Web3.0時代來臨後,基於互聯網的營銷模式層出不窮,SEO便是其中一塊炙手可熱的領域。筆者跟蹤研究百度算法已近五年,主攻方向是算法逆向——也就是透過一些相關指標來推斷百度的排名規則。這裡便和大家分享一點心得。
在談百度算法之前,筆者先講講不久前在百度搜索研發部博客看到的《淺談網頁搜索排序中的投票模型》。文中談及美國的選舉制度,筆者認為這正是百度其中一種投票體系的原型。用一張簡圖來梳理整個過程(此圖僅為簡略表達,網上說法繁多,實際結構恐怕也只有「度娘」自己知道):

看完上圖,相信大家都能明白:排序的誕生應該發生在「總數據庫」與www.baidu.com之間。百度蜘蛛會抓取大量內容,全部存入總服務器,總服務器依規則篩選後,最終在web服務器上放出頁面並給出排序,其實就是在「總數據庫」中發生了一系列算法變化。筆者文中所述的各個服務器與名稱皆為個人定義,但基本邏輯應當如此——按數據分析的原則:數據收集→數據處理→數據分析→數據展現,便可高度概括百度這一過程。
百度一方面經營競價推廣,一方面又希望給用戶良好的檢索體驗,難怪不少SEOer對它又愛又恨。但依據官方種種說法,我們姑且相信百度搜索研發部門仍是真心想給用戶提供優良的檢索體驗。
說到這裡,筆者不得不以一張圖來展示什麼是金字塔模型:

看了這張圖,可能有人會質疑:這不是很像漏斗原理嗎?沒錯,確實與漏斗原理頗為相似,但金字塔更顯「勵志」——人人都渴望登上金字塔的頂峰。
那麼排序篩選的過程究竟如何呢?我們不妨引用百度搜索研發部文章中的一段內容:
「系統裡有n個網頁,有m個特征(頁面質量、內容豐富度、頁面超鏈、文本相關性等)對這n個網頁有不同打分,如何根據這些特征的『投票』,選出最適合放在第一位的網頁呢?
從選舉的例子中,我們可以得到幾點啟示:
1. 設計算法時,要避免出現『贏者通吃』帶來的資訊丟失問題。
2. 不要因為某幾個特征特別好,就把某個網頁排到最前;也不要因為某幾個特征特別差,就把某個網頁拋棄。
3. 最合適放在首位的網頁,不一定在每個特征上都最好,而應是兼顧所有特征、綜合表現最佳者。
4. 使用者對搜索結果的點擊行為,可視為對結果的『投票』,使用這類『投票』資訊時,也要注意是否會帶來選舉過程中出現的種種不合理。
上述種種選舉方案,僅針對『多候選人單職位』的情況,而搜索引擎面臨的問題更近似於『多候選人排序』,也即:
系統裡有n個網頁,有m個特征對這n個網頁有不同打分,如何根據這些特征的『投票』,決定n個網頁的順序?
這個『多候選人排序』問題,存在一個『不可能的民主』理論,其大意是,『合理』的民主應滿足三個條件:
1. 如果選民都認為A比B好,那麼最終結果也應是A比B好。
2. 沒有『獨裁者』,即不存在這樣一個人:無論別人怎麼排序,最終結果都與他的排序一致。
3. 無關因素獨立性,即第一次投票後A排在B前面,若第二次投票中所有人都未改變A與B的相對順序,那最終結果也應是A在B前面。
透過數學證明可以得出結論:若某種選舉方式滿足條件1和3,則必然不滿足2,即必然存在『獨裁者』。
依據『不可能的民主』理論並結合搜索引擎來看,似乎搜索引擎很難給出一個合理的網頁排序。但搜索引擎與投票畢竟有所不同,有兩個角度可以破解:一是認為條件3過強、需要弱化;二是或許在網頁排序問題上,真的存在這樣一個『獨裁特征』——就目前來看,最適合的應是『用戶滿意度』,按用戶的滿意程度來排序網頁,才是最合理的排序。而如何衡量『用戶滿意度』,正是我們一直努力的方向。」
相信讀完這段內容,大家會深有體會:百度算法與選舉制度竟有如此雷同之處。那麼我們做逆向研究的方向,便是先從數據展現本身反推數據分析原則——這是一項長期工程,因為必須對數以億計的網站加以分析方能得出結論。而事實證明,百度排序規則絕非單一,而是多重規則疊加。
前期筆者已開發出一個基於關鍵詞的簡單分析程序:

這個工具主要起輔助作用。前面討論的選舉制度針對的是外鏈有效性,而此工具主要針對相關性,也就是搜索結果最終排序中的先後規則。當然,它目前仍處於「毛胚」狀態,許多指標尚未加入,後期希望大家一同參與這項研究,把一些相對重要的指標補充進去,讓研究更臻完善。
如果你只是純粹做一名SEOer,讀到這裡其實可以停下——因為事實證明,你只要掌握最終排序的相關算法即可完成工作,藉由這個工具,你已能輕鬆獲知何種密度下更易優先獲得排名。倘若你正在做價值數萬的關鍵詞,那就……