SEO 非常重要,但對起步者來說,靠原創或大量人力去做內容、衝流量與排名,門檻著實不低。
SEO 的本質,是透過合理手段讓網站易於被搜尋引擎索引,進而對使用者友善、對搜尋引擎友善,更容易被收錄並取得優先排序。這份工作貫穿網站的策劃、建設與維護,每個細節都在其中。而策劃往往最難——一個好點子比建設和維護都重要,可惜很多好創意因為無力維護而擱淺。
下面用一個實際網站來說明一個低門檻的創意,拋磚引玉。我們同時會分析它的得失,也希望站長本人能看到這篇,作為改進參考。
近日一個 PDF 文檔搜尋引擎 paper-search-engine.com 引起我們注意。這是一個以 PDF 文檔檢索為用途的專業站,提供論文摘要、預覽與搜尋功能,實用性不錯。初學者可能覺得它太專業、門檻太高,實際情況並非如此。
這個創意其實是借雞下蛋:它提供的搜尋內容大多來自 Google。由此可以判斷,這個站並沒有自研搜尋引擎內核,只是一個內容聚合器(若判斷有誤,歡迎站長與我討論)。那麼,一個沒有內核的網站,是如何引起爬蟲興趣的?
我們在搜尋框輸入一組關鍵詞,例如「paper search」,按 Enter 後會看到結果頁網址形如 /pdf/paper-search-pdf.html。仔細一點還會發現,短時間內再搜同一組詞,網站返回的是 HTTP 304(Not Modified)——這意味著該結果頁已被靜態保存下來。假如爬蟲找到這個頁面,它必然會對頁面上的相關文章連結與摘要產生興趣。
但爬蟲不會自己輸入查詢,它怎麼抵達這個結果頁?
答案在首頁。站上有一行「Popular Searches」標籤,列出 United States、United Kingdom、Australia、Canada、Russia、Germany、France、Italy、Sweden、Netherlands、Japan、Korea、Taiwan 等國家。點擊任一標籤會看到該國的搜尋記錄,再點記錄就進入對應的結果頁。秘密就在這裡:這個文檔搜尋引擎把使用者的最近搜尋存進資料庫,並按國家分類保存,於是爬蟲能沿著這些標籤一層層爬取,而且樂此不疲。
更關鍵的是,當 Google 爬到這些搜尋結果頁後,會把它們當成內容存進自己的資料庫。於是使用者透過 Google 搜尋相關詞時,會在不知不覺中進入這個站的對應關鍵詞頁面;因為這個引擎有實用性,使用者可能順手再搜其他詞,新的關鍵詞又被寫入資料庫、生成新的結果頁,進而再次引起爬蟲興趣。就這樣滾成一顆雪球——而且幾乎不需要維護。
分析時我們也注意到,設計者並非 SEO 高手。比如網站的關鍵詞標籤寫成了「paper search engine、ebook、pdf、business plan、finance book、technology book、business book、marketing book、science book、free ebook、free ebooks、pdf search、search pdf」——這串長達兩公里的關鍵詞,足以把很多爬蟲嚇跑。
希望初學者能從這篇文章裡得到一點啟發。