seo清洗百萬(wàn)長(cháng)尾詞數據的站關(guān)策略

前言??

如果不是一名CEO主動(dòng)高薪挖掘、空降過(guò)來(lái)的鍵詞進(jìn)行seo負責人，老實(shí)說(shuō)，排名很多seo人員在公司里都處于“弱勢群體”?？焖?/p>

絕大多數普通的關(guān)鍵seo人員在公司里、??跨部門(mén)溝通里都沒(méi)有太多相應話(huà)語(yǔ)權，詞分有很多的站關(guān)細節工作得不到相關(guān)配合。

處于這樣一個(gè)環(huán)境，鍵詞進(jìn)行seoer想要工作出色，排名必須充分發(fā)揮主??觀(guān)能動(dòng)性，快速想盡一切辦法完成那些明面上(′?_?`)不值一提、關(guān)鍵暗地里又不可避??免的詞分事情。

問(wèn)題

全網(wǎng)大批量挖掘長(cháng)尾詞，站關(guān)這是鍵詞進(jìn)行seo和se??m必須做的事情，但(dan)是排名大批量的長(cháng)尾詞注定會(huì )帶來(lái)一些數據清洗工作，多數情況下清洗的工作可以在Excel完成(cheng)，但是也有很多情況是Excel很難搞定的，比如：

水果里的“蘋(píng)果”和手機里的“蘋(píng)果”和電影里的“蘋(píng)果”，這又(′ω｀)是同形但完全不同義的詞匯，簡(jiǎn)單的利用詞根去ヽ(′?｀)ノ挖詞自然會(huì )挖掘到很多非目標長(cháng)尾詞。

還有很多類(lèi)似情況，那么問(wèn)題ヽ(′?｀)ノ來(lái)了：剔除非目標長(cháng)尾詞是必須(xu)要做的事情，這樣一個(gè)seo工作里的細枝末節，做好是理所當然的。老板一不會(huì )幫我們做、二也不會(huì )給我們配人做，如果這是一份百萬(wàn)級別的長(cháng)尾詞數據，都靠在Excel里篩選剔除，可能項目已經(jīng)黃了。

面對這樣一份雜亂無(wú)章的長(cháng)尾詞數據，如何使用高效的方式過(guò)濾篩選？

---

今天這篇文章是一篇完全基于技術(shù)的內容，但是對于不會(huì )技術(shù)的朋友我反而強烈建議充分地看一下，有兩點(diǎn)：

技術(shù)是另一種思維方式，對于不會(huì )技術(shù)的朋友可以看看技術(shù)人員在碰到問(wèn)題時(shí)??是如何處理ˉ\_(ツ)_/ˉ的。

在“互聯(lián)網(wǎng)營(yíng)銷(xiāo)”工作中，有很多工作是超出我們能力范圍之外的，但是充分發(fā)揮我們的主觀(guān)能動(dòng)性做出超越這個(gè)崗位應有的能力( ?ヮ?)水平往往會(huì )帶來(lái)額外的收獲。

開(kāi)始

前段時(shí)間接了(le)一個(gè)采集項目(只(???)接熟人之間的合法業(yè)務(wù))，隨著(zhù)采集量的增大，“敏感詞過(guò)濾”這項工作避不可免，涉政、涉黃、恐暴、廣告等，這些相關(guān)字眼都得識別出來(lái)。

目前在市面上可以搜集到的敏感詞庫，隨便整合幾份就能達到幾萬(wàn)甚至更多，因為隨著(zhù)時(shí)間的前進(jìn)，會(huì )產(chǎn)生各種各樣的新詞匯。

用程序識別一篇文章是否包含目標敏感詞，以Python舉例：

refusalWord = '敏感詞'targetText = '內容正文'ifrefusalWord in taˉ\_(ツ)_/ˉrget_text:print(True)

讓程序把這個(gè)敏感詞拿到目標文本里尋找，找得到就說(shuō)明存在敏感詞，這是敏感詞只有一個(gè)的情況下，如果敏感詞是多個(gè)的話(huà)，那也簡(jiǎn)單，加個(gè)循環(huán)：

refusalWord = ['敏感詞1','敏感詞2','敏ヽ(′▽?zhuān)?ノ感詞3'] targetText = '內容正文'forword( ?ヮ?) in refusalWord: ifword in target_ˉ\_(ツ)_/ˉtext:print(True)

程序把一個(gè)個(gè)敏感詞拿到目標文本里尋找，如果敏感詞是幾百個(gè)呢，一個(gè)個(gè)反復處理顯得效率很低下，感覺(jué)還不太優(yōu)雅，正則(ze)表達(da)式可以很簡(jiǎn)潔的搞定：

importre refusalWord = ['敏感詞1','敏感詞2','敏感詞(′?｀)3'] targetText = '內容正文'ifre.search('|'.join(refusalWord),targetText):print(True)

所有敏感詞用“|”連接(╯°□°）╯︵ ┻━┻形成一段正則表達式：“敏感詞1|敏感詞2|敏感詞3”，用這段表達式(??-)?去匹配目標文本，找出所有出??現的敏感詞。

但是，如果敏感詞是幾萬(wàn)個(gè)甚至更多呢？了解正則的朋友都知道，再用這種方式寫(xiě)出來(lái)的表達式就顯得極其不合理，可能還會(huì )有(you)各種問(wèn)題。

而且敏感詞有幾萬(wàn)個(gè)甚至更多的情況下，效(′?｀)率是線(xiàn)性遞減的，再加上后期做的替換等其他工作，時(shí)間成本就更高了(⊙_⊙)。

并且，我們前面的演示還只是目標文本只有1個(gè)的情況，如果敏感詞數是N，目標文本是M呢？簡(jiǎn)單雙循環(huán)的情況下，時(shí)間復雜度至少是N * M。

PS：不懂技術(shù)的朋友不必糾結代??碼，只需要明白這是一個(gè)方案優(yōu)化的問(wèn)題，我們在面對敏感詞從1到N到N++的過(guò)程中在不斷優(yōu)化著(zhù)(zhe)技術(shù)方案，提升效率。

AC自動(dòng)機算法，是一種多???模匹配算法(fa)，算法的高明和高深不是我們這種非科班人員可以去探究的，但是算法的意義和差別，我們還是可以理解的。

上面的例子里，即使不會(huì )技(?_?;)術(shù)的朋友也明白，隨著(zhù)敏感詞庫的不斷增加，程序判斷一篇文(wen)章是否包含┐(′?｀)┌敏感詞庫里的某個(gè)詞或某些詞，這個(gè)時(shí)間成本是會(huì )逐步遞增的，因為無(wú)意義的判斷次數在不斷(′▽?zhuān)?增加，這就是一種單模。

而AC自動(dòng)(dong)機解決了這個(gè)問(wèn)題ヾ(＾-＾)ノ，使用多模匹配的算法，也就是說(shuō)：隨著(zhù)敏感詞庫的遞增，時(shí)間成本是不變的（至少在一定量級內吧）。

那這跟我們要聊的關(guān)鍵(jian)詞清洗有什么關(guān)系呢？接下去我們來(lái)一步步演示。

步驟1：挑選代表性詞根

這是一份“引流??”的長(cháng)尾詞庫，有幾十萬(wàn)，里面有兩種長(cháng)尾詞，互聯(lián)網(wǎng)推廣相關(guān)??的長(cháng)尾詞和醫療技術(shù)相關(guān)的長(cháng)尾詞，我們的目的是分開(kāi)這兩類(lèi)長(cháng)尾詞。

在Excel里，面對這樣一份數據，要把兩邊分開(kāi)，也就是篩選出目標或者篩選出非目標然后剔除，我們先考慮下一般操作方式是什么樣的：

一行一行看，把非目標的數據做標記，后面篩選出來(lái)全部刪除，但是對象是幾十萬(wàn)甚至更多，這個(gè)效率可想而知，能一行一行看完的是猛人。

挑選一些高頻( ?▽?)的非目標詞匯或字眼(′?_?`)，然后篩選出來(lái)剔除，反復重復這個(gè)操作，這個(gè)方式看上去很快，一次可以剔除一大片。

但是充分了解關(guān)鍵詞的???長(cháng)尾(′?｀)效應就會(huì )明白，這種方式越到后期越痛苦，因為到后期很多挑選出來(lái)的詞匯刪不了多(?????)少個(gè)詞，反反復復的篩選刪除會(huì )讓人崩潰。

除此之外，在Excel上面(mian)處理這樣一個(gè)問(wèn)題貌似沒(méi)有更好的方式，現在我們就用另一種方式來(lái)解決這個(gè)問(wèn)題。

老規矩，先對所有長(cháng)尾詞分詞(╬?益?)并統計詞頻：

接(jie)下來(lái)需要人工根據“常識”挑選出具有代表性的“分類(lèi)種子詞根”，從上往下，把“明顯只能”屬于互聯(lián)網(wǎng)推廣相關(guān)的詞匯挑選出來(lái)放到一份文檔，把“明顯只能”屬于醫療技術(shù)相關(guān)的詞匯挑選出來(lái)放到另一份文檔。(?????)

所謂的“明顯只能”，比如：“腳本”，即腳本工具，這樣一個(gè)詞基本不可能跟醫療技術(shù)類(lèi)長(cháng)尾詞有什么關(guān)聯(lián)，“傷口”，也基本不可能跟互聯(lián)網(wǎng)推廣這件事有什么關(guān)??系。

所謂的“常識”，比如：與互聯(lián)網(wǎng)推廣??有關(guān)的經(jīng)常會(huì )有一些平臺名稱(chēng)，知乎、微信、淘寶之類(lèi)的，這些甚至不用考慮，直接寫(xiě)。??

因此在挑選的時(shí)候，一定要確定這個(gè)詞的歸屬是否明確，如果模糊，寧???可不要！

前者視為“正”，后者視為“反”，“正”就是我們目標長(cháng)尾詞的代表??性詞根，挑選多少個(gè)呢？還是那句話(huà)，關(guān)鍵詞很符合28原則。

我們可(ke)以看到top詞根??的詞頻都是很高的，一個(gè)詞根可以牽連出很多長(cháng)尾詞出來(lái)，這樣一份幾十萬(wàn)的長(cháng)尾詞我也才各自選了百八十個(gè)。

即使這份長(cháng)(°ロ°) !尾詞的數量增加10倍，要挑選的代表性??詞根也不會(huì )多??多少個(gè)。

步驟2：拓展代表性詞根

我們挑選這些種子詞的目的很簡(jiǎn)單：“正”的種子詞拿到詞庫里可以篩選??出絕對是目標分類(lèi)的長(cháng)尾詞，我們上面把“微信”挑選出來(lái)作為種子詞，我們認為它只可能出現在

相關(guān)的長(cháng)尾詞，所以把“微信”拿到詞庫里可以篩選出包含“微信”的所有長(cháng)尾詞，這些都是互聯(lián)網(wǎng)推廣相關(guān)：

而長(cháng)尾詞一般會(huì )有這??樣的特性：

像這樣一個(gè)長(cháng)尾詞，我們通過(guò)“微信??”提取出來(lái)，除了“引流”這個(gè)詞根之外，(′?ω?`)因為這個(gè)長(cháng)尾詞是互聯(lián)網(wǎng)推廣相關(guān)的，所以其他詞根大概率也是

相關(guān)的，比如這里的“腳本”、“開(kāi)發(fā)”，絕對不可能跟醫療技術(shù)相關(guān)，反之：

膿腫切開(kāi)引流手術(shù)

我們通過(guò)“手ヽ(′ー｀)ノ術(shù)”這個(gè)種子詞得到，分詞ˉ\_(ツ)_/ˉ后的“膿腫”和“切開(kāi)”跟互聯(lián)網(wǎng)推廣也是不可能有什么關(guān)聯(lián)的，它們就可以作為新的種子詞加入“反”這個(gè)分類(lèi)。

這個(gè)時(shí)候思路就清楚了，我ヽ(′ー｀)ノ們先挑選一點(diǎn)代表性的種子詞，用這些種子詞去篩選所有相關(guān)長(cháng)尾詞，再對這些篩選出來(lái)的長(cháng)尾詞分詞，利用關(guān)鍵詞的這??種關(guān)聯(lián)性，得到目標分類(lèi)的(⊙_⊙)更多 我們在上一步?jīng)]有挑選到的種子詞。

所有這些種子詞就是我們后續用來(lái)分類(lèi)的基石。

運用這種思路其實(shí)就是解決了關(guān)鍵詞的長(cháng)(chang)尾效應問(wèn)題，我(wo)們無(wú)法人工一一去挑選種子詞，通過(guò)關(guān)聯(lián)自動(dòng)收集到更多我們人工沒(méi)有挑選出來(lái)的種子詞。

這些種子詞就能??幫我們覆蓋更多的(de)長(cháng)尾詞。

PS：這里是演示思路，篩選肯定是程序批量化處理，不(?????)是在Excel上做這個(gè)事。

在這一步里要為提取出來(lái)的種子詞計算各自的詞頻并對應保留，后續有用。

步驟3：篩選代表性詞根

1：通過(guò)第二步的自動(dòng)拓展，會(huì )出現某個(gè)種子詞即出現在“正”，也出現在“反”，比如：“視頻”。

這個(gè)詞出現在互聯(lián)網(wǎng)推廣相關(guān)的長(cháng)尾詞一點(diǎn)都不奇怪，而事實(shí)上它還會(huì )出現在

“引流”這(?⊿?)件事的長(cháng)尾詞上：

對于這種情況，我們其實(shí)可以考慮一個(gè)問(wèn)題，這是一種偶然還是常態(tài)，比??如“視頻”這個(gè)詞，它其實(shí)(′▽?zhuān)?在兩邊都是經(jīng)常出現的，那就干脆不要了，也就是它根本不具備代表性。

如果是偶然的，比如“艾滋病”，也是神奇，我在詞庫里看到一批長(cháng)尾詞里有一個(gè)：

除了這個(gè)以外，其他都是醫療類(lèi)，那這種(zhong)就是偶然了，對比我們第二步保留下來(lái)的詞頻，哪一邊出現壓倒性的大，就把這個(gè)種子詞保留在哪一邊，另一邊直接去除。

如果在數據上差距不大，那就兩(liang)邊直接去除這個(gè)沒(méi)有傾向性的種子詞。

按我的經(jīng)驗，絕大部分這種偶然，他們之間的詞頻對比都是差非常大的。

2：沒(méi)有傾向性的詞匯，數字、字符，這都是沒(méi)有傾向性的，不應該作為種子詞。

其次，類(lèi)似：應該、怎么、大概、可以、的、是、嗎，這些副詞、助詞、連詞、語(yǔ)氣詞、疑問(wèn)詞之類(lèi)的，也沒(méi)有傾向性，在分詞的時(shí)候，直接根據jieba的詞性剔除：

這一步過(guò)濾完之后，詞頻數據就可ヽ(′?｀)ノ以不要了，當然了，“引流”這個(gè)每個(gè)詞都一定有它的主詞根肯定是要去除了！

步驟4：快速歸類(lèi)

現在??我們使用上面計算出來(lái)的種子詞作為關(guān)鍵字，其實(shí)這就跟我們上面舉的采集的例子一樣，這些種子詞??就相當于敏感詞，每一個(gè)待分類(lèi)的長(cháng)尾詞就相當于目標文本內容。

傳統的做法用Python是類(lèi)似這樣：

# 正seed_wヽ(′ー｀)ノord_r= []# 反seed_word_e= []# 詞庫ke??yword=?? []forword in keyword:forr in seed_word_r:ifr in word:passfore in seed_word_e:ife in word:pass

把每一個(gè)長(cháng)尾詞拿出來(lái)ヾ(′▽?zhuān)??，讓每一個(gè)種子詞跟它比對一次，看看??是否包含，進(jìn)??而判斷歸屬分類(lèi)。

如果??有N個(gè)長(cháng)尾詞，外層循環(huán)就要執行N次，而有M個(gè)詞匯，ヽ(′▽?zhuān)?ノN里面的每1次還要包含M次，執行成??本可想而知。

另外，上萬(wàn)個(gè)甚至更多的詞根拿去一一與一個(gè)只有10個(gè)字左右的長(cháng)尾詞做比對，注定有太多無(wú)意義的比對。??

這時(shí)候就可以使用AC自動(dòng)機算法了：

importahocorasick # 正seed_word_r = ['種子詞1','種子詞2','種子詞3','種子??詞4'] tree = ahocorasick.AhoCorasick(*seed_word_r) print(tree.search('長(cháng)尾詞'))

如上代碼，我們把種子詞（敏感詞）傳給AC自動(dòng)機構建一個(gè)模型，然后這個(gè)模型??就可以計算當前的長(cháng)尾詞（目標文本內容）是否包含模型里的某些詞，有出(chu)現的全部顯示出來(lái)。

因此，再做上面的長(cháng)尾詞分類(lèi)工作，就可以：

importahocorasick # 正seed_word_r = ['種子詞1','種子詞2','種子詞3','種子詞4'] # 反seed_word_e = ['種子詞1','種子詞2','種子詞3','種子ヽ(′ー｀)ノ詞4'] # 詞庫keyword = [] # 構建tree_r = ahocorasick.AhoCorasick(*seed_word_r) tree_e = ahocorasi??ck.AhoCorasヽ(′▽?zhuān)?ノick(*seed_word_e) # 遍歷fo??rword inkeyword: r = tree_r.search(word) e = tree_e.se(′?ω?`)arch(word) pass

每次都把長(cháng)尾詞傳給兩邊，瞬間得出這個(gè)長(cháng)尾詞在兩邊的包含情況，pass部分就是針對性的做判斷了。

可以預見(jiàn)的結果有這么幾種：

1：長(cháng)尾詞只屬于“正”或只屬于“反”，那很簡(jiǎn)單，歸到對應的類(lèi)即可。

2：某個(gè)長(cháng)尾詞既不屬┐(′?｀)┌于“正”也不屬于“反”，這種情況先歸到一類(lèi)并保存。

3：某個(gè)長(cháng)ヽ(′▽?zhuān)?ノ尾詞既屬于“正”也屬于“反”，??這就要再進(jìn)一步做判斷，我們先把這種也歸為一類(lèi)并保存。

r和e都是set數據結構，根據長(cháng)度結合交集和并集來(lái)判斷歸屬。

w1是沒(méi)有找到歸屬的，w2是同( ?ヮ?)時(shí)歸屬的，w3是“正”分類(lèi)，也就是我們要的互聯(lián)網(wǎng)推廣相關(guān)長(cháng)尾詞，w4是“反”，醫療技術(shù)相關(guān)長(cháng)尾詞，我們不要的。???

3和4里的內容是不會(huì )有問(wèn)題的，如果偶爾出現分類(lèi)不準確，找出這個(gè)不準確的詞匯，溯源它的種子詞，這一定是某個(gè)種子詞選錯了。

刪除重新跑一遍代碼即可，所以最開(kāi)始人工挑選的時(shí)候一定要選明確歸屬的，模糊的大可不要。

這些不能確定分類(lèi)的居然還有6W多條記錄（截圖沒(méi)顯示完全，懶得再截），雖然按比例來(lái)說(shuō)，我們已經(jīng)分類(lèi)了80%了，但是6W多還是不少。

既然它(/ω＼)們都是被判斷為同時(shí)歸屬的，也就是兩邊都能匹配到，那我們隨便拿一個(gè)詞到原程序再跑一遍，看它在兩邊分別匹配ヽ(′ー｀)ノ到了什么。

闌尾炎導流管每天引流量

這是個(gè)醫療技術(shù)相關(guān)的長(cháng)尾詞，??這個(gè)長(cháng)尾詞在程序跑完之后，出現的結果是：

正：流量

反：闌尾、闌尾炎、導流、導流管、引流量

這是該長(cháng)尾詞在種子詞中命中的詞匯，那很顯然程序并沒(méi)有錯，因為流量這ヽ(′▽?zhuān)?ノ個(gè)詞在互聯(lián)網(wǎng)推廣相關(guān)的長(cháng)尾詞里出現再正常不過(guò)。

可這個(gè)詞是醫療相關(guān)的，我們還是希望它能判給“反”，怎么做(zuo)呢？

還是要運用概率的思維，結合上面我們提到的關(guān)??聯(lián)性，一個(gè)長(cháng)尾詞屬于哪個(gè)領(lǐng)域，它被分詞后的詞匯屬于該領(lǐng)域的可能性是很大的。

所以上述我們可以看到，這個(gè)長(cháng)尾詞(′?_?`)命中“反”的種子詞的數量遠遠超過(guò)命中“正”的數量，這有(′?｀)點(diǎn)假的真不了、真的假不了的意思，所以根據這種絕對差，我們可以直接判給數量多的一方。

再優(yōu)化一下程序判斷后，跑出來(lái)的結果是：

可以看到，w2從1.9M降低到30??0+kb，w3和w4都有明顯增加，因為有更多的詞匯被分類(lèi)進(jìn)去了。

可以看到w2里面還有1萬(wàn)多條，這點(diǎn)數據量對于專(zhuān)門(mén)跟Excel打交道的seo或(?????)sem人員，反??復操作幾下，也能很快的整??(zheng)理得七七八八。

但其實(shí)如果你愿意，這也還是可以?xún)?yōu)化的，w2還會(huì )有這(????)么多，有很大一部分原因是精準分詞的問(wèn)題，如果你有興趣的話(huà)，可以自行研究一下優(yōu)化方案。

對于一直沒(méi)提的w1：

我特意截長(cháng)(′?｀)一點(diǎn)，為什么這些詞不(????)屬于任何一邊，看完也就(jiu)明白了，其實(shí)這類(lèi)詞已經(jīng)超出長(cháng)尾詞的范疇，去掉“引流(liu)”再去掉沒(méi)有傾向性的詞匯后，基本就沒(méi)什么字眼可以做判斷了。

這種詞結構很單一，真的(′?ω?`)需要的話(huà)，Excel排序一下都能很快挑完。

最后放一下w3和w4的數據：

總共有15W+長(cháng)尾詞，這是我們需要的數據！

AC自動(dòng)機

# pip install ahocorasick-pythonimportahocorasickt1= time.time()ac= ahocorasick.AhoCorasick(*seed_word)t2= time.time()rw= []print(t2-t1)forword in keyword:sw= ac.sear???ch(word)fori in sw:word= word.replace(i,'***')rw.append(wo(′?｀)rdヽ(′▽?zhuān)?ノ)t3= time.time()print(t3-t2)rw= []t1= time.time()forword in keyword:fori in seed_word:ifi in word:word= word.replace(i,'***')rw.appe??nd(word)??t2= time.time()print(t2-t1)

AC自動(dòng)機我是用的??第三方模塊，算(suan)法的效率還是不錯(′_｀)的，總共5W的詞匯和50W的目標文本，傳統方式總共是1450秒，使用AC自動(dòng)機，構建花了20秒，但這是一次性的，判斷加替換是100(?????)秒。

其實(shí)無(wú)論是種子詞關(guān)聯(lián)的思(╯°□°）╯︵ ┻━┻路??還是AC自動(dòng)機算法，舉個(gè)不恰當的比喻類(lèi)似我們把一個(gè)線(xiàn)性的問(wèn)題轉化成指數問(wèn)題（這個(gè)表達可能有問(wèn)題），時(shí)間成本不會(huì )隨??著(zhù)數據量增加而機械上升。

類(lèi)似敏感詞過(guò)濾這類(lèi)問(wèn)題也有其他方案，比如DFA，方案沒(méi)有標(biao)準，適合自己的就行。

結語(yǔ)

這個(gè)工作前前后后加(jia)起來(lái)??的時(shí)間一般不超過(guò)半小時(shí)，得益于“利用種子詞帶出更多種子詞”的思維、“根據概率來(lái)確定歸屬”的邏輯、以及“AC自??動(dòng)機(╬ ò﹏ó)算法”的高ヽ(′▽?zhuān)?ノ效，處理幾(ji)十萬(wàn)和幾百萬(wàn)在時(shí)間上不(bu)會(huì )(′▽?zhuān)?)有很大差別，真正屬于程序計算的時(shí)間10分鐘都不到。

---

盡管我們絞盡腦汁用了很多策略來(lái)完成這樣一項工作??，第一次完成時(shí)可能還有些得意。

但實(shí)際上從價(jià)值來(lái)說(shuō)這是一項在對外溝通時(shí)甚至不值得被談?wù)摰墓ぷ魇马?，因為它并非具體的結果指標。

外人看來(lái)這不就是你們這個(gè)崗位的基礎嘛，也確實(shí)是這樣。

另外有朋友???可能感覺(jué)，使用AC自動(dòng)機算法對比普通方式，幾十萬(wàn)的詞也差不了多(duo)少時(shí)間，ヽ(′▽?zhuān)?ノ不差程序計算的那幾??十分鐘。

同時(shí)，對于會(huì )技術(shù)的朋友，相比(bi)傳統的方式，運用AC自動(dòng)機也不過(guò)是寫(xiě)不同的幾行代碼而(er)已，但(???)是帶來(lái)的收益卻不止這些，多學(xué)會(huì )一個(gè)技術(shù)??，可以解決很多同類(lèi)型的問(wèn)題。

上面提到的采集項目，我使用AC自動(dòng)機就可以應對源源不斷新增的敏感詞和文章，我在下一個(gè)階段還會(huì )對這個(gè)采集項目做??另外一個(gè)工作：篩選目標領(lǐng)域內容。

在目標采集源里并不一定是什么內容都??是我們的目標領(lǐng)域內容，可能(′?｀*)會(huì )有很多不相干的，對于不相關(guān)的內容當然是選擇丟棄不入庫。

因此要設計一個(gè)簡(jiǎn)單的判斷邏輯，類(lèi)似推薦算法給文章打標簽┐(′д｀)┌的(╯‵□′)╯方式來(lái)判斷當前內容是否屬于目標領(lǐng)域，不是的話(huà)不采集，減少人工審核的工作量，??這對老板來(lái)說(shuō)都是錢(qián)，人員成本是最高的。

所以：我認為默默啃掉這些棘手(′；ω；`)的問(wèn)??題，在當下看起來(lái)好像是吃虧了，但是在未來(lái)的工作里，一定可以帶來(lái)更多的“復利”。

seo高手怎樣做長(cháng)尾關(guān)鍵詞排名？

長(cháng)尾關(guān)鍵詞是網(wǎng)站seo??優(yōu)化(╯°□°）╯︵ ┻━┻排名中十分關(guān)鍵的一個(gè)定義，運用十分普遍，由于長(cháng)尾關(guān)鍵詞巨大的總數和精確的總流量使用價(jià)值，獲得??許多 seoer的??親睞，針對想干(′?_?`)seo的盆友，把握長(cháng)尾關(guān)(guan)鍵詞的方法不可或缺，今日素衣互聯(lián)網(wǎng)網(wǎng)編給大伙兒共享一下長(cháng)尾關(guān)鍵詞的基本知識。

怎樣做長(cháng)尾關(guān)鍵詞排名？最先對關(guān)鍵字開(kāi)展挖掘，隨后開(kāi)展統計分析，放進(jìn)網(wǎng)站內容頁(yè)里邊，做好相匹配的錨點(diǎn)鏈接。

1、長(cháng)尾關(guān)(??-)?鍵詞怎樣( ?ω?)挖掘？

提升長(cháng)尾關(guān)鍵詞主要是先要挖掘很多高品質(zhì)的長(cháng)尾關(guān)鍵詞，隨后依據長(cháng)尾關(guān)鍵詞編寫(xiě)高品質(zhì)的文章內容。長(cháng)尾關(guān)鍵詞的挖掘方式 有很多，您能夠先明確后好3到五個(gè)長(cháng)尾關(guān)鍵詞，隨后根據百度下拉框、百度搜索搜索推薦、搜索指數、同行業(yè)網(wǎng)站以及他(′▽?zhuān)?搜索模塊┐(′д｀)┌開(kāi)展挖掘，還可??以運用第三方seo關(guān)鍵字挖掘專(zhuān)用工具開(kāi)展挖掘，長(cháng)尾關(guān)鍵詞挖掘專(zhuān)用工具如今也是有許多必須收??費標準的，因此能夠在網(wǎng)上多看一下，有完全免費的seo長(cháng)尾關(guān)鍵詞挖掘專(zhuān)用工具能夠應用。

2、長(cháng)尾關(guān)(guan)鍵詞怎么使用？

素衣互聯(lián)網(wǎng)網(wǎng)編提議，sˉ\_(ツ)_/ˉeoer制(╥_╥)做一套excel報表，做好長(cháng)尾關(guān)鍵詞和相匹配連接的統計分析，便捷站內內部鏈接的基本建設，另外添加外部鏈接。別的seo方??式 和做主頁(yè)總體目標關(guān)鍵字是一樣的。一定要做好長(cháng)尾關(guān)鍵詞文章內容統計分析，??避免站??內出( ?° ?? ?°)現好幾個(gè)內容頁(yè)做同一個(gè)長(cháng)尾關(guān)ヽ(′?｀)ノ鍵詞分散化權重值。

3、長(cháng)尾關(guān)鍵詞怎樣做seo??排名？

運用挖掘到的長(cháng)尾關(guān)鍵詞制做原創(chuàng )的seo文案，添加適量相對密度(′?｀)的長(cháng)尾關(guān)鍵(jian)詞，并做好相匹配內部鏈接和錨點(diǎn)鏈接，???另外在第三方網(wǎng)站做一些相匹配的高質(zhì)量外鏈，得(de)到 長(cháng)尾關(guān)鍵詞seo排名。

4、一些網(wǎng)站內容簡(jiǎn)易為什么還能得到 較高權重值？

素衣互聯(lián)網(wǎng)網(wǎng)編發(fā)覺(jué)，一些網(wǎng)站非常簡(jiǎn)單，內容非常少，站內都沒(méi)??有顯著(zhù)做seo，可是網(wǎng)站權重值很高，令(°ロ°) !人羨慕嫉妒非常疑惑，這是為什么呢？如何保證這類(lèi)實(shí)際效果呢？素衣互聯(lián)網(wǎng)網(wǎng)編感覺(jué)，內容非常少的網(wǎng)??站得到 高排名的最好是方式 ，便是有著(zhù)很多各式各樣網(wǎng)站的當然（內容有關(guān)）反鏈，盡管網(wǎng)站的外部鏈接沒(méi)有以前那麼關(guān)鍵，可是高品質(zhì)的(′_ゝ`)外部鏈接，在seo排名的影響因素中的影響力還是至關(guān)重要的。

網(wǎng)站子頁(yè)中設定一些必需的頻道，例如熱門(mén)文章，好文章推薦，小文章這類(lèi)的連接，那樣(yang)能夠增加搜索引擎蜘蛛(′?｀)爬取的(de)深層和深度廣度，更??有運用網(wǎng)頁(yè)頁(yè)面的百度收錄和排名的提升，

上邊是素衣互聯(lián)(lian)網(wǎng)網(wǎng)編共享的長(cháng)尾關(guān)鍵詞seo優(yōu)化排名方法，期待能夠幫??到大量想干seo優(yōu)化排名的盆友。

版權聲明：本文內容由(you)互聯(lián)網(wǎng)用戶(hù)自發(fā)貢獻，該文觀(guān)點(diǎn)ヽ(′ー｀)ノ僅代表作者本人。本站(′?ω?`)僅提供信息存儲空間服務(wù)，不擁有所有權，不??承擔相關(guān)法律責任。如發(fā)現本站有涉嫌抄襲侵權/??違法違規的內容， 請發(fā)送郵件至 [email protected] 舉報，一經(jīng)查實(shí)，本站將立刻刪除。???