SEO的系统化策略

【抓取与收录】

搜索结果页是站点之间竞争用户的战场，要想在竞争中获胜，首先你得站到战场上去。根据之前说到的搜索引擎的原理，我们知道，要在搜索结果页中出现，首先生产的页面要被搜索引擎的蜘蛛抓取。蜘蛛发现网页，正常情况下是通过站内的链接，和站外的链接，按照广度优先的原则，提取页面中导出的 URL。一般来说，站长还可以通过提交 Sitemap， Ping通知蜘蛛，手动提交等方式，帮助蜘蛛发现有效的 URL。

前面说到，通过链接抓取网页，按照广度优先的原则。一般的小站，搜索引擎从起点页抓取三四层的深度也就不错了，一般这个起点页都是网站首页。所以 SEO要将网站整体设计成扁平的结构，有些时候需要为蜘蛛搭一些梯子，帮助它在较短路径上接触到更多的 URL。举个例子，

一般情况下，一个页面内导出链接不能过多，超过某个值蜘蛛就不抓了。之前的经验是 100，但是这个数值还是跟网站和具体页面有关。在网站层级和单页导出链接总量两个约束条件下，还有一点文章可做，那就是时间。单个页面导出链接最多是 100，如果我每天换掉其中的 50个呢 ? 一个最简单的实现方式是借助于缓存机制，固定的取 50个，另外再在全集中随机取 50个，这 50个设置缓存时间 1天， 1天后失效，再随机取 50个，这样可以最大化导出链接的时效性，就像广告的分时段轮播一样。这里的数字可以根据实效进行调整。站内如此，对于批量交换的外链，也可以按照类似的方式实现。

对于移动页面，有两种主要的机制通知到蜘蛛 PC页与移动页的对应关系，一是在 PC页头部加上 mobile-agent的 meta属性，二是在站长工具提交 PC/移动页对应关系的正则 (也可以提交全量的 URL地址对 )。

抓取这个环节至关重要，站长平台的抓取频次，和通过 accesslog分析得到的抓取明细，都需要时刻监控。小站的 log文件，市面上有些一些日志分析工具，自己写也 OK。对于大站的 log，很多都存储于 hadoop这样的分布式存储上，一般需要定制程序去分析处理。为了即时分析处理，快速反馈，可能需要接入流式计算框架 (kafka+storm)。

对于蜘蛛抓取行为数据的使用，可以用来评估蜘蛛对于站内页面价值的评定，可以用来反馈辅助抓取所做的一些优化的效果，可以预估新生成页面被搜索引擎接受的程度，等等。没有使用价值的数据是没用的，数据跟具体的应用场景结合起来，才能体现其价值。

对于抓取的页面，蜘蛛建立倒排索引后，会进行价值判定，按照价值高低，存储在分级索引库中。高级别的索引库才会参与最终的搜索排序。

一般 SEO开始学的时候，都会接触到 site语法，基本上所有常见的搜索引擎也都支持 site语法去查询域名或者目录级的收录量查询。在 site查询语句的后面加上一个词，可以查询得到该域名与这个词相关的页面。比较有价值的是， site语法查出来的结果，按照网页的价值倒序排列。这个特征便使得依据相关性内链，提升第二页 /第三页落地页的排名成为可能。

【排名与流量】

对于有搜索量的词，获得好的排名，几乎确定了能获得流量。这里说几乎，因为还有一个点展比 (点击量除以曝光量 )的概念。按照谷歌的规律， PC搜索结果中，前四位获得点击的几率是 42%， 12%， 9%， 6%。

先说排名。说到搜索排序，有很多场景下可以用到，比如在搜索结果页中的推广链接区域有个排序；在淘宝里面搜索，商品返回的结果列表有个默认的排序； App Store中搜索也会按照一定的规则返回结果列表；同样的，在广告投放中候选广告创意去竞争一个展示机会时也有一个排序。这些排序与自然搜索的排序有一个共同点，即为了用户体验，将最好的，最符合用户需求的排在前面，从而提升用户体验。

影响自然搜索排序的因子应该很多，众所周知的，如网站自身的权威性与价值，网页的导入链接权重，网页结构 /速度，网页内容的原创性，以及最重要的，用户搜索词的出现频次，页面 Title与 H标签中出现搜索词的频次，等等。这是事前的因素。

有一点特别要提及的，搜索引擎为了构建良好的搜索竞争生态，对新站有个补偿机制。这也是实际有效的排序因子。

还有一点事后的因素，获得排名，用户点击，之后是否还点击了别的搜索结果。如果你的页面排在某个词的搜索结果第一位，搜索用户点击了你以后，还总会点击第二位的结果，那显然第二位的结果更符合用户需求，排序如何变化可想而知。这点可以从百度公开的专利中找到依据，点击器也是利用这个原理来实现的。

获得排名的搜索结果，展现给用户的信息包括，页面 Title， Description或者页面内提取的信息摘要，缩略图，首页的子链接。后面两者可能有，也可能没有。还有一个相对次要的因素，搜索结果的域名 /链接摘要。如何在获得曝光的情况下，吸引用户点击 ? 除了让自己的排名尽量靠前外，可以做的事情还包括，优化 Title/Description的文案，在页面主体区域提供合适尺寸的图片增加被作为缩略图的几率等。搜索结果条目示例如下 :

百度自己的产品虽然有被提权的嫌疑，但是从 SEO的角度看，仍然有很多值得学习的地方。对于一些如果不确定，可以研究百度自己的产品，看具体的实现方式。

经过了关键词，内容，页面，抓取，索引 /收录，排名，流量，这个漫长的链条，我们再回头来看封面上的漏斗模型，可以从中反思，我们的短板在哪里，机会又在哪里。如果将这些数据汇集在一起，随时利用这个数据链去监控网站的 SEO状况，利用数据对一些优化操作进行效果监控，甚至通过定义一些自动化的策略，使得系统自己可以实施一些优化操作，并利用数据反馈，再调整，再优化，实现智能优化，真正发挥数据的威力。

【流量到转化】

SEO流量获取的问题解决以后，就要考虑怎么去承接这些流量了。与广告类似，流量的目的一般是两个，品牌曝光，直接效果。品牌曝光一般难于做效果监控，所以本篇主要聊直接效果。

实际上，承接的效果如何，对于获取流量的能力又有很大的影响。外部来说，内容不满足搜索用户的需求，跳出率高，搜索引擎里面的排名会掉。内部来说，老板看的是最终目标，曝光量大，转化多，成单多，可以让老板更重视 SEO，给更多资源，有了资源，就可以更好的做 SEO，从而形成一个良性循环。

以直接效果为目标的流量，转化可能受到四个因素的影响，

1.流量的质量，或者说流量背后的用户跟自身需要服务的用户的重叠程度，把不相干的流量引来，可能是做无用功，用术语说，就是要做到精准营销；
2.用户触达站点时对于有几分信任，有信任作为背书，往往转化也会高些，比如知名品牌的官网往往转化会高，搜索一般的商品品牌/店铺名的流量，本身对目标有认知，转化也会高一些；
3.自身提供的产品或者服务本身的特性，有些情况下用户决策很快，比如单价较低的，标准化的东西的购买，这种比较容易形成转化；
4.给用户第一眼看到的内容，就电商这个行业来说，页面上展现相关的促销信息，或者提供给用户更多的选择机会，则会有更高的概率转化，比如列表页优于单页。

不同的行业 /不同的承载方式 (网站 /APP/微信 /淘宝店 /自媒体等 )，有不同的流量获取渠道和方式，不同渠道的流量占比也会各有不同。比如京东的网站，应该包括但不限于如下一些渠道，直接访问，搜索引擎 (PPC/品专 /SEO)，导航站，返利站，导购站，输入法弹框，网盟 (自有 /第三方 )，广告，微信入口等，具体到 SEO，两年前听到一个未经证实的数据，京东 SEO流量占总流量的比例大概 11%。作为对比，某知名在线旅游网站， SEO流量占比达到了 30%。对于垃圾站群推的文学 /影视类网站， SEO流量的占比应该不低于 90%吧。不同渠道的流量，转化率也会有所差异。对于电商来说，直接访问的流量，返利 /导购网站来的流量，一般都有相对明确的目的，也有一定的认知，所以决策曲线短，成单的概率大。下面画了一幅很假的饼图充数 :)

整站的整合营销，考虑的是整体的 ROI，有些时候为了配合大规模的促销活动，也会放低 ROI的标准，因为高转化的优质流量毕竟是有限的。当然，调节的细部手段还有提高网盟 CPS结算的返点，与搜索引擎等流量入口达成临时合作等等。可能有些未尝试过的流量，可以少量测试，总的策略是确保总量的前提下，提高总体 ROI，可以用 CPA或者 CPS的方式做内部衡量。

【流量跟踪】

最后简单说说 Track。我们一般统计流量，会用 GA，百度统计， CNZZ， 51.la之类的统计工具，或者模仿这些工具，自己做个流量 track系统。对于外投的流量渠道，往往根据链接参数中的 track码来区分来路，相对常见的是 GA中定义的一套，