干货内容:SEO策略-外链与内链的使用（一）

　　干货内容:SEO策略-外链与内链的使用（一）

　　从事SEO（搜索引擎优化）的人认为，内链和外链的概念是绝对熟悉的。在网站优化的过程中，外链和内链的使用是SEO中的重要策略之一。，那么这两者在网站的优化中会起到哪些重要的作用呢？笔者将在本专栏中先介绍外链，然后再稍作分析与大家交流。下一期我会介绍内链的内容。相信会帮助你解决网站优化过程中很多不必要的问题。

　　外部链接

　　什么是外部链接？通俗地说：外链是指从其他网站导入到自己的网站的链接，也称为反向链接（不仅仅是外链）。外链是SEO的重要任务之一：一是外链可以给我们的网站带来流量，二是外链可以传递权重。

　　既然反向链接如此重要：建立反向链接的方法是什么？所以这里给大家介绍几种实用的操作方法：①购买链接②论坛平台：一种是签名外链，一种是发帖外链。③分类信息：适用于搬家公司、家政服务等企业。④友情链接⑤独立网站(站群)：做这样的事情需要一定的资金。直接获取流量和转化。⑦分类目录的提交：但是很多目录网站都有参与的限制，比提交更难。建立外部链接的方法还有很多。以上七点我就暂时列出来。如果有更好的方法，希望大家留言讨论。

　　那么在搭建外链的过程中，我们应该注意哪些问题才能做好外链呢？以下是我整理的一些评论供您参考。

　　第一：建立外链的最佳方式：重点做好网站内容，网站价值高，自然会有人主动为我们建立外链。

　　第二：外链不要太重太精致。具有高权重（PR）的网站的外链比垃圾站的外链更有价值。

　　第三：搜索引擎判断权重需要时间，所以链接存在时间一般需要三个月。

　　第四：链接锚文本需要使用目标关键词来影响特定关键词的排名权重。

　　第五：链接与链接网站页面内容的相关性越高，带来的权重就越高。

　　第六：注意这一点，千万不要犯这样的错误：同一IP下网站之间的链接很可能会被判定为作弊处罚。

　　以上就是本期关于外部链接的内容。那我下期再出一期专门解读内链。SEO的内容丰富而复杂。希望我们的内容可以帮助您了解一些SEO知识。欢迎关注讨论，下一期即将到来！

　　近期发布:电商运营之站内搜索全面指南（六）

　　本文作者从具体的工作实践出发，分享一个非常实用的基于案例的*敏*感*词*排序中的类别预测知识，供大家参考学习。

　　上一章给大家简单介绍了搜索的具体过程，从输入关键词点击搜索按钮的那一刻，到搜索结果页面呈现给用户的一瞬间，步骤是什么？这个过程呈现给我们。

　　我觉得有些步骤可以深入讲解，但是睡一觉之后，我觉得对于产品操作的读者来说可能过于晦涩和枯燥了。即使你知道其中的秘密，也无助于你以后的运营工作。比如分词算法。

　　所以，为了节省大家的时间，我还是挑重点。本章将重点讲解*敏*感*词*排序中的类别预测环节。并且结合我现在单位开始的一些沙雕的操作，也给各位立志进入产品圈的年轻人一些产品设计和交流方面的建议。关于方法论，我不想多说。去做吧。

　　类别预测

　　什么是类别预测？举一个简单的例子。如果输入关键词“手机”，首先出现的是手机类别而不是手机壳类别，这就是类别预测。

　　根据搜索全词匹配的原理，只要商品标题或属性或品类名称中收录“手机”关键词，就会被召回，而品类预测的作用就是将这些召回的产品按照to category 按优先级排序项目的过程。

　　说简单，做难！如果只从营销数据上排序，手机壳单价低，产品数量多。与手机品类的高单价相比，数量可能远不及配件。

　　那么如果我是一台没有感情的分拣机，我应该优先考虑哪个？

　　肯定是前面的手机壳，因为手机壳品类的综合数据比手机品类的要好，为什么不排手机壳呢？说得通。但是，就消费意图而言，用户想要的是手机，而不是手机壳。你的数据再好，也绝对不允许消费者使用。

　　因此，对于消费者来说，品类预测的效果是衡量搜索准确率的入门级指标。目前，国内电商巨头已经通过了初步的人工采集、机器算法辅助阶段，或者已经通过第三方搜索解决方案提供商提供了比较完善的预测算法和解决方案。

　　那么这篇文章文章是给那些对搜索结果页面不满意，有自己优化的初创公司，或者公司的一个参考。（我会在上一期给大家介绍，如何搭建一个比较完整和经济的站内搜索产品解决方案）

　　类别预测分为人工和机器算法两部分。

　　人造的

　　很简单，直接在产品后台建立一个关键词和品类关联表。在制作这款产品时，产品经理需要注意以下几点：

　　(1) 谁是本产品的预期用户？绝对是搜索运营商。首先要满足的是用户使用方便，可以批量导入导出功能，增删改查全。

　　（2）本产品的操作主要内容是什么？关键词，所以对于 关键词 我们需要区分语言。如果app涉及多个语言地区和国家，必须单独操作，不同语言之间的互通才会生效；而对于拼音文本，则需要更正多个时态变体，以及有效的同义词。

　　同样的关键词在换位后也会生效，比如“手机苹果”、“苹果手机”。这样可以减少人工维护的字数。（我现在所在的单位还是用绝对匹配的逻辑，这个坑还没填。这也给了我一个启示。做产品规划的时候，一定要提前处理好细节。虽然不需要100%全面，最重要。至少主要矛盾还需要考虑）

　　（3）精确的全词匹配还是中心词匹配，自从我加入公司以来，一直是一个争论的话题。自现场搜索系统建立以来，人工全词匹配一直是领导层的热门话题。因为能更快出结果，每天只需要几个人保持置顶词，就能达到数据提升的效果。

　　①精准的全词匹配预测

　　什么是准确的全词匹配预测，即如果我搜索“iPhone 128g”，如果手动维护的词库中只有“iPhone”这个词，将无法命中手动类别预测，所以手动维护整个单词匹配单词。数额极其巨大。

　　而且用户输入的关键词没有规律可循，顺序也无法预测，所以只能用function这个词作为函数来快速修复关键词的bug。

　　②头词匹配预测

　　什么是中心词匹配预测？这其实是基于一个合理的假设，即电商网站是为了购物，用户浏览和搜索app是基于某些物品或品牌的需求，所以我们有理由相信只有有限的物品词和品牌词可以采集起来，覆盖大部分的搜索类别预测需求，所以这些项目词或品牌词是我们的中心词。

　　例如，如果用户搜索“mobile phone 128g”，那么“mobile phone”就是中心词。人工中心词词库只需要维护“手机”对应的前端/后端类别即可达到类别预测的效果。.

　　有人可能会说，如果用户输入“手机壳”，手机的类别也被预测了，预测是错误的。因此，这里需要引入一个 n-gram 策略。一般来说，短语的优先级高于单词。也就是说，词库优先匹配较长的词，如果没有词，则匹配较短的词。

　　类别预测的逻辑是，只要某个关键词通过算法或人工对某个类别进行预测，就会先在预测的类别中进行查询和召回排序，然后在非预测类别中进行查询和召回排序。预测类别。.

　　也就是说，如果在预测的类别中没有搜索到产品，那么预测是没有用的。或者预测错误的类别。（当然也有例外，当用户搜索一个特别刁钻的词“苹果土豪金128g送给妈妈的礼物”算法或者人为预测的类别是手机类别，但是and查询结果没有这个类别。当使用减词算法时，可以使用减词算法进行智能减词，提取关键词主干供用户选择）。

　　机器算法

　　所谓机器算法，就是基于用户的行为数据和产品本身的固有信息。

　　那么机器算法的逻辑是基于词频和基于贝叶斯理论的用户点击行为（百度的意思是：如果你看到一个人总是在做一件好事，那这个人很可能就是一个好人。也就是说，当你不能准确地知道事物的本质，可以依靠与事物的具体本质相关的事件发生的概率来判断其本质属性的概率。用数学语言表达：支持某个属性的事件越多，发生的概率越大。财产建立的可能性越大）。

　　贝叶斯算法需要一定的数据训练集，而这些数据训练集需要商品数据和对应的关键词（关键词和用户点击商品类别的概率）。

　　通过对训练集的训练结果的不断优化和评估，最终得到更好的贝叶斯模型。这样，关键词结合商品数据成为我们的机器类别预测。

　　但是，仍然有许多用于类别预测的算法。我只是在这里提到它们。如果我显示公式，它似乎是一个 x，因为我也无法理解它。

　　好了，今天就到这里吧。

　　公布下一期的内容，搜索算法的形成和原理。

　　#专栏作家#