第二章 了解搜索引擎

搜索引擎工作原理

“1、爬行抓取：搜索引擎蜘蛛跟踪链接，抓取页面html代码存入数据库，低权重复制内容过滤；

2、预处理：文字和相关标签抓取，中文分词，去掉无意义内容提炼页面主要关键词（对于蜘蛛没有意义：如：的、啊、从而等，广告、申明等），去重（同一内容不同网站或同一网站不同网址）；倒排索引：关键词到内容，链接投票，文件处理（目前只能根据标签和相关描述文字识别），质量判断：搜索引擎算法；

3、排名：中文分词（排除无实际意义的词后对搜索词的拆分重组，百度快照可查询分词结果），相关性计算：越常用的词对搜索词的意义贡献越小，词频，关键词位置形式距离（标题、H1、黑体等），链接分析（锚文本、周边文字、原站本身主题），排名过滤调整（百度第11位）。

链接原理

“1、世纪网络超链专利（关键词锚文本）；

2、Gongle PR（页面链接投票，作弊链接排除，Google2014年10月表示停止更新，最后更新时间为2013年12月6号），pr只是谷歌排名算法中200多个因素之一，搜狗评级类似；

3、Hilltop算法提示外部链接更应该主题相关。

用户关注点击程度

英文点击率参考（2014）：第一页71%，第1位31%，第2位14%，第3位10%，第6-10为4%，处于分屏之处的第6位不利于展现和点击，搜索引擎结果页展示效果不断变化中，中文习惯并不完全符合上述点击特点。

搜索引擎结果关注点击程度，英文点击更具“F型”金三角，中文结果前十名查找时间更长，点击差距相比于英文平和。

SEO应尽一切力量方法丰富自己页面的展现格式，图片、目录、开放数据等，排名重要，展现方式也越来越重要。

高级搜索指令

site:收录，百度以索引为准，link：谷歌随机外链，百度不支持，“”全文搜索，-排除（如“苹果 -电影”：排除电影），*通配符（百度不支持），inurl：搜索词出现在url中的页面（如“inurl：zhanzhangdaohang”百度不支持），inanchor:导入链接锚文字包含搜索词页面（如“inanchor:网络热词”百度不支持），intitle:页面标题包含关键词

高级使用：Inurl:.edu.cn intitle:交换链接 愿意交换链接的中国学校网站

搜索引擎份额

搜索引擎简史：1994年Yahoo！诞生，1998年Google诞生，2000年百度诞生，2012年360搜索（好搜）推出。

国内搜索引擎份额（2016年1月预估）：PC端份额大致为：百度50%，好搜30%，搜狗15%；移动端百度80%，神马14%，搜狗5%，按PC与移动平分来算，整体份额比约为百度：好搜：搜狗：神马=65%：15%：10%：7% ，神马可能比搜狗高一点，必应中国、谷歌香港份额可忽略。

全球搜索引擎份额（2015年12月）：Google-Global、Bing、百度、Yahoo–Global份额比为66.04%、14.61%、9.61%、7.66%。

搜索引擎重要算法历程

早期关键词和外部链接成为Google/百度两个主要排名因素，也就导致很多人为了SEO而欺骗搜索引擎，如堆砌关键词和发布大量外链（甚至批量生成），来获得搜索引擎重视排名，降低了用户体验的同时砸了搜索引擎口碑也扰乱了SEO良性发展，故而促使搜索引擎算法改进，而现在这么做的大多收到了惩罚。

2011年，Google推出熊猫算法，打击低质内容页面；

2012年，Google推出企鹅算法，打击作弊链接和垃圾链接；

2012年，百度多次出现大面积K站排名甚至收录清零，有针对垃圾内容和链接；

2013年，百度推出绿萝算法，打击垃圾链接和买卖链接；博客论坛群发买卖。

2013年，百度推出石榴算法，打击低质量内容页面，弹窗广告；

2013年，百度推出起源算法，打击采集站、伪原创站；

2015年，百度尝试推出原创保护，提升原创内容排名并标识，提出扶持新站的“蝶变”计划。

2011年至今，Google/百度算法的改变，使SEO更加自然，更强调用户体验。2012年以来，百度对SEO也更加开放推出完善站长平台及工具，官方给出指导文档，并积极的与网站SEOer沟通。