TF-IDF 已經被不少專業 SEO 熟悉。它本是資訊檢索與資訊探勘中的常用加權技術,套用到網頁分析上,就是對頁面中的關鍵詞做加權,衡量某個詞在多個網頁間的權值,為後續排序提供量化依據。
公式寫作:TF-IDF = TF × IDF = (1 + log TF(t, d)) × log(N / DF(t))。
為什麼要看這個公式?因為一個網頁的 TF-IDF 值越大,代表其文本內容與索引詞越相關,在搜尋引擎中能拿到的權值越高,對後續排序的幫助也越大。
其中 TF(Term Frequency,詞頻)表示詞條在某個文檔中出現的頻率;IDF(Inverse Document Frequency,反文檔頻率)表示包含詞條 t 的文檔越少,IDF 越大,說明該詞的類別區分能力越強。DF(t) 是包含該詞的文檔數,N 是整體網頁總數。
光看概念不好理解,用一個例子就清楚了。

案例:「SEO診斷」的排名分析
取該詞排名前十里三個站的相關詞頻:
第二名是站長網的 SEO 診斷頁,「SEO」詞頻 41,「診斷」46,「SEO診斷」20。
第三名是長沙一家公司,「SEO」12,「診斷」4,「SEO診斷」1。
筆者的細嗅薔薇部落格排第十,「SEO」詞頻最高達 84,「診斷」7,「SEO診斷」4。
搜尋結果顯示關於「SEO診斷」的頁面約 153 萬個,「SEO」與「診斷」單獨顯示則達到百度上限約 1 億,計算時取 N = 1 萬億。
1、先算 IDF
SEO:IDF = log(N / DF) = log(10000/1) = 4
診斷:IDF = log(10000/1) = 4
SEO診斷:IDF = log(10000/0.015) ≈ 6
2、再算 TF
「SEO」:長沙 log12 ≈ 1.1;站長網 log41 ≈ 1.64;細嗅薔薇 log84 ≈ 1.92
「診斷」:長沙 log4 ≈ 0.63;站長網 log46 ≈ 1.68;細嗅薔薇 log7 ≈ 0.84
「SEO診斷」:長沙 log1 = 0;站長網 log20 ≈ 1.45;細嗅薔薇 log4 ≈ 0.63
3、彙總 TF-IDF 值
| 站點 | SEO | 診斷 | SEO診斷 |
|---|---|---|---|
| 長沙站 | 5.1 | 3.5 | 2.1 |
| 站長網 | 7.5 | 67.7 | 29.7 |
| 細嗅薔薇 | 8.6 | 84.4 | 64.78 |
從表中可以看到,筆者部落格的「SEO」TF-IDF 最高,而站長網在「診斷」與「SEO診斷」上明顯領先。
若僅按 TF-IDF 推論相關性,「SEO診斷」這個詞應該是站長網最相關、排名該更好,筆者的部落格居中,長沙站位於最後。但實際結果與此有落差,這說明排名還受其他更重要的因素影響:站點整體權重、單頁權重與質量、外部連結、以及用戶互動(也就是用戶體驗)。
另外,同一站點內部對比 TF-IDF 也能看出門道。長沙站與細嗅薔薇若要提升排名,對「SEO」这个词的依賴度更高,它起決定性作用;而站長網真正決定排名波動的是「SEO診斷」,「SEO」的排名對它影響較小。這一點有實測依據:前天筆者部落格的「SEO診斷」排第三,當時「SEO」排在第十頁;如今「SEO」掉到第二十三頁,「SEO診斷」也隨之降到第十。
當然,以上計算基於理想狀態,但足以解釋部分 SEO 現象。掌握 TF-IDF 的基本思想並靈活運用,能幫助我們找到更精準的優化切入點——例如筆者的部落格,若能降低「SEO」這個詞對整體排名的牽動,反而可能更好地控制「SEO診斷」的排名。