解决方案:什么是搜索引擎优化（SEO）专家？

　　解决方案:什么是搜索引擎优化（SEO）专家？

　　目前最抢手的工作之一是搜索引擎优化专家。

　　SEO 专家是自由职业者或公司员工，其职责是提高 网站 在搜索引擎中的排名。

　　在本文章中，您将了解您需要了解的有关 SEO 专家的所有信息，包括他们的工作职责、所需技能、薪水以及如何进入 SEO 并开始 SEO 职业。

　　什么是 SEO 专家？

　　SEO 专家负责优化搜索引擎网站，最终目标是提高搜索引擎结果页面 (SERPS) 的排名。

　　搜索引擎优化 (SEO) 是提高 网站 在搜索引擎中的可见度并获得更多自然流量的过程，而 SEO 专家是具备执行此操作所需技能的人。

　　SEO 专家有时被称为 SEO 专家、SEO 专业人员、SEO 营销专家或 SEO 顾问。

　　您不需要正规教育和大学学位即可成为 SEO 专家，正如我们将在下面看到的那样，您可以学习许多在线课程和资源来培养必要的技能。

　　SEO 专家的职位描述是什么？

　　SEO 专家通常为 SEO 机构、数字营销机构或自由职业者工作，典型的职位描述包括以下活动：

　　SEO 专家做了多少？

　　搜索引擎优化专家的年薪从 50,000 美元到 150,000 美元不等。 SEO营销专家的薪水取决于三个因素：

　　体验区工作类型（自由职业者或员工）

　　经验

　　搜索引擎优化不是一夜之间或通过课程获得的技能。要清楚地了解搜索的工作原理并能够应用不同的 SEO 技术来实际提高 网站 的排名和流量，需要花费大量的时间、精力和精力。

　　每小时 SEO 专家费率

　　这反映在 SEO 专业人员的薪水上。经验丰富的 SEO 比初学者（经验不足 2 年）赚得更多。

　　更准确地说：

　　经验不足两年的 SEO 专家的平均时薪为 79 美元/小时（在美国）。

　　拥有超过 10 年经验的 SEO 的平均时薪为 140 美元/小时（在美国）。

　　您的实际收入取决于您每月可用的计费小时数。

　　这与您的客户群有多大以及您的客户愿意为 SEO 服务支付多少费用有关。

　　每小时 SEO 专家费率（在美国）

　　有时，根据客户和当前的工作量，您可能需要协商费率以确保新客户的安全。

　　

　　地区

　　拉丁美洲或印度的 SEO 收入低于美国或欧洲的顾问。印度的平均价格是每小时 60 美元，最常见的价格从每小时 10 美元到 25 美元不等。

　　工作类型（自由职业者或雇员）

　　以上价格是 SEO 自由职业者收取的典型价格。在为公司工作时，美国 SEO 专家的平均年薪在 51,000 美元到 64,000 美元之间。

　　SEO 专业平均工资（Glassdoor）

　　SEO 专业平均工资（真实）

　　注意：来自 ahrefs 和 Creed Research 的时薪统计、搜索 SEO 顾问薪水以及来自 Indeed 和 Glassdoor 的年薪。

　　成为 SEO 专家需要具备哪些技能？

　　要成为 SEO 专家，您的简历需要具备广泛的技能。这些技能各不相同，从口语和写作技巧到发展和报告。

　　更准确地说，最常见的 SEO 专家技能是：

　　英语阅读/写作技巧

　　即使你是为非英语网站做SEO，你也需要有良好的英语读写能力。这将帮助您优化您的英语内容并跟进您的 SEO 算法和行业所做的任何更改。

　　在持续的过程中掌握 SEO，大多数课程和学习指南都是英文的。

　　技术 SEO 技能

　　技术 SEO 通常是开始 SEO 项目时发生的第一个过程。作为 SEO 专业人士，您需要了解要检查和优化的设置，以便搜索引擎可以毫无问题地抓取和索引 网站。

　　页面 SEO 提示

　　下一步是了解如何优化单个页面上的 SEO 元素。诸如优化页面标题、元描述、标题、向页面添加内部链接和架构信息等事情，以使搜索爬虫更容易理解页面的上下文和内容类型。

　　SEO 写作技巧

　　编写让搜索引擎和用户都满意的内容是一门艺术。这并不容易，而且需要时间来学习如何平衡用户的需求和搜索引擎的需求。

　　链接建设技巧

　　链接构建或页外 SEO 是 SEO 成功的关键因素。如果您不具备成功管理链接构建活动的技能，那么作为 SEO 专家的工作将会非常困难。

　　了解如何在互联网上推广网站以及点击发布按钮后的操作是整个 SEO 流程中非常重要的一步。

　　分析和报告技巧

　　您的大部分工作将用于采集和分析有关 网站 排名的数据、进行关键字研究和进行竞争对手分析。

　　这是需要分析的大量数据，您需要知道如何使用 Excel、Google Analytics、Google Data Studio 和其他报告工具。

　　

　　沟通和表达技巧

　　虽然您大部分时间都在电脑前度过，但有时您需要与客户沟通以采集他们的需求并告知他们您的 SEO 项目的状态。

　　如果您作为团队的一员工作，您可能需要为管理创建演示文稿，因此您需要提高沟通和演示技巧。

　　编程技巧

　　虽然编程和网络开发不是成为 SEO 专家的必要条件，但它被认为是加分项。

　　如果您是自由职业者，您需要知道如何编辑页面和执行基本的编程任务，这样您就不必付钱给开发人员或等待其他人来完成您的工作。

　　研究技能

　　在 SEO 方面没有直接的答案。

　　在您的 SEO 职业生涯中，您必须回答许多问题。来自客户、老板或您不了解且需要了解的其他人。

　　要成功做到这一点，您需要知道如何在 Internet 上进行研究。作为高级用户，您需要知道如何使用 Google，熟悉用于分析社交媒体网络的工具，并且通常能够在 Internet 上快速查找信息。

　　数字营销技巧

　　数字营销不仅仅是关于 SEO。成为 SEO 专家是成为数字营销经理职业道路的第一步。

　　数字营销专家必须具备超越 SEO 的更广泛技能。

　　如果您的目标是开始从事数字营销（不仅仅是 SEO），那么您需要开始学习其他在线营销技术，例如社交媒体营销、付费广告和电子邮件营销。

　　即使您打算继续担任 SEO 顾问，深入了解其他渠道的运作方式也是您简历中的重要补充。

　　SEO专家课程

　　我在上面提到过，您不需要任何官方资格即可成为 SEO 专家，但您确实需要对 SEO 的工作原理有很好的了解（包括实践经验）。

　　快速学习 SEO 的最佳方法是学习在线 SEO 课程。扎实的 SEO 课程可以教您所有需要了解的有关 SEO 的知识，而无需花时间在互联网上搜索答案或将精力投入到无效的 SEO 实践中。

　　完整的 SEO 课程 - 这是我们自己的课程。它将教您开始使用 SEO 所需的一切。它包括分步示例和真实案例研究，以帮助您了解如何在实践中应用 SEO 理论。到目前为止，已有超过 3,000 名学生报名参加了该课程。

　　Google SEO Beginner's Guide - Google 制作的课程，提供有关如何为 Google 优化网站 的建议。

　　Search Engine Land 的 SEO 指南 - Search Engine Land 是 SEO 专业人士的绝佳资源。除了跟上行业新闻和更新，他们还有如何开始使用 SEO 的指南。

　　专注于学习

　　SEO 专家是了解 SEO 的人。他/她对搜索引擎的工作原理以及如何提高 网站 在搜索引擎中的排名有深入的了解。

　　这并不容易，很有挑战性，但也很有意义。作为 SEO 专家，您不仅要做好自己的工作，还必须与数百名 SEO 竞争，争取在 Google 的 SERPS 上占据一席之地。

　　要成功建立 SEO 职业，您需要具备一些技能，而快速获得这些技能的最佳方法是学习 SEO 课程并开始练习 SEO。

　　除了正式的资格和认证之外，添加到简历中的最佳项目是真正的 SEO 胜利。在 Google 上获得高排名 网站 并获得流量是向您的客户或潜在雇主证明您是他们值得信赖的 SEO 专家的最佳方式。

　　不断练习并不断学习 SEO，随着您的经验越来越丰富，您将能够为您的服务收取更多费用或赚取更高的薪水。这是一份需求量很大的工作（以及未来几年），所以越早开始使用 SEO 越好。

　　解决方案:5 分钟用 Python 构建 Web 爬虫

　　由 KDnuggets 的 Natasha Selvaragi 提供

　　通常期望数据科学家采集大量数据以在组织中获得商业价值。不幸的是，这是一个经常被忽视的技能，因为大多数数据科学课程不会教你采集外部数据。相反，我们非常关注模型构建和训练。

　　在本文中，我将向您展示如何从头开始创建网络爬虫。

　　如果您还不熟悉这个术语，网络抓取工具是一种自动化工具，可以从 网站 中提取大量数据。通过网络抓取，您可以在几分钟内采集多达数十万个数据点。

　　在本教程中，我们将使用一个名为“quote scraper”的工具。这是一个 网站 专为练习网页抓取而设计的。

　　读完本文，您将熟悉：

　　在我们开始构建爬虫之前，请确保您已安装以下库 - pandas、beautifulsoup、requires。

　　完成后，让我们看看我们想要抓取的网站并决定从中提取哪些数据点。

　　网站 由名人名言列表组成。页面上显示了三个主要信息位 - 引文、作者和一些与之相关的标签。

　　这个网站有十页，我们将抓取所有可用信息。

　　让我们从导入以下库开始：

　　import pandas as pd

from bs4 import BeautifulSoup

import requests

　　然后，使用需求库，我们将抓取我们想要抓取的页面并提取其 HTML：

　　f = requests.get('http://quotes.toscrape.com/')

　　接下来，我们会将网站的 HTML 文本传递给 BeautifulSoup，它会解析这些原创数据以便于抓取：

　　soup = BeautifulSoup(f.text)

　　所有站点数据现在都存储在汤对象中。我们可以轻松地在这个对象上运行 BeautifulSoup 的内置函数，以便提取我们想要的数据。

　　例如，如果我们想提取网页上所有可用的文本，我们可以使用以下代码行轻松完成：

　　print(soup.get_text())

　　您应该会在屏幕上看到此 网站 的所有文本。

　　

　　现在，让我们通过抓取 网站 中列出的引号开始抓取。右键单击任何引号并选择“检查元素”。 Chrome 开发者工具将出现在您的屏幕上：

　　BeautifulSoup 具有 find() 和 findAll() 等方法，您可以使用它们从网页中提取特定的 HTML 标记。

　　在这种情况下，请注意类调用文本已突出显示。这是因为您右键单击页面上的其中一个引号，并且所有引号都属于该文本类。

　　我们需要提取这个类中的所有数据：

　　for i in soup.findAll("div",{"class":"quote"}): print((i.find("span",{"class":"text"})).text)

　　运行上述代码后，会产生如下输出：

　　页面上有十个优惠，我们的爬虫都已成功采集到所有优惠。太好了！

　　现在，我们将使用相同的方法刮取作者姓名。

　　如果您在网页上右键单击任何作者名称并单击检查，您将看到它们已收录在标签中，并且类名称为作者。

　　我们将使用 find() 和 findAll() 函数来提取此标签中的所有作者姓名。

　　for i in soup.findAll("div",{"class":"quote"}): print((i.find("small",{"class":"author"})).text)

　　将呈现以下输出：

　　再次，我们设法抓取了页面上列出的所有作者。我们快完成了！

　　最后，我们将抓取 网站 中列出的标签。

　　如果你在任意标签上右击并点击Inspect Elements，你会看到它们都收录在标签中并用逗号分隔：

　　另外，请注意该标签由父标签包裹，带有类名标签。

　　要提取页面上的所有标签，请运行以下代码行：

　　for i in soup.findAll("div",{"class":"tags"}): print((i.find("meta"))['content'])

　　屏幕上的输出将如下所示：

　　

　　我们现在已经成功地抓取了 网站 单个页面上的所有数据。

　　但我们还没有完成！请记住，该网站有十个页面，我们需要从所有页面中采集相同的数据。

　　在我们这样做之前，让我们创建三个空数组，以便我们可以存储采集到的数据。

　　quotes = []

authors = []

tags = []

　　现在，我们将创建一个范围从 1 到 10 的循环，并遍历 网站 上的每个页面。我们将运行我们之前创建的完全相同的代码行。唯一的区别是，我们现在不是打印输出，而是将其附加到数组中。

　　for pages in range(1,10): f = requests.get('http://quotes.toscrape.com/page/'+str(pages)) soup = BeautifulSoup(f.text) for i in soup.findAll("div",{"class":"quote"}): quotes.append((i.find("span",{"class":"text"})).text) for j in soup.findAll("div",{"class":"quote"}): authors.append((j.find("small",{"class":"author"})).text) for k in soup.findAll("div",{"class":"tags"}): tags.append((k.find("meta"))['content'])

　　完成！

　　最后，让我们将所有采集到的数据组合成一个 Pandas 数据框：

　　finaldf = pd.DataFrame( {'Quotes':quotes, 'Authors':authors, 'Tags':tags })

　　查看最终数据帧的表头，我们可以看到所有网站抓取的数据都排列成三列：

　　这就是本教程的全部内容！

　　我们已经使用 Python 库成功抓取了一个 网站 并将提取的数据存储到数据框中。

　　此数据可用于进一步分析 - 您可以构建一个聚类模型将相似的报价组合在一起，或者训练一个可以根据输入报价自动生成标签的模型。

　　如果你想练习上面学到的技能，这里还有一个比较容易掌握的网站。

　　除了本文中概述的技术之外，网络抓取还有更多内容。现实世界的站点通常具有机器人保护机制，难以同时从数百个页面采集数据。当您想从上面的静态 HTML 网页中提取数据时，需要使用类似的库，并且漂亮的汤就足够了。

　　如果您从需要身份验证、具有身份验证机制（例如验证码）或在页面加载时在浏览器中运行 JavaScript 的站点中提取数据，则必须使用 Selenium 等浏览器自动化工具来提供帮助用刮痧。

　　如果你想学习 Selenium 进行网页抓取，我推荐 Free Introduction 中的初学者友好教程。

　　Natasha Selvaraj 是一位自学成才的数据科学家，对写作充满热情。您可以在 LinkedIn 上与她联系。

　　有关此主题的更多信息