我们在百度输入查询词看到了各个类似网站的排名,这些排名是受到用户点击和区域性因素影响的,搜索引擎通过内部算法计算出的排名并不是这样。影响到用户点击大致有三个方面,一是百度竞价会分流了大部分点击,二品牌影响力会吸引更多的点击,三是新奇的或更满足用户需求的结果会吸引更多点击。
文章中量化了用户点击对排名的影响,虽然是深入浅出的分析但得出的结论是一样的。我们把影响用户点击的基本因素列出来,便可以利用用户点击来提升关键词排名。当我们排名还不错但点击不理想的时候,可以进行详细的分析摸清楚哪里出了问题,如果确定了不是优化的问题是不是应该换个思路处理呢?
我之所以最推荐《走进搜索引擎》这本做为入门书籍,因为它轻实践重总结。尽管因此这本书在搜索引擎圈子似乎评价不高(行业内自然重实践),但对于没必要了解搜索引擎具体实现规则、只需了解其思路的SEO却有更大帮助。
而其中,我最喜欢的一个总结,为“查询词”与“检索词”的定义。大致是这么说的:
比如用户到百度搜索“SEO博客”,此处“SEO博客”被称为查询词;
另外搜索引擎实际匹配结果时,会把查询词先经过分词等一系列处理。之后实际到索引库里面去调用结果的词,叫做“检索词”。具体到上例,包含“SEO”与“博客”两个检索词。
和很多人提到过这个概念,但其中绝大多数都不理解为什么要把概念复杂化。
“用户搜关键词(查询词),搜索引擎拿着关键词(检索词),到它自己的服务器里面找出和这个关键词(索引词)匹配的网页”,只用个“关键词”多简单!
SEO往往就是被想得太过于简单了,所以一些管用的方法技巧几乎不被人得知。
我找出过许多SERP分析技巧,全都从未被人提起过,其中觉得最精妙的技巧,就和这个概念密切相关:
首先,需要先了解两个非常重要的排名因素,点击率、区域性排名。这两者本身限于篇幅暂不解释。
点击率:比如说有个页面是北京租房,它在“北京租房”这个词的点击率很高,于是这个词的排名上升,这是合理的。但是,它“北京租房”的点击率不应该影响到其在“租房”或“北京”这两个词的排名。因此,点击率这个排名因素是只作用于“查询词”级别的。
区域性排名:“租房”这个词因为有地域性需求,比如用户在北京搜索时,百度会把“北京租房”排名靠前的,排到“租房”的前面去。但是不应该把那个页面,排到“上海租房”这个包含“租房”的查询词中。因此,区域性排名同样只对“查询词”生效。
既然知道了至少这两个排名因素是只作用于“查询词”的,很自然就会想着,是否有方法能把这些查询词排名因素去掉,只看检索词的排名情况(某种程度上可以称为“实际排名”)呢?
(答案之前先回顾下。至今为止这个猜想的提出,完全基于检索词、查询词及两个排名因素的推论。因此最关键的是,要对搜索引擎及SEO两块的基础理论有正确、全面的了解)
而去掉查询词的排名因素的方法,其中一个很简单,在搜索关键词时加个#搜索就行了(或者其它任意百度通常情况下忽视的字符,#只是我个人习惯)。比如词是“租房”,改为搜索“#租房”。
因为“#”多数情况下不被百度作为检索词处理(除非仅搜索“#”、或搜索“C#”此类特殊词),加了之后,实际并没有对检索词做出任何改变,请求索引库时,还是只有“租房”一个词。但是因为搜的词样子已经被改变了,查询词就不同了。
查询词改变、检索词不变,这就达到了分析所需的条件。
这个方法可以用到的地方不少:
(1) 因为这样可以去除一些主要排名因素,对于后续深入去分析其它排名规则有非常大的帮助
(2) 结合大量数据的分析,能大致量化出点击率对排名的影响程度
基于量化用户点击对排名影响的理论知识,说个实际应用。
1. 取一定量的行业通用词,此处称为A类词(此处用的是“城市+招聘”,如“北京招聘”、“上海招聘”等几百个词)
2. 一一查它们的排名,将排名在前的根域名提取出来
3. 按照各排名位置的大致点击率,将排名位置换算成分值,如第一名5分、第二名3分……累加到各个根域名上
4. 计算出各网站于这些词的排名情况后,以排名分值倒序排列
5. 以加#的行业通用词(如“#北京招聘”),此处称为B类词,重复1-4步
6. 置入Excel表格,将各个网站的A类词排名分值,除以B类词排名分值,即可得到各网站受点击影响的程度(数值越高,点击对排名的提升作用越大)
下图为我计算的一个表格:
(第5列用到了Excel的vlookup函数)
图中可见,对于城市+招聘的词,加#搜索时(或说实际排名),赶集略好于58同城。而加上点击影响之后,赶集的排名远差于58同城。
文章评论 本文章有个评论