在論壇上讀到一篇文章,列舉了骨灰級SEO高手做過的十四件事。細看之下發現自己不懂的還很多,於是逐條寫下批注,當作後續學習的筆記。
原文說是為了讓優化更有針對性。我的理解是:開發工具把不同屬性的關鍵詞做歸類,例如行為詞、名詞詞、形容詞詞,這些通常是在主詞基礎上做的長尾擴展。這個思路很實用。
原文認為這讓連結權重有了更好的解釋。但遞歸運算不是搜尋引擎早就做好了嗎?再開發的目的是什麼?若要做大規模運算,就得自己寫爬蟲去抓取全網連結再反覆迭代,一台伺服器顯然算不出什麼——大概是本地取樣本做實驗吧。這塊我目前感受不到必要性,還有大量要學的。
這個概念其實不必自己開發,搜尋引擎都做了處理。Google 在英文詞根處理上相當成熟;中文方面目前只能觀察到少量處理。若大規模做中文詞根化,必然帶來大量誤判,對網路資源的品質是不利的。中文詞根化注定只能小面積、高度等價地使用。
這一條我看不出與前一條有什麼本質區別,或許是我理解偏了。
用這個概念來談SEO優化,我暫時想不到關聯在哪。虛擬運營?用小站做實驗?否則還會是什麼?不過「採集文檔的優化規則」確實有學問——用採集資訊做偽原創,涉及內容偽原創與結構偽原創的深層理解。
貝葉斯理論我只懂皮毛,聚合爆破更無所知,暫不評論。
又是一個生造的詞。不過透過實驗確實能找到讓單一頁面同時爭取多個主題排名的規則,我認為絕大部分比例仍可歸因於內容與錨文本。換成新名詞反而讓人困惑。
我不覺得有開發模型的必要。把使用者體驗與SEO做到最佳整合,顯然不是軟體能判斷的事——兩個抽象目標之間的最優化,很難靠程式粗略判斷。這有點像SEO估價:軟體掌握的那幾個因子,註定算不出真正的結果。最強的仍然是人的判斷。
原文說可以算出單頁的語義權重累積值。這一點我曾用過類似工具,不過是在學術研究場景裡見到的;商業SEO軟體中確實很少看到這類短期難以變現的專業工具。
宣稱準確率約65%到70%。這類產品市場上已經很多了,不必再開發。
原文稱可用四種方式處理幾乎所有百度圖片的索引排名,命中率九成以上。圖片優化我只懂基礎,個人是覺得除了圖片本身的清晰度與描述準確性,結構定位的準確性同樣重要。
語義相關工具系統化地用在優化上,未來確實大有可為,但這個過程很長。至於語音檢索,與語義搜尋關係不大。
我碰過的補充索引現象,多數是站點自身有明显問題所致——原理就是搜尋引擎對淺度作弊的一種限制。是否有極端例外的案例,我還沒見過。
這件事搜尋引擎自己要做,SEO若能做,對優化應該有所幫助。用戶檢索行為會越來越受重視,這是搜尋引擎進化的必然方向,也確實有數據可查。但它需要一份不算稀疏的用戶行為記錄,且在多樣性與全面性上都要達到一定廣度——做到這些,要耗費的精力相當可觀。
批注到此為止。這篇文章裡有些概念確實超出了我目前的認知邊界,歡迎有不同看法的人一起討論。