以前我對百度的分詞機制並不在意,直到有一次做優化時發現:只是差一個字,排名表現卻天差地別。
當時我做的是二手房相關的關鍵詞,但頁面上設置的卻是「二手房源」。可能有人會說,這沒問題啊,「二手房源」不是包含了「二手房」嗎?如果不仔細研究過百度的分詞邏輯,確實看不出這兩個詞有什麼差別。但只要稍微留心搜尋結果,端倪就出來了:百度對「二手房」和「二手房源」的分詞結果完全不同。
百度有自己的詞庫,它會把「二手房」當作一個整體單詞處理;而對「二手房源」,則會拆成「二手」和「房源」兩個詞。結果自然是:別人搜尋「二手房」時,我的頁面根本不出現。
經過這個小細節,我覺得有必要把分詞機制認真研究一遍。以下是我總結出的幾點規律。
例如「今日新開熱血江湖sf」這個詞,如果你的正文中第一個出現的是「今日」,那麼頁面的關鍵詞會被拆成「今日」和「新開熱血江湖sf」兩段。標題中一定要包含關鍵詞,但不一定完全匹配;而正文中出現的關鍵詞,則要與百度分詞結果完全匹配才能拿到更好位置。在完全匹配的情況下,還會依據URL路徑的深度排序:目錄頁優先於文件頁,根目錄下的文件優先於二級目錄下的文件。完全匹配的排在前面,然後才是部分匹配的。
比如「游戲下載」這個關鍵詞。有個網頁第一次出現的是「游戲」,且密度較高,但整頁沒有「下載」;另一個網頁第一次出現的是「下載」。那麼第二個網頁的關鍵詞會被拆成「游戲」和「下載」兩段,即使它兩部分都有,第一個網頁仍然排在前面。這說明關鍵詞的前半部分權重更高。
比如「游戲 下載」,如果兩個網頁都沒有完全匹配、都只有分詞,那麼「游戲」這個分詞密度更高的網頁會排在前面。
如果關鍵詞完全匹配,但第一次出現是在頁面內容的最後部分,那麼這個頁面的排名會比前面幾種情況還要低。所以關鍵詞盡早在內容中出現非常重要。
如果第一次出現的相關詞是關鍵詞的尾部,就從後面開始切;如果是前面部分,就從前面開始切。也就是說,百度會依據網頁內容的順序或反序進行分詞。以「今日新開熱血江湖sf」為例,如果你網頁中第一次出現的是「熱血江湖sf」,那麼頁面關鍵詞會被拆成「熱血江湖sf」和「今日新開」兩段。
依據上述原理,你可以透過調整網頁內容中第一次出現的關鍵詞,來選擇一個更好做的關鍵詞頭部。百度會從前往後判斷,也會從後往前切,這中間的操作空間就是你的優化空間。
如果切詞出現前後部分重複,有重複的會比沒重複的排名低;如果都有重複,則依前半部分的密度判斷。例如「今日新開熱血江湖sf」如果被切成「今日新開熱血江湖 | 新開熱血江湖sf」,前半段太長,排名肯定不如切成「今日新開 | 熱血江湖 | sf」的情況。
在沒有完全匹配、且關鍵詞出現不完整的情況下,比如「今日新開熱血江湖sf」,網頁內容中如果沒有「今日」,切詞就會從「新開」開始。但這樣的網頁都會排在比較後面的位置,因為你連關鍵詞的前半部分都沒覆蓋。
如果都是缺詞的網頁互相比較,仍然是按切詞前半部分的密度排序。也就是說,前段與後段關鍵詞的密度比例是關鍵。比如一個網頁前段與後段的比例是1:2,另一個是1:4,那麼前者排名更靠前。同樣在缺詞情況下,切出來的前詞較短反而有優勢。
如果不缺詞,但關鍵詞的後段比前段先出現——例如「sf」先出現,而「今日新開熱血江湖」密度又不高——那麼排名會比那些缺詞的網頁還要靠後。
比如一個網頁包含「sf」和「今日新開熱血江湖」,比例為1:1;另一個包含「新開熱血江湖」、「sf」、「今日新開」,比例是2:1:1。那麼前者的排名有優勢。關鍵詞的數量不是關鍵,出現位置與分詞比例才是關鍵。越靠後的分詞佔的比例越多,排名越不利。
主詞密度太低同樣不利。上面這些比較,都是在主詞密度大致相當的前提下進行的。
我研究出來的大概就是這些,不知道大家能否看懂。如果能理解,你就可以依據分詞原理去調整自己網頁的關鍵詞權重設計——既避開熱詞的正面競爭,又能實際吃到熱詞的流量。