【SEO】關鍵詞數據分析
分享
評論
贊0
SEO大部分工作都是圍繞“關鍵詞、網站內容、鏈接結構”這3個點展開的，每個點都需要依托數據分析技巧。而關鍵詞作為第一步，其目標是了解用戶搜索需求及不同用戶在不同場景下產生的搜索行為，并對應網站內容，找到目前忽略的搜索流量。對網站內容和鏈接的建設方向起到直接的指導作用。
縱觀各種SEO論壇，提到關鍵詞分析都常出現以下幾個問題：
1、關鍵詞詞如何歸類
2、相似的詞如何處理
3、這些詞怎么用
面對條目繁多、類型復雜的原始詞表，純人工處理顯然不現實，純程序處理顯然不準確。所以需要使用很多個小技巧，用程序處理原始詞表，輸出候選分組和指定的參考數據，在人工來甄選的方式，高效快速且保證質量的解決上述問題，大體過程如下：
1、獲取原始詞表，我這里的用的是百度推廣API，也可以用百度鳳巢、搜索引擎下拉框及相關搜索、競品數據等，方法及現成的工具很多，就不在多說。
2、對原始詞表進行處理。
大多數用戶都會使用共性的搜索組合，約占60%~70%的比例，每個組合都包含“詞綴”和“變量”。
比如：“北京在哪租房便宜”，這里的“北京”就是一個地域變量，“北京”本身可以替換任何城市、區縣、街道等地域有關的名詞，“在哪租房便宜”則是詞綴，詞綴是寫死在模板上的，而不是像變量一樣動態調出來的。
另外一般搜索量高的詞，都會對應多個意思相同的詞，如“北京哪里租房便宜”、“北京去哪租房便宜”等。
拿到原始詞表，接下來要做的，是對原始詞表進行初步的分組，為接下來的人工甄選提供可靠的數據支持。需要什么數據需要結合實際來定，下面的例子是按我個人的習慣來的。
具體操作為：已詞根為分界點，提取原始詞表中每個詞，詞根前面和后面的部分，即這個詞的前綴和后綴，之后計算每個詞綴的在所有詞中的出現次數及對應的總搜索量。
這是處理后的原始詞表：
這是計算出來的詞綴數據：
3、人工甄別，提取變量。
詞綴已經找出來，還差對應的變量。由于變量的復雜性、多樣性，還是需要人工快速的過一眼。
由于上一步已經把詞綴數據都計算好了，將詞綴按總搜索量降序，找出前綴、后綴搜索量前200的詞綴，然后快速過一眼包含這個詞綴的關鍵詞都有哪些變量，都記錄下來。
記錄的格式可以自由發揮，結合實際情況，記錄自己分析所需要的數據。
我的記錄方式如下圖，左邊藍框是同類詞綴，即“搜索需求相同，但搜索行為不同”的相似詞。右邊藍框的是對應的高頻搜索組合，包含不同的組合模式或不同變量。
4、數據使用。
這個沒有固定的方法，看網站情況實際而論。但比較統一的方式是，同類詞綴都放到一個頁面內、高搜索量詞綴放title，低搜索量詞綴合理嵌入頁面，比如上圖藍框部分：
總共有7個詞綴，先查找下每個詞綴對應的總搜索量，把搜索量靠前的詞綴優先放到title上，剩下搜索量低的合理的嵌入頁面中，比如在頁面底部加上該頁面的文本說明，如‘訪問過該頁面的用戶還搜了：“{city}求職招聘網、{city}求職應聘、{city}求職信息網”’
因為搜索量低的詞綴如果變量很多的話，潛在的長尾流量加一塊也不少，因競爭度小，互聯網中包含這些長尾詞的網頁不多，如果網站中有一個網頁或多個網頁中能夠完整的出現這些長尾詞，那么這些詞展現的幾率會大很多。
這里有個搶占搜索引擎優質索引庫的意識。百度是分三層索引，優質庫、普通庫、低質庫，優質庫的網頁數量占總索引庫20%，卻能夠滿足60%以上的檢索需求。在優質庫的網頁才會有展現的機會，所以同一類搜索詞，最好合理嵌入A、B、C等多類頁面，萬一A掛了一部分頁面沒進入優質庫，沒關系，沒準B、C能補進去呢。
也有很多人會碰到這種情況，“求職網、求職找工作”是以“求職”為詞根，搜索量高，得放到title上，那已“招聘”為詞根的“招聘網、招聘找工作”搜索量也很高，一個title沒法放那么多搜索量高的詞，怎么辦?
建議不同詞根但需求相同且競爭難度較大的詞，用不同的頁面分別承載對應的流量。比如“求職”和“招聘”，頁面對應的內容都是招聘信息，所以如果“求職”已經有頁面的話，建議用同樣的數據，與求職頁面不同的調用方式、不同的模板做一套新頁面來捕獲招聘的流量。
還有一個詞共現的問題，用試過幾次，找“馬云”“阿里云”“萬網”這種語義關系上挺好用的，對于關鍵詞分析，如新聞咨詢那種搜索詞關聯性不強的站，可以人工設定幾個種子詞，導出對應的文章，通過分析種子詞上下文提取與種子詞關聯性強的TAG詞。網上有現成的工具包：word2vec，可以很方便的實現上述需求。但對于常規網站的關鍵詞分析，個人感覺作用不大。
另外也別考慮有什么程序能夠一步到位，程序只負責處理，最終決策還得靠人。
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論