当梦想照进现实

SEO 词库完整指南

2018.11.17


之前讲到了 SEO 频道,其中极其重要的一步,就是词库的建立了。
词库的整理和收集,一方面可以根据关键词获取到精准的、大量的流量,另一方面也可以了解用户的需求,方便第二步的模板设置。

关键步骤

SEO 词库一般有以下几个关键步骤:

  1. 抓取
  2. 扩展
  3. 过滤
  4. 补充字段 & 入库
  5. 清理 & 优化

第一步 关键词抓取

关键词抓取一般有以下几个来源:

  • 竞争对手词库
  • 第三方工具,如 5118
  • PPC 或者其他流量渠道的关键词

抓取的工具也有很多,比如:

  • 火车头
  • Python - scrapy
  • 开发支持

不过需要注意的是,抓取工具一定要支持往下一层抓取(也叫深度抓取),而不能仅限于源页面的抓取。

第二步 关键词扩展

抓取一批数据之后不要急着过滤和使用,要先扩展一批
这里可以借用搜索引擎的能力和工具进行扩展,有以下几个方式:

  • 搜索引擎的搜索框提示词
  • 搜索引擎的相关搜索词
  • PPC 的扩词工具,如百度推广助手的关键词工具,Google Keyword Planner Tool.

扩展一大堆关键词之后还有非常重要的一步,就是关键词分析,整理关键词组合
首先,通过分词和整理,可以拿到关键词的词根,以及对应的搜索量。

其次,手工把每个词根对应的关键词组合整理出来,并加上搜索量和出现次数
最后,就是考虑这些关键词怎么应用。如果关键词组合的搜索量特别大,而且主题明确且独特,是建议单独开设一个频道,比如 「城市」+ 天气。而对一些比较零散,无明确规则的关键词,则是需要添加到 SEO 频道,比如 “杭州八景”。
借用一张 GoGo闯 博文中的一张图:

注:GoGo闯 有一篇讲关键词分析的文章,这里推荐一下《【如何搭建SEO词库?】SEO关键词分析》。

第三步 关键词过滤

SEO 入库前还需要进行过滤。以下关键词过滤的具体规则(应该是中文最全的规则了):

  • 单复数过滤,比如 led light 和 led lights
  • 前后顺序调整过滤,比如 led light 和 light led
  • 空格处理,其中包含首尾空格去除、多个合并为一个
  • 特殊字符处理。除了字母和数字外的其他符号,都是特殊字符
  • 大小写处理。一般是全部转换为小写
  • 年份替换,比如 2016 替换为 2018
  • 去停止词后去重。一定要注意,先去停止词之后再去重,比如 “南京天气” 和 “南京的天气”,这样就可以过滤掉
  • 黑名单过滤。这里可以过滤掉包含黑名单里的关键词,而黑名单可人工维护,比如最近的一些敏感词
  • 违禁词过滤,比如政治类敏感词、侵权品牌类关键词
  • 结果数和相关性档位过滤。根据搜索结果进行过滤,比如相关性档位为 3 的产品少于 20 个,页面就不会创建(或自动添加 noindex)
  • 纯数字, 字母过滤。对中文站来讲,纯字母的关键词比较偏向垃圾词,对英文站则不然
  • 语种过滤。中文站需要排除掉其他语向的关键词
  • 长度过滤。可以过滤掉过长或过短的关键词
  • 单词数过滤,可以过滤掉一个单词,或者超过3个单词的关键词

注:上述很多规则来自阿里内部的关键词过滤工具中的功能。

第四步 补充字段 & 入库

入库时除了关键词以外,还需要补充相关的字段(对应每个数据库字段)
一般有以下数据:

  • 关键词
  • 行业分类,比如属于 3C 行业
  • 关键词类型,比如是 price 类
  • 添加时间
  • 修改时间
  • 添加人
  • 搜索量
  • 百度 / Google 结果数
  • 分词结果,比如 “南京|旅游|攻略”

第五步 清理 & 优化

  • 清理是为了剔除掉低效的页面,保证频道的效率。比如近一年内没有任何流量的页面。
  • 优化是精细化的运营,比如有一批页面一直未抓取,则添加一批内链促进其抓取;或者排名在第二页但仍有流量,则需要稍微给一点内链帮助其上升到第一页

其他高级功能

随着词库规模的扩大,会遇到更多问题。这些都是考虑和解决的。

  • 聚类。可以解决页面重复的问题,提高频道效率。
  • 分类。可以根据不同的关键词类型,使用不同的模板,以更好的满足用户需求。
  • 倾斜。根据搜索量或者转化率,资源向部分页面倾斜。

站群的词库

最后多说一点,我也做过站群的词库。
在站群项目中,内容、抓取量、链接资源都是极其有限的。这个时候,词库就显得极其重要。
一个好的词库,比一般词库的效果要好上几十倍。
而好的词库,甚至不惜人肉整理。几万个关键词人工筛选。

最后

如果对 SEO 词库有任何问题,欢迎留言交流!
或者希望我分享什么话题,也可以留言。

Comments
Write a Comment
  • 张老师,对于电子元器件行业{part no}型号类型关键词,关键词组合是以纯字母/纯数字/字母&数字组合为主,而且全球这个类型关键词数量有几千万个,但是符合长尾效应,百度对于这种词识别(分词/理解用户需求/排名打分)有什么侧重点嘛?

    • @peak 这类关键词一般是部署在产品详情页。

      搜索引擎在分词上会认为是一个专有名词,在排名上跟其他词也没什么区别。

      有一个需要注意的地方,就是这些页面如何避免重复性。因为这些产品的重复度还是很高的,会存在收录的问题。

  • elubs reply

    张老师,我想问一下,火车头如何做深度抓取呢?是不是把所有的分类列表页面的内容页面全部采集下来呢?

    • @elubs nonono,深度抓取是说抓取的深度。比如我刚开始给了一批URL是第一层,爬虫可以抓到同一个频道的其他页面算第二层,然后爬虫可以在第二层上继续抓第三层、第四层。

  • elubs reply

    张老师,可以分享一个词库整理实例出来呢,让我们学习一下,谢谢。

    • @elubs 其实很多网站都有这个词库,你可以看下途牛的这个频道。

      http://www.tuniu.com/g1602/tipnews-240368/

  • 恨铁不成钢 reply

    大师好,小弟非常敬佩大师在SEO技术的经验。我想请大师分享下对这个企业站优化www.szcy99.com排名是如何达到的!这个网站收录不到785个页面,友情链接才5个,也有一些行业站的链接支持,站内优化做得还好,网站内容质量一般,做256个关键词(全部是指数词)在百度首页排名,非常稳定在第一名。小弟因SEO技术水平有限,研究了这个网站很久,百思不得其解(快排?PBN站群?黑帽?)。一个企业网站可以玩得这么牛B,特来请教大师,还望大师指点一二,非常感谢。

    • @恨铁不成钢 这个站确实有点厉害。可取之处是页面内容非常丰富、移动端也有做相应的适配。域名从 2011年开始。

      不过数据来看也有一些问题,比如PC端的百度权重是5,移动端是1。这个数据有点可疑。有点像是快排的原因。但不确定。

      • 恨铁不成钢 reply

        @alexkh 非常感谢大师对提问的关注和回复,推测百度及至其它搜索引擎对快排识别能力还是很弱,从目前来看搜索算法,对快排有大很程度上都是免疫的。