3分钟解锁搜索引擎背后的秘密:关于SEO的4个知识点

10 分钟解锁搜索引擎背后的秘密:关于SEO的 4 个知识点
提起Search Engine Optimization(SEO),想必大家一定熟悉又陌生。SEO是最先被我们所熟悉的数字营销概念之一。酒店市场部或数字营销负责人在每月或每季度,也会收到来自总部的SEO报告;那为何又用 “陌生” 来形容它呢?

是因为从业以来,笔者发现,大多数酒店市场部或数字营销负责人仅对SEO的部分概念和术语有所了解,而对搜索引擎如何工作,如何解读日常所接触到的SEO报告,如何发现问题,如何进行优化存在诸多盲点,对于如何针对酒店自身情况制定SEO策略,更是无从下手。

那么从今天起,笔者将通过一个系列文章,力争为大家梳理SEO知识点,希望大家在读完该系列文章后,能够获得些许启发,更好地为所任职酒店服务。

作为第一篇,我们先来了解一些基础内容,大家是否曾思考过以下问题:

SEO是什么?我们如何去定义它?

为什么要做SEO?

移动互联时代,还需要做SEO吗?

搜索引擎的工作原理是什么?在简单的 “输入-搜索” 这几步简单的操作后,搜索引擎是如何从海量的数据中,找寻到我们所需要的内容,并展现给我们的?

带着这些疑问,一起√get今天的知识吧!

知识点1:SEO是什么?我们如何定义它?

SEO的全称是 “Search Engine Optimization”,中文译为 “搜索引擎优化”。

简单地理解,SEO是一个从自然搜索结果中获取网站流量的手段和过程;

更加严谨地去定义的话,SEO是一个 “在了解搜索引擎自然排名机制的基础上,对网站进行内部和外部的调整和优化,改进网站在搜索引擎中的关键词自然排名,以便争夺流量,进而促成网站销售或品牌曝光” 的一个过程。

知识点2:为什么要做SEO?

网站所有者都希望自己的网站流量越大越好,无论网站盈利模式和目标是什么,有人访问是前提。SEO则是给网站带来访问者的最好方法。让我们一起来了解一下SEO的 “优势”:

低成本:虽可能会产生费用,但成本相对较低

高回报:来自SEO的用户多数情况下是在 “主动地找寻” 酒店,目标非常精准

可迁移:搜索引擎是用户搜索、比较、购买商品的重要渠道,即便移动互联网发展迅猛,SEO核心仍在,只不过载体有所变化

够持久:精准广告投放、付费搜索等类型推广模式,一旦停止投放,流量将急剧下降;线上活动等事件营销效果明显,但话题过后流量随即下降。而搜索排名一旦上去,可相对稳定地维持比较久的时间,流量也因此会源源不断地输送过来

可扩展:掌握关键词研究和内容扩展方法后,我们可以持续地,为网站增加目标关键词及流量

知识点3:移动互联时代,还需要做SEO吗?

让我们来看一些行业调查数据,了解一下SEO是否还有效?

2017 年上半年,即时通信、搜索引擎、网络新闻作为基础的互联网应用,用户规模趋于稳定,搜索引擎应用继续保持移动化趋势。

虽然即时通信作为移动互联网流量核心入口的地位已经确立。在新网民各类应用中的渗透率排名第一,高于排名第二的搜索引擎16. 9 个百分点,但搜索引擎在目前仍旧稳居第二位。

截至 2017 年6 月,我国搜索引擎用户规模达 6.09 亿,使用率为81.1%,用户规模较 2016 年底增加707 万,增长率为 1.2%

数据取自《 2017 中国互联网络发展状况统计报告》

知识点4:搜索引擎的工作原理?

面对数以万亿的信息,搜索引擎如何做到在 1 秒钟甚至更短的时间内,返回我们想要的内容?回答这个问题,需要对搜索引擎工作原理做个分解,大致分为 3 个阶段:

爬行和抓取:搜索引擎程序通过访问网页,获得页面HTML代码存入数据库

预处理:程序对数据库网页进行一系列处理,为排名程序调用做准备

排名:用户输入关键词后,程序调用预处理好的数据,计算相关性,生成结果
文章转自:http://codes.ebuy114.com/zixunjiaocheng/2018-09-11/2611.html

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值