汇总:码迷SEO内参(15) 百度快排原理及百度第三代点击排名统计系统简析

　　汇总:码迷SEO内参(15) 百度快排原理及百度第三代点击排名统计系统简析

　　这是码粉SEO的第42篇原创文章

　　今天就来说说百度第三代点击排名统计系统，顺便也分析一下百度快速排名深度的原理。

　　2019年10月以来，百度对快速排序的打击丝毫没有放松的迹象。码友们发现，所有采用采集

+快速排序模式的网站至今都未能幸免，70多天了也没有任何起色。

　　可以说这次百度快排不是让你的快排作废，而是升级为惩罚性的。

　　为了验证码友们的猜想，码友们特地制作了一组快速排序的源码，并进行了深入研究。

　　不管是百度还是谷歌，算法总是在变，所以思维套路总会失败。

　　没有算法是静态的，也没有算法是绝对停滞的。

　　但百度在变与不变之间。它的理念、路线、策略都按照用户体验的原则不断调整和修正。

　　百度和谷歌的区别

　　在了解点击统计排序系统之前，码友还是那句老话，通过网上案例现象总结SEO规律，通过SEO规律探究百度搜索算法的精髓，通过百度算法精髓探究正确有效的SEO策略。

　　我们以“SEO优化”和“SEO优化”这两个搜索词（仅相差一个空格）为例，看看百度结果的差异。

　　如下图所示，虽然只有一个空格的差异，但是超过一半的搜索结果是不一样的。

　　从逻辑上讲，这两个词应该导致相同的结果。

　　码友也为此问过百度的同学，百度猿也觉得他的算法是一堆垃圾，码友认为是百度的BUG。

　　让我们再看看谷歌。如下图所示，可以看到Google给出的“SEO优化”和“SEO优化”这两个搜索词的搜索结果只是广告而已，其他的几乎一模一样。

　　对于“SEO优化”和“SEO优化”这两个搜索词，“SEO优化”的点击量较多，而“SEO优化”的点击量相对较少，导致百度的两个页面差异巨大。

　　对应谷歌，因为谷歌不直接将点击数据应用到排名计算中，所以谷歌的排名结果更加稳健，很难受到点击排名的影响。

　　在相同的语义下，百度和谷歌结果的差异也说明了底层算法原理的差异。

　　

" />

　　这个算法区别就是clicks，也就是百度的点击统计系统。

　　一、百度点击排名系统的构成

　　百度点击系统，码友们认为比较标准的名词就是百度点击统计排序系统，它主要由4个部分组成，点击采集

+点击统计+点击排序+点击反作弊，是一个非常完善的流水作业系统。

　　一、点击采集模块

　　百度的点击采集主要采集搜索结果的点击次数，鼠标点击次数等于鼠标点击统一资源定位器URL的次数加上鼠标点击文字的次数。

　　换句话说，点击标题和点击描述摘要都算作点击。

　　二、点击统计模块

　　百度点击统计是百度从数据库中获取一段时间的鼠标点击日志。

　　鼠标点击日志包括用户ID、点击的URL和点击URL的时间。根据搜索结果的URL和鼠标点击日志，统计鼠标点击搜索结果URL的次数；

　　其中，时间段可以根据需要配置，例如一天、一周或一个月。这里的三点非常重要。

　　焦点一：用户识别

　　在一次高层论坛上，李彦宏也表示：“中国人更加开放，愿意用隐私换取效率。”

　　什么是用户ID，简单的说就是用户类型、IP类型、终端类型。

　　百度对用户、IP、终端的划分非常仔细。无论您是临时用户还是注册用户，有时仅凭一个IP就可以知道自己是谁。

　　百度确实做到了。

　　可以说，目前市面上的快排系统99%都是随机cookie产生的用户，而在百度看来，都是临时的短期用户。

　　一个网站的用户都是临时的短期用户，百度信你是鬼。

　　焦点二：定期统计

　　

" />

　　另一个重点是定期统计。不知道大家有没有注意到，前1天刷100次点击和5天刷100次点击效果是一样的。

　　关键3：每次点击都有记录

　　今天你没有被百度认可，不代表明天百度就看不到了，因为你网站的每一次点击都会硬性存储在百度的日志系统中，日志只会被存档很少被清除.

　　当百度认为你的网站行为可疑时，就把旧账号日志拿出来分析一下。

　　二、点击反作弊模块

　　码粉这一章在《码粉》中已经详细讲过，核心专利是《CN2.5点击行为数据处理方法及装置》，码粉SEO QQ群里可以下载，码粉不要这里就不多描述了。

　　码友想说的是，快排防作弊系统是2019年年中最近上线的系统。百度算法工程师在开发防快排点击系统方面确实下了很大功夫。

　　但是，百度的反作弊系统并没有从根本上杜绝点击作弊。它本质上是一个后续的二审算法。

　　主要有两个过程

　　流程一：点击数据聚类

　　点击网站后，不会马上被百度识别，而是经过一定时间（码友想想一周），连同设备标识、用户访问路径和你的网站URL通过机器学习形成一个聚类后​​。

　　流程二：作弊识别判断

　　将你网站的用户行为形成的集群与百度训练的多个“无作弊样本集群”和“有作弊样本集群”进行比较。如果你命中作弊集群，你就完了。

　　最后点击排序模块

　　点击排序就是计算每条搜索结果的权重值，百度也给出了公式。

　　但是有些人不想看，因为他们看不懂。

　　其实我还是建议大家仔细阅读这个公式。我们只需要看因素。内部算法的细节不是最重要的。

　　可以发现点击分数和你鼠标的点击次数成正比，和全网关键词的点击次数成反比。

　　也就是你的点击次数比你的竞争对手多，你的关键词点击率更高，所以你的得分点击也会更高。

　　那么现在快排怎么办呢，有的同学做快排不多花钱。主要有以下三个原因。

　　【本文为SVIP专属文章，仅展示部分内容，升级SVIP后可获取全文】

　　解密:一篇文章让你看懂百度搜索引擎原理——抓取建库

　　很多人只知道搜索引擎的其中一个原理，而不知道另一个。随着互联网时代的发展，越来越多的算法被公开，越来越多的人对搜索引擎算法感到好奇。今天，我快速总结了这篇文章，用最简单最直白的语言，讲解了搜索引擎的原理。本章内容分为爬取建库、检索排序、外部投票、结果展示。

　　抓取并建立数据库

　　爬取建库不得不说的就是“蜘蛛”。什么是蜘蛛？蜘蛛的英文是spider，是一个数据抓取程序，负责采集

、保存和更新互联网信息。它像蜘蛛一样在各种网络中穿行，所以也被称为蜘蛛。蜘蛛的工作过程是通过一些算法遍历，找到url链接。除了更新和删除找到的url外，它还带有维护url库和页面库的功能。通常，我们可以通过百度资源平台的抓取频率，清楚地看到蜘蛛抓取的综合指标。看。

　　理论上，抓取越频繁，我们的页面被百度蜘蛛分析的越多，索引量也会增加。因此，在日常工作中，我们最需要做的就是提高爬取频率，而爬取频率的原则主要有以下四种：

　　1、网站更新频率

　　网站内容更新的越多，抓取的频率就越高。一天更新1000篇文章的站点肯定比一天更新10篇文章的站点抓取频率高。

　　2.网站更新质量

　　

" />

　　虽然我们每天可以产生大量的内容，但是如果我们通过采集和随机拼凑的方式来更新内容，那么蜘蛛在分析完这些URL后就会丢弃这些低质量的垃圾URL，所以我们首先要在保证内容质量的同时提高内容的质量数量。质量。

　　3.稳定性

　　如果我们的服务器经常打不开，或者加载速度太慢，那么蜘蛛在访问我们的站点时可能会爬取异常，所以这个时候我们需要维护服务器的稳定性，通过站长资源平台的爬行诊断或者抓取异常可以清楚的看到蜘蛛抓取异常的详细信息，我们可以通过这些来分析判断不稳定的原因。

　　4. 网站评级

　　本站评分并非第三方权重。第三方平台的权重显示是第三方平台模拟蜘蛛抓取站点并使用自身数据库中的自定义词库后做出的判断。权重值只是一个行业的参考，并非真实站点。评级，而百度的网站评级将根据网站规模、网站内容质量等因素综合评判。

　　提高抓取频率，我们分析了4点，得出结论，在保证内容质量的同时，增加网站更新次数，保证服务器的稳定性，那么抓取频率就会提高。也就是说，计算我们*敏*感*词*更新文章数量，文章质量无法保证。被百度识别后，我们抓取的频率也会降低。

　　在整个爬取建库过程中，百度算法采用重要数据库优先的原则。抓取URL分析后，一些高质量的内容会放在高质量的数据库中，一些普通的内容会放在普通的模型中，一些低质量的内容会放在高质量的数据库中。内容投放和文库一样低，优质文库的内容对流量的影响最大。让我们举个例子。比如我们更新10篇新闻，只有1篇是我们自己原创和更新的优质内容，4篇是网上采集

的。，5篇是采集

垃圾内容，所以1篇可以进入流量优质库，4篇可以进入普通库，5篇可以进入流量低质库。

　　

" />

　　在百度优质文库的原则中，及时性和优质内容成为首要原则。通常我们的内容可能不是原创的，但是我们需要对我们的内容进行进一步的加工，使其成为高质量的内容，比如一篇文章中别人的“西红柿怎么炒”，我们可以对内容进行深度加工内容，不仅是文中煎西红柿的步骤，还有选择食材的判断标准，也是高颜值的内容。

　　相应的，在蜘蛛爬取过程中，以下网页无法进入索引库：

　　1、网上已经有很多重复的内容。

　　2. 主要内容短小，无文字，或文字数量过少。

　　3.正文内容不明显，都是url集合。

　　4、作弊页面，如恶意重定向、弹窗广告等。

　　总结爬取建库的过程：百度蜘蛛根据深度爬取策略、宽度爬取策略、外链策略、PR策略等综合策略进行url爬取，并通过这些综合策略升级为最优爬取策略获取策略是对url进行爬取建库。如果页面内容重复较多，或者内容短小、作弊页面等不符合入库标准的页面，百度将不会建库。如果链接的内容不是以上内容，则会进行建库处理，这些页面可能会进入优质数据库、普通数据库、低质量数据库，这些都取决于内容质量。站内评分，