我曾經做過一批房地產相關的優化,頁面關鍵詞設定為「二手房源」,以為它自然包含了「二手房」。結果排名始上不來。仔細對比搜尋結果才發現,百度對這兩個詞的切分方式完全不同:它自建詞庫,把「二手房」當成一個整體詞處理,而「二手房源」則被拆成「二手」與「房源」兩段。使用者搜「二手房」時,自然找不到我的頁面。
這個細節讓我決定認真研究百度的分詞邏輯,以下整理出幾點觀察。
百度會依據正文中最先出現的關鍵詞相關片段來切分。也就是說,標題一定要包含關鍵詞,但不必然完全匹配;真正需要完全匹配的是正文中出現的詞。而在多個頁面都完全匹配的情況下,還會依 URL 路徑深度排序:目錄層級優先於檔案,根目錄下的檔案優先於二級目錄下的檔案。完全匹配的排在前面,部分匹配的排在後面。
以「游覽器下載」為例。若甲頁首次出現的相關詞是「游覽器」,密度也高,但全頁沒有「下載」;乙頁首次出現的是「下載」。此時甲頁會被切成「游覽器」與「下載」兩段,即使乙頁同時含有這兩個詞,甲頁仍可能排在前面。這說明關鍵詞的前半段是主導因素。
若兩頁都沒有完全匹配、都被拆成兩段,那麼第一段詞密度較高的頁面會排在前面。
即使完全匹配,但若關鍵詞第一次出現是在內容的最後段,排名可能還不如前面幾頁。所以讓關鍵詞盡早在內文中出現,是必要的。
百度會依首次出現的相關片段決定從頭切還是從尾切:若先出現的是後半段,就從後往前切;若先出現的是前半段,就從前往後切。以「今日新開熱血江湖sf」為例,若頁面上最先出現的是「熱血江湖sf」,那麼這個詞與「今日新開」會被切成兩段。
既然切詞方向由首次出現的位置決定,那麼透過調整內文中關鍵詞的出現順序,就能一定程度地引導分詞結果,避開競爭激烈的完整匹配,改從拆分成語的角度切入。
若切分後前後兩段出現重疊,例如切成「今日新開熱血江湖」與「新開熱血江湖sf」,前段過長、後段又與前段重複,排名會比切成「今日新開」「熱血江湖」「sf」這種乾淨的三段式來得差。若兩頁都有重疊,則回到第一段密度來決定高低。
若關鍵詞未完整出現,例如全頁沒有「今日」二字,切詞就從「新開」開始。這類頁面通常排名靠後,因為關鍵詞的前段本身就缺失了。
在都缺詞的情況下,比較的是切出片段的前段與後段密度比例。若甲頁比例是 1:2、乙頁是 1:4,甲頁排名較前。同樣前提下,前段詞較短的頁面反而佔優勢。
若關鍵詞後段先出現、前段密度又偏低,排名可能連缺詞的頁面都不如。
若甲頁含「sf」與「今日新開熱血江湖」,比例 1:1;乙頁含「新開熱血江湖」「sf」「今日新開」,比例 2:1:1。甲頁反而佔優。可見關鍵詞的數量不是重點,出現位置與各段的比例才是。越後面的片段佔比越高,越不利。
關鍵詞在正文中出現的位置過於靠後、主詞密度過低,都會拉低排名。前面幾點的比較,前提都是主詞密度相近。
依據分詞規則調整頁面關鍵詞的權重配置,可以避開熱詞的正面競爭,同時仍舊覆蓋到目標詞。理解切分邏輯的價值,不在於鑽縫隙,而在於知道自己在寫的每一個詞,最後會被系統理解成什麼。