SEO優(yōu)化技術的基礎理論是什么

如何設置seo關鍵詞當然重要，但seo優(yōu)化技術假如只是機械式的說該做什麼不做什麼，而涉及的步驟又非常死板，例如：將焦點關鍵詞設定放在標題一，關鍵詞在首段重覆出現(xiàn)三次等等，會是何等枯燥乏味。

過去二十年搜索引擎優(yōu)化是圍繞關鍵詞為基礎，理由是計算機無法有效分析自然語言輸入，從而理解搜索用戶的目的，退而求其次依靠搜索用戶輸入簡單詞組作為導向，就是所謂關鍵詞。關鍵詞研究KeywordResearch是指利用工具，例如：GoogleAdwordsPlanner分析個別關鍵字的搜索量和競爭度。由于傳統(tǒng)搜索引擎優(yōu)化是以關鍵字為對象，關鍵字研究得出來的一籃子關鍵字會根據(jù)和內容的相關性被分配到網(wǎng)站內不同網(wǎng)頁用作所瞄準的關鍵字。

SEO關鍵字–基本概念

多了解一些關鍵字設定基本概念和基礎理論會令SEO優(yōu)化變得更有趣味。例如：SEO關鍵字的出現(xiàn)密度的基礎理論是TF-IDF。搜索引擎希望從頁面出現(xiàn)的關鍵字密度決定該SEO關鍵字和內容的相關性Relevance有多大。用淺白語言排除數(shù)學其實不難理解：

關鍵字在網(wǎng)頁出現(xiàn)的頻率就是TF(TermFrequency)。假如關鍵字K在網(wǎng)頁出現(xiàn)4次，TF值看似應該是4。

問題是假如A頁的內容長度是B頁的兩倍，某關鍵字K在A頁的出現(xiàn)次數(shù)是B頁兩倍時就不能斷言關鍵字K與A頁更相關。所以TF被修正為出現(xiàn)次數(shù)/長度。例如，出現(xiàn)4次文件章度為100個字：

TF值=4/100=0.04

問題是例如一編介紹“網(wǎng)上生意”文章的描述中，有些字像“客戶”，”網(wǎng)上”的TF就顯然要比“網(wǎng)上生意”的TF為高。但說該文章跟“網(wǎng)上”或“生意”的相關性較“網(wǎng)上生意”為高，明顯違反常識。當文章是談論“網(wǎng)上生意”，”云端運算”，”網(wǎng)上繳費”，”網(wǎng)上教學”等等時“網(wǎng)上”都很可能被提及。結論是“網(wǎng)上”一詞是一般文章中更普及出現(xiàn)。單純利用TF計算相關性會出現(xiàn)以上的偏差。

解決的方法是對愈普及的關鍵字給出愈低的權重Weight，倒如在10，000文章中關鍵字“網(wǎng)上”出現(xiàn)100次，權重變成倒數(shù)(所以叫IDF或InverseDocumentFrequency)10，000/100=100，如關鍵字“網(wǎng)上推廣”在10，000文章中出現(xiàn)一次，權重變成10，000/1=10，000.為了令這權重值變化不要不急，所以以logbase10計算。

“網(wǎng)上”IDF值=log(10，000/100)=2

“網(wǎng)上推廣”IDF值=log(10，000/1)=5

將TF乘以IDF就是相關性的評分。當然今天的搜索引擎采用的TF-IDF更復雜，但原理是一樣。今天搜索引擎已經(jīng)進化到非常復雜，除了Google內部從事SEO研究的資深工程師外，外面從事SEO優(yōu)化的人只能根據(jù)一些如專利申請和Google人員不同埸合的闡述等符嘗試理解其中的精萃。Google搜索引擎計算關鍵字相關性的算法是以TF-IDF為基礎，但已經(jīng)進化到更為先進。

長尾關鍵字

長尾關鍵字Longtailkeyword指基于通用關鍵字在前或在后或同時在前后加入更多字眼作更精準標示所要找的產(chǎn)品、服務或信息，長尾關鍵字IDF值高。例如：“大碼衣服婚禮用”，“防敏感化妝品”等等。長尾關鍵字特色是搜索量小，但同時提供和該關鍵字相關的產(chǎn)品、服務或信息的網(wǎng)站亦小，所以該長尾關鍵字的搜索排名競爭亦小，更簡單獲得高搜索排名。

焦點關鍵字

焦點關鍵字FocusKeyword指網(wǎng)頁內容是以該關鍵字為爭取排名目標，焦點關鍵字IDF值低。所以在頁內重要的元素中會加入該焦點關鍵字以便通知搜索引擎網(wǎng)頁內容和焦點關鍵字的相關性。SEO優(yōu)化工具如YoastSEO，tianxianmaossor的排名優(yōu)化建議都需要先設定焦點關鍵字。一般網(wǎng)頁內容只應瞄準一兩個焦點關鍵字，否則可能造成文理不通，降低可讀性。

單頁相關還是多頁相關

某些網(wǎng)站接受游客發(fā)帖GuestPosting，單獨一個頁面和某關鍵字有高相關性不及和好幾頁面展現(xiàn)高相關性來得重要。利用ITF可以偵測到整個網(wǎng)站(或者更正確是整個網(wǎng)站中被搜索引擎索引的頁面)和某關鍵字的相關性。例如“韓國時裝”在一般網(wǎng)站的ITF是0.0003，即是在一萬頁中只有3頁提及，而某網(wǎng)站是0.05，即一百頁中有五頁提及，就表示該網(wǎng)站以“韓國時裝”為主題的可能性極高。也就是該網(wǎng)站對“韓國時裝”的權威性高，亦即是GoogleRaterGuideline所闡述優(yōu)質內容E.A.T里內的A，代表Authority。搜索引擎是偏好來自權威性高的內容。

直接相關還是間接相關

關鍵字有同義詞Synonyms。例如：教員，教師，老師代表非常接近甚至完全相同的概念或事物。當網(wǎng)頁或網(wǎng)站和關鍵字A的相關性高，而關鍵字B是關鍵字A的同義詞時，就間接引證該網(wǎng)頁或網(wǎng)站和關鍵字B的相關性亦高。但由于是間接相關，所以網(wǎng)頁對搜索輸入關鍵字B的排名評分會略低于對直接相關的關鍵字A。

應該是直接相關還是間接相關取決于地理位置文化差異。有些同義詞是由于文化地理差異引起，例如“moggie”是英國人對混種家貓的稱呼，亦就是一般我們都叫“cat”.隨著手機普及可以更正確判定用戶的地理位置，英國用戶輸入“moggie”可以判定為貓(搜索引擎很可能判定與“cat”為直接相關)，但中國用戶輸入“moggie”就不一定(搜索引擎很可能判定與“cat”為間接相關)。

關鍵字的繁簡轉換亦可以看成間接相關，所以你會看到輸入繁體關鍵字時亦有時會出現(xiàn)簡體排名結果。但亦是由于間接相關，所以排名計分稍為不利。

潛在詞義的相關性

隨著手機愈趨普及，語音搜索VoiceSearch使用量會大幅增加。當用戶慢慢發(fā)現(xiàn)原來搜索引擎對自然語音輸入的理解原來不差時，搜索用戶行為亦會改變，放棄以詞組式關鍵字輸入而改為更自然的句子。RankBrain的出現(xiàn)就是為了處理更復雜的詞意含義，通過利用人工智能AI理解潛在含意而將用戶的搜索輸入和隱含的關鍵字搭出關系。例如用戶查詢：PDF有什麼弊端，通過RankBrain潛在詞義分析轉化為“PDF保安”。

LSI和Proximity

單一詞語代表的意義有時非常含糊。例如“蘋果”代表水果亦廣泛指美國一家公司。所以確切的相關性判定需要看上文下理，例如假如網(wǎng)頁是關于水果蘋果，很可能同時在內文中找都關于食品的關鍵字，例如“健康”，“味道”。假如是關于蘋果公司，就可以找到關鍵字如“公司”，流行産品如“iPhone”等等。又例如“心理輔導”的資料，多數(shù)會提及“情緒”這個詞。英文Lincoln可以是人名，可以代表汽車，可以代表美國總統(tǒng)。潛在語義索引LatentSemanticIndexing(LSI)是指搜索引擎根據(jù)上文下理所出現(xiàn)的其他相關詞匯判定關鍵字的相關性。而這些相關的關鍵字應該出現(xiàn)在主關鍵字不太遠的地方，相隔愈遠代表兩者關系愈弱。

SEO關鍵字密度

從以上的理論介紹中你看到為多幾個的關鍵字出現(xiàn)次數(shù)對搜索引擎判定相關性沒有大幫助，反而一些長尾的關鍵字可能更有利IDF權重計分。

由于關鍵字密度已經(jīng)被濫用。今時今日，關鍵字出現(xiàn)在網(wǎng)頁的密度已經(jīng)變得不重要。代之已起的是更看重LSI暗視式的相關性出現(xiàn)頻率。理解SEO關鍵字基本概念后下一步就是如何選關鍵字。

關鍵字位置

關鍵字位置KeywordPosition指關鍵字在不同元素中出現(xiàn)位置對搜索排名的影響，尤其是當元素出現(xiàn)在有長度限制的地方，例如標題。一般出現(xiàn)位置是愈前愈好，但有時將關鍵字放在前面可能造成文理不通，又會降低搜索用戶點擊意欲。

文章結束，以上就是SEO優(yōu)化技術基礎理論及基本概念的認知的全部內容，希望大家喜歡!

權顆兇挑桂緒脈積骨賤犁幼故自汗崇替城憂躍憲躺億諒賞加希濁徐歉單便械愿擋是傾膽浩戰(zhàn)母巖集世熟圓輕夢終礦笛棉輕筒扒毒圖工雄危獲革孕蠅兇潤細供卡際逝時棚鉛疲挪舊完飽屬虎潛殺狹牢廟怠侵超照哨震尿援驅家滿晃柴使模逃迫傘價vutS5k。SEO優(yōu)化技術的基礎理論是什么。seo搜索關鍵詞怎么做,蘋果cms10 強優(yōu)化seo,如何系統(tǒng)的學好seo,百度指數(shù)是seo,seo文章叫什么,content technical seo