,這邊說(shuō)說(shuō)分詞算法，很多學(xué)術(shù)派研究了一大堆中文分詞算法，但實(shí)際運(yùn)用起來(lái)差別很小。這邊隨便推薦幾個(gè)，根據(jù)自己會(huì)的語(yǔ)言使用。,
,ICTCLAS http://ictclas.nlpir.org/downloads 語(yǔ)言:Java,C#,CRF++ http://crfpp.sourceforge.net/  語(yǔ)言: C#,SCWS http://www.xunsearch.com/scws/ 語(yǔ)言: PHP,JIEBA https://pypi.python.org/pypi/jieba/ 語(yǔ)言:Python,
,分詞也是一門(mén)大學(xué)問(wèn)，有興趣可以看看CRF,HMM等模型的邏輯。這邊就不展開(kāi)講了。,
,分詞關(guān)鍵的問(wèn)題是要速度快，并且可以自定義詞庫(kù)。由于我用的是JIEBA，這方面都能支持。具體可以看看作者個(gè)github中的說(shuō)明https://github.com/fxsjy/jieba/blob/master/README.md,
,分詞后根據(jù)詞性，排除掉”停詞”，就獲取到了我們想要的結(jié)果集合。,
,過(guò)濾高頻詞。JIEBA可以對(duì)整個(gè)文本提取tf-idf值高的詞。這些詞是核心，肯定不可以去掉。,
,然后根據(jù)分詞結(jié)果獲取到tf值高的詞，進(jìn)行人工審核一下，以我們旅游行業(yè)詞庫(kù)為例，地名是經(jīng)常出現(xiàn)的詞，tf值可能會(huì)非常高，但是絕對(duì)不能把它去掉。所以我們需要先準(zhǔn)備一份中國(guó)地名/景點(diǎn)名詞庫(kù)，這個(gè)可以在網(wǎng)上搜索下，懶人可以直接用搜狗輸入法的詞庫(kù)。,
,然后高頻詞中還有可能會(huì)出現(xiàn)的詞，可能為”7月”，”8月”，”大全”，”線路”等等。這些詞也可以考慮把它從實(shí)體詞中踢除。,
,經(jīng)過(guò)這幾輪檢查，基本就差不多了，再要精度可以再自行研究?？隙ㄓ腥藛?wèn)，你折騰了這么久，有什么用？這邊只能點(diǎn)到為止。,
,1.內(nèi)容關(guān)聯(lián),2.自動(dòng)tagging,3.提高站內(nèi)檢索精度,
,去年到今年搜房和安居客的SEO可以體會(huì)一下。,
,去重,
,提取實(shí)體后，就可以對(duì)關(guān)鍵詞進(jìn)行去重。,
,例如,
,
,
,
, 處理后,
,
,
,
,就可以進(jìn)行去重了。上面著兩個(gè)個(gè)詞，還可以通過(guò)實(shí)體相同的方法來(lái)解決。但是有一些關(guān)鍵詞，比如”馬爾代夫”和”馬代”，”長(zhǎng)城”和”八達(dá)嶺”，用戶可以是指一個(gè)地方，我們應(yīng)該怎么處理這些詞。我們就需要下面這么一個(gè)東西“受控詞表”,
, 受控詞表,
,受控詞表，就是一種控制詞匯含義，并且跟蹤其相關(guān)詞的方法?；氐缴厦娴睦?，如果你搜索”八達(dá)嶺”的時(shí)候，不能把長(zhǎng)城的內(nèi)容展現(xiàn)出來(lái)，相信用戶早就跑光了。,受控詞表主要有如下三大關(guān)系：等價(jià)，層級(jí)，關(guān)聯(lián),等價(jià)很好理解，比如馬爾代夫和馬代，那是等價(jià)關(guān)系，這類(lèi)詞可以說(shuō)就是一個(gè)意思，權(quán)值是最高的。在內(nèi)容推薦中一定要呈現(xiàn)出來(lái)。,
,層級(jí)有上下級(jí)之分，比如“夫子廟”是”南京景點(diǎn)大全”的下級(jí)詞?！贝蟪傻睢庇质恰狈蜃訌R”的下級(jí)詞。在實(shí)際應(yīng)用的時(shí)候，當(dāng)用戶在尋找”大成殿”時(shí)，網(wǎng)站可以告訴用戶你位于”夫子廟”中間，并且推薦夫子廟周?chē)€有些什么好玩的東西，用戶一定會(huì)非常喜歡。層級(jí)關(guān)系也是大部分網(wǎng)站都有的信息架構(gòu)體系，從首頁(yè)，到目錄，到欄目。,
,關(guān)聯(lián)，有點(diǎn)類(lèi)似于等價(jià)，但是并不完全相同，例如”三亞跟團(tuán)游”，”?？谧灾巍?，”海南旅游 雙飛”。他們沒(méi)有說(shuō)明確的上下級(jí)關(guān)系，但是又不能說(shuō)完全一樣。這類(lèi)詞，我們可以把其作為有關(guān)聯(lián)的東西。可以記錄下來(lái)。此外，一些內(nèi)容的自帶的屬性，比如高，富，帥，可以作為一個(gè)相關(guān)聯(lián)的關(guān)鍵詞，在內(nèi)容推薦上更加滿足用戶的口味。,
,這邊還要提一點(diǎn)，

夜息：數(shù)據(jù)驅(qū)動(dòng)SEO，如何改善網(wǎng)站收錄

在工作中，我們發(fā)現(xiàn)了用戶有時(shí)候會(huì)有一些特殊的詞匯來(lái)表達(dá)自己的需求，比如”麻袋”（諧音馬代），或者”百撕不得騎姐”這樣該死的輸入法錯(cuò)拼，這些關(guān)鍵詞都需要存放起來(lái)。,
,最后應(yīng)該是這樣的效果：, ,
, 分類(lèi),
,對(duì)于獲取到的大量關(guān)鍵詞，應(yīng)該怎么去分類(lèi)。首先可以按照意圖進(jìn)行分類(lèi)， 導(dǎo)航， 信息， 事務(wù)。（學(xué)習(xí)資料-知乎：http://www.zhihu.com/question/20905145）,
,這么做的好處是，可以快速知道把哪一類(lèi)詞，分給哪條產(chǎn)品線做。例如信息類(lèi)的詞，盡量放到資訊，問(wèn)答，產(chǎn)品庫(kù)這樣的頻道。導(dǎo)航類(lèi)的詞，如果是自己品牌可以做，如果是競(jìng)爭(zhēng)對(duì)手品牌，可以單獨(dú)做頻道。事務(wù)類(lèi)的詞，一般放在主力產(chǎn)品線上，頁(yè)面上會(huì)有功能體現(xiàn)，比如”添加到購(gòu)物車(chē)”，”下載鏈接“，”在線預(yù)定”等等。在一定程度上滿足用戶的需求，避免內(nèi)容錯(cuò)位。比如這個(gè) http://iphone.tgbus.com/tag/iphone6tieba/ “iphone6貼吧”。貼吧在哪？好歹給個(gè)鏈接地址吧。,
,除了上面的分意圖類(lèi)法，下面講講從結(jié)合信息架構(gòu)中的分類(lèi)方法。,
,先介紹一個(gè)人工分揀關(guān)鍵詞的方法：卡片分揀。通過(guò)嘗試，這的確是一種可以集思廣益的分類(lèi)方法。我們從”馬爾代夫”的關(guān)鍵詞詞庫(kù)中抽取了500個(gè)關(guān)鍵詞，隨機(jī)分配給,
,5個(gè)小組。每組把手頭上的關(guān)鍵詞進(jìn)行自由分組，并且自行命名組名。然后再匯聚5個(gè)小組的組名，這樣我們就確定了大約10個(gè)小分類(lèi)，并且找到了一些之前單槍匹馬沒(méi)有想到的內(nèi)容。,
,最后的情況大致上, ,
, 有了分類(lèi)，我們?cè)诰W(wǎng)頁(yè)結(jié)構(gòu)組織上，可以更加有的放矢。具體可以看看maldives.tuniu.com的左側(cè)分類(lèi)，實(shí)際操作過(guò)程中，我們也有一定的篩選和層級(jí)控制考慮。例如貨幣，語(yǔ)言，氣候，都可以歸入介紹里面。關(guān)于這個(gè)頁(yè)面我們也很少去做外部鏈接，內(nèi)容也只是無(wú)數(shù)目的地中的一個(gè)，不可能有很多人力盯著這個(gè)欄目，但是專(zhuān)心做用戶喜歡的內(nèi)容，這個(gè)頻道的表現(xiàn)還是相當(dāng)不錯(cuò)的。,
,這時(shí)候如何構(gòu)建內(nèi)容，就非常清晰了，直接從詞庫(kù)中找關(guān)鍵詞然后寫(xiě)內(nèi)容就可以，總比成天寫(xiě)”馬爾代夫報(bào)價(jià)”，“馬爾代夫旅游報(bào)價(jià)”等無(wú)價(jià)值文章，做所謂的核心詞表現(xiàn)要好很多。,
,我們只是分了500個(gè)關(guān)鍵詞，詞庫(kù)中還有上萬(wàn)的待分類(lèi)馬爾代夫的關(guān)鍵詞，隨著時(shí)間的推移，新加入的關(guān)鍵詞也會(huì)越來(lái)越多?？梢詸C(jī)器可以使用機(jī)器學(xué)習(xí)的方法來(lái)做。這邊本人也還在研究學(xué)習(xí)中，寫(xiě)出來(lái)怕貽笑大方，拋磚引玉一下，使用決策樹(shù)，根據(jù)已有卡片分揀的關(guān)鍵詞作為訓(xùn)練文檔，根據(jù)受控詞表中的元數(shù)據(jù)包含與否作為特征，生成決策樹(shù)，以便于進(jìn)行自動(dòng)分類(lèi)。,
,總結(jié),
,1.算法不是問(wèn)題，關(guān)鍵是適合自己行業(yè)詞庫(kù)，至于詞庫(kù)怎么來(lái)，方法實(shí)在太多，可以看我另一篇文章中說(shuō)的 http://www.imyexi.com/?p=708 關(guān)鍵詞挖掘部分,2.詞與詞之間的關(guān)系，是內(nèi)容推薦，內(nèi)容運(yùn)營(yíng)中的利器，同樣也提升了用戶體驗(yàn)，這邊不得不吐槽下，用戶體驗(yàn)是需要技術(shù)的，不是喊喊口號(hào)。,3.本來(lái)想寫(xiě)興趣點(diǎn)挖掘，后來(lái)一想詞庫(kù)中的每個(gè)詞都是興趣點(diǎn)，只要控制好詞庫(kù)的更新，興趣點(diǎn)不是問(wèn)題。,4.有了思路，執(zhí)行力也很重要。詞庫(kù)屬于網(wǎng)站內(nèi)容底層基礎(chǔ)，弄好這個(gè)，后面可以避免很多重復(fù)勞動(dòng)和無(wú)用功。（被坑得深有體會(huì)）,5.本人非科班出生，很多技術(shù)術(shù)語(yǔ)，名詞解釋?zhuān)珣{自己學(xué)習(xí)理解，有錯(cuò)誤請(qǐng)指正學(xué)習(xí)。,
,來(lái)源：夜息博客 ,
,
,
,夜息系列文章：,
,零基礎(chǔ)學(xué)SEO難嗎？SEO大牛夜息現(xiàn)身說(shuō)法 ,SEO數(shù)據(jù)采集小貼士  ,如何做好友情鏈接？ ,夜息：我的網(wǎng)站又被K了？怎么辦？ ,SEO是一個(gè)很沒(méi)節(jié)操的工作 ,數(shù)據(jù)驅(qū)動(dòng)SEO，關(guān)鍵詞篩選與維護(hù) ,數(shù)據(jù)驅(qū)動(dòng)SEO，如何改善網(wǎng)站收錄 ,數(shù)據(jù)驅(qū)動(dòng)SEO，夜息分析網(wǎng)站收錄影響因素 ,首頁(yè)內(nèi)鏈消除干擾的方法 ,夜息：從零開(kāi)始快速建立SEO策略 ,夜息：TF-IDF（詞頻-逆文檔頻率）與關(guān)鍵詞排名問(wèn)題 ,SEO之逆推搜索引擎的算法 ,夜息:SEO進(jìn)階技能——計(jì)算機(jī)編程 ,轉(zhuǎn)載請(qǐng)注明: 愛(ài)推站 ? 夜息：數(shù)據(jù)驅(qū)動(dòng)SEO，關(guān)鍵詞篩選與維護(hù)

夜息：SEO數(shù)據(jù)采集小貼士

|轉(zhuǎn)載請(qǐng)注明來(lái)源地址：蜘蛛池出租 http://www.wholesalehouseflipping.com/
專(zhuān)注于SEO培訓(xùn)，快速排名黑帽SEO https://www.heimao.wiki