Wedding Dresses Outlet

美国知名搜索引擎聚合研究网站seomoz.org总裁randfish发表文章对SEO在2010年的发展作了8个预测。在这篇文章里，randfish通过搜索引擎近期的发展趋势对将来一年SEO的发展做了一些个人的预测，全文我们编译如下：

1.实时搜索出炉

微软开始通过宣布在搜索结果页中整合twitter的结果来给Google一击。作为回应，上周一，Google发布了与twitter整合的消 息，但在我看来是一个早期的测试版本。Google有过为了防止其他公司争夺媒体话语权而突然出手的历史。但就这件事来说，我认为这严重损害了产品的可用 性和相关性（几乎是所有人，无论是顾客还是搜索狂热爱好者都同意）。

就像Danny Sulivan说的，就像回到了1997的Infoseek。如果你想排名第一，不用在乎是否有优质的内容、相关性或流行度，只要是最后一个就某个话题发 表Tweet的人就行（至少是在几秒内是这样的）。 我的评估（也是其他很多人的），这是Google有史以来最差的一次对搜索结果的部署（调整）。我想象点击率和跳出率的统计表已经在他们的用户可用性团队 手里，只是为了保存公关上的面子而让这种状况持续1.5周了。

在2010年，我认为这种情况会慢慢好转。可能不会完全改变，但我们不会看到现在这种针对某些查询泛滥的情况。Google可能喜欢实时搜索，并且这的确 给他们带来很多媒体报道（虽然很少是完全正面的），但他们不能像这样为了公关效果而牺牲搜索质量。我认为他们的工程师还在进行某些工作，并且实时搜索的统 计数据让他们比较头疼。虽然我没有具体的数字，但我的印象是在上周有很多搜索都返回了实时的搜索结果。

(Randfish在seomoz.org中发表的关于seo在2010年的8个变化）

（rainfish以他们自己的网站seomoz作为搜索示例）

（知名搜索营销专家丹尼-苏利文发表的看法）

2.Twitter的链接成为互联网链接地图中重要一环

在所有实时搜索的大潮里，我坚定地相信Twitter将是整个互联网链接地图中补充性的一环。事实上，我认为一个粗略的“推荐源 （recommendation sources）”的图看上去像下面这样： Google总是想保持内容推荐或建议机制。这就是通过流行度和相关性得出的PageRank的由来。并且我认为Twitter的数据成为下一次搜索引擎 进化的机会很小。就在昨天，他们发布了自己的短网址服务（我认为这是为了获得更多的数据，同时也可能是对bit.ly先发制人的反击，因为他们一后就发布 了自己的PRO服务）。

Google不准备只是采用tweets和re-tweets的原始数据。我认为他们在用自己的方式计算tweets和tweet来源的相关性和流行度， 来决定谁会显示在实时搜索结果中，并且我期望这种算法/标准应该像PageRank一样。今天，SEO们想将tweet转化为链接，以在SEO方面获得好 处。我感觉tweets将在不远的将来在Pagerank里会有自己的权重。

（randfish关于twitter的研究文章截图）

拓展阅读：

本文感谢易IT博客的编译工作，详见易IT博客的编译内容

分词是很多做SEO的人常听到的概念，为了让大家在这个方面不会有疑惑，现在要来讲一下分词以及索引库。这也是更深入的了解搜索引擎的开始。

搜索引擎每天都是在处理一个基本的需求：用户搜索一个关键词，搜索引擎马上找到相关的网页给用户。这个过程要怎么实现呢？ 下面就分步来了解这个过程。

首先搜索引擎要尽可能多的把互联网上的网页搜集下来，这样能提供大量的网页给用户查询。这一部分由爬虫来解决，顺着互联网上的链接一个个往下抓取。 最后就有了一堆记录着网页各种信息的资料库。目前的现状，最后能使这个资料库里有大概100多亿个网页。资料库里记录了这些网页的URL，整个网页的 HTML代码，网页标题等等信息。

然后，搜索引擎拿到用户输入的这个关键词后，要从这个资料库里把相关的网页找出来给用户。这里就碰到好几个问题了：

1，要怎么快速的从上100亿个网页里找出匹配的网页的呢？

要知道这是从上百亿的网页里找符合这个关键词内容的网页，如果像用word里那种用ctrl + F 轮询的查找方式的话，即使用超级计算机，也不知道要消耗多少时间。但是现在的搜索引擎，在几分之一秒里就实现了。所以一定是做了一些处理才实现的。

解决办法也倒简单，就是建立一份索引库。就像我们查《新华字典》一样，我们不会翻遍《新华字典》的每一页来查那个字在哪页，而是先去索引表那里找这 个字，拿到页码后，直接翻到那页就可以了。搜索引擎也会为上百亿的网页建立一个索引库，用户查询信息的时候，是先到搜索引库里查一下要找的信息在哪些网 页，然后就引导你去那些网页的。

如下图：

索引库

2，索引库里用什么样的分类方式？

我们知道，《新华字典》的索引表是用字母列表或者偏旁部首的分类方式的。那么搜索引擎的索引库里是怎么分类的？是不是也可以用字母列表的方式？

搜索引擎如果以字母列表的方式排列索引库，那么平均每个字母下要查询的网页数量是  100亿÷26＝3.85亿 ，也还是一个很大的数字。而且搜索引擎上，今天是100亿个网页，过不了多久就是300亿个网页了。

最后，终于找到一个解决办法：索引库里用词语来分类。

因为尽管互联网上的网页是不断激增的，但是每一种语言里，词语的数量都是相对固定的。比如英语就是一百多万个单词，100亿 ÷ 1百万 =  1 万；汉语是8万多个词语，100亿÷8万=12万5千。都是计算机很容易处理得过来的。

用词语来分类还有一个好处，就是可以匹配用户查询的那个词语。本来用户就是要查这个词语的，那我就按这个词语去分类就是。

所以，搜索引擎的索引库，最后就是这个样子的：

模拟的索引库

理论上，当用户输入关键词“mp3 player”搜索时，搜索引擎就从 “mp3”那行 和 “player”那行里拿出同时都有的、交集的url来即可。

上图也是现在英文版的google.com上的真实排名情况，可以看到 www.winamp.com 这个网站在搜索“mp3”的时候排第4位，在搜索“player”的时候也排第4位。当搜索“mp3 player”的时候，因为没有其他网站比它更匹配这个词语，所以它排在了第一位。

排在第一

当搜索引擎把一个网站抓取下来后，接着要做的事情就是把网页里的词语分开放到索引库里。分词在这个时候就要应用到了，所谓的分词，其实很简单，就是把词语分开而已。

英语的分词好处理一点，因为英语的每个单词之间是用空格分开的，基本上就只要处理一些虚词、介词，还有一些词语的单复数，变形词等等。但是中文的分 词就复杂很多了，句子中的每个字都连在一起，有时候即使是人来判断，都还有产生歧义的时候。中文的分词有很多方法，也很容易弄懂的，如正向切分法，逆向切 分法等等，网上有很多相关的资料。

谷歌的中文分词方法是从国外一家第三方公司买的。百度的分词方法是自己创立的，可能在词库上面比谷歌有点优势。不过其他方面差了一些。

当爬虫找到一个网页的时候，在搜索引擎看来，这个网页就是一大堆词语的组合。基本流程如下：

搜索引擎的处理过程

看完这个流程图，应该能给大家在做内部优化的时候有所启发的。

我建议大家再去看一下《把Web标准化进行得更彻底一点》这篇文章，还有《丰富网页摘要”，让你的网站与众不同》以及《SEO案例：锚文本、关键字、nofollow、Web标准化（一）》和 《SEO案例：锚文本、关键字、nofollow、Web标准化（二）》。那些文章和这篇文章一样，都是在讲同一个问题。

一定要站在搜索引擎的角度，把它的这些原理了解清楚了，才会让你明白哪些因素才是你应该关注的重点。

有人说: SEO就是重在细节。这应该是经验之谈。但是不知道大家有没有想过的是：是不是可能原本这些看似细节的东西，其实就是应该注意的重要的东西呢？如果你不能 控制好你的排名，有没有想过可能你以前特别在意的一些SEO因素，其实有些并不是重点？；而只是你把影响排名的部分因素弄错了？

上面的很多知识，其实在《搜索引擎营销:网站流量大提速》里都有提及的。那本书要去精读的原因之一就是它讲了很多看似很普通的原理，但是都是有用的。

比如在选关键词的时候，也可以参考一下这个词语的索引量。从上面的原理可以看出，这个索引量反应了这个词语在这种语言当中人们使用的流行程度。所以国外有些计算关键词KEI指数的公式里，也把这个关键词的索引量加入了进来。

http://www.semyj.com/archives/544

众所周知，内容重复是搜索引擎优化中的一大忌，通常情况下转载的文章是很难获得高权重，所以站长们往往使用伪原创，下面是部分关于内容复制的信息图表，相信对各位会有所帮助。

#1 从博客上复制内容：

上图是主要针对博客这种网站媒体类型的，我们使用wordpress的时候经常将文章毫无保留地展示在首页，而不是使用输出摘要（就好像SEMWATCH那样），根据Randfish观察，其实这样子是会搜索引擎误认为内容重复。

#2 URL参数引起的内容重复

究竟URL参数像Session IDs，Tracking IDs是怎样引起内容重复的呢？Googlewebmastercentral (需要翻墙) 透露，同一个产品页面，如果搜索引擎爬虫抓取可以通过多种链接途径抓取同一个产品页面，那样会有以下几种消极的影响：

1.多种URLs会稀释链接的广泛性。比如上图的产品页面，如果有50个导入链接，那有可能分别形成了3种导入URL途径，而不是唯一的某一个URL，这样就等于将导入链接传递的权重分散到3个不同的链接上。

2.搜索结果或许会呈现不友好的URL（比如一大串长长 的session ID,tracking ID）。从而在SERP中，降低了用户对该页面的清晰了解程度（英文url比如semwatch.org/sem，不仅仅具备搜索引擎友好性，更重要的是 用户体验友好性），不利于品牌的塑造。

#3 搜索引擎对待内容重复的态度

从Search Engine Land给出上图可知，一般来说搜索引擎通过4个步骤来识别内容是原创还是复制：

1.发现。当搜索引擎爬虫发现新的内容，他会立刻与之前收录的内容进行比较确保内容的原创性。

2.丢弃。首先，搜索引擎会放弃收录那些来自链接工厂，MFA站点（Made For Adense）和被列入黑名单的IP的页面

3.解剖。下一步就是分析每个页面的 入站链接，判断链接的质量和源头。

4.决定。最后就是回顾之前收录的页面和相关链接，决定哪一个页面才是绝对原创。

#4 关键词拆解

搜索引擎会蜘蛛通过你的某一个特定页面爬行4个或者40个网站上不同的页面，而这种行为一般是通过该页面的相关内容链接进行爬行抓取（比如上图的 “滑雪板），很多朋友希望通过将众多页面相互关联起来即使相互之前没有关联性，一个站点的许多页面过度使用同一个关键词，从而为了提高排名。但是事实上， 这种行为对于排名是帮助不大的。

#5 怎样处理好内容重复的情况

这里不同在于不是仅仅通过“滑雪板”这个词而是通过各种各样，有价值而且唯一的关键词（比如折扣滑雪板，小孩滑雪板等）链接到原来的内容上。这样搜 索引擎就可以很容易确定该页面与其他页面的相关性极强，这不仅仅基于搜索引擎友好性，更是考虑到用户体验与网站未来的信息架构。

Canonical标签

Source: Dynamical.biz

Source: SEOmoz.org

其实上面两幅图都涉及到一个问题，那就是网址规范化，针对这个问题，Zac前辈很早前就给我们分析过—网址规范化问题最新解决方法，大家可以前往学习。

301重定向

301重定向也是解决内容重复的重要方法，对于永久的重定向，搜索引擎更偏爱于301重定向。随着301重定向实施，旧网站的权重就会自动传递到新的网站上。

当各位了解了搜索引擎对于内容重复判断机制以后，相信对各位的优化工作会有所帮助。我们经常说“细节制胜”，所以无论是网络营销还是单纯的SEM都必须遵循这样的一个原则和细节，方能制胜。

图表收集：Ann Smarty，原文链接

本文首发 SEM Watch ，转载请注明出处。