ZERO:从搜索用户来看SEO

本文探讨了SEO工作中常被忽视的用户角度问题,包括理解不同搜索词背后的用户意图、关注用户实际使用的搜索词汇以及考虑用户的搜索习惯等方面。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

(此文非焦大SEO培训联盟所原创,转载等权利归原作者所有,相关事情请联系作者,我们seo培训欢迎各类优秀文章推荐或自荐,感谢!)

SEO是个奇怪的东西,一方面因为SEO流量往往占到网站流量几十个百分点,而且看上去它是免费的,因此许多人认为SEO无所不能;而另一方面,也有很多人因为看了网上的一些SEO资料,觉得SEO无非是改改关键词、发发外链的体力活,于是对其很不耻。这两种极端,都是由于对SEO没有全面的了解所致。

 

SEO最重要的之一,是要站在搜索用户的角度去看问题。但这方面经常被人所忽视。

 

1. 同样一个词的背后,有着不同的意图

 

比如说“宜家地址”,这个词在百度上面大约有每天近百的搜索量。在搜索这个词的时候,搜索结果页面上可以看到大众点评:


ZERO:从搜索用户来看SEO

 

这个页面本身拥有非常好的用户体验,不仅能找到宜家的具体地址,还能看到对应的地图、公交信息等,顺带还可以看下人们对宜家是如何评价的。

 

但是,比如我现在在北京,但这个页面却是天津的,对于我而言没有任何价值。如果我想继续在大众点评上面寻找北京宜家的地址,因为它没有提供现成的渠道,所以只能进行城市切换,再由站内搜索去搜索宜家……——显然多数用户的选择,会是返回百度的搜索结果页面,寻找大众点评之外的页面。

 

对于大众点评而言,这些SEO流量看着虽也是流量,但对于网站并没有价值。且在这种情况下,损失的流量至少是90%——因为北京是全国最大的城市、且北京通常情况下对于非地域性词占全国10%不到的搜索量。

 

2. 被忽视的用户常常搜索的词

 

既然前面举了大众点评的例子,后面顺带继续借用一下它来说其它几个话题。

 

大众点评的地标类目页面,如:

http:// www. dianping .com/search/category/2/30/g132r17

 

它的TITLE为“北京海淀区咖啡厅”,存在至少两类严重问题:

 

(1)  URL定义不合理,使得搜索引擎容易认为这类页面是无关紧要的页面,最终导致了其收录比例极低;

(2)  TITLE里面没有出现用户最常搜索的词,“附近”。

 

下图是百度推广客户端的一些关键词数据,可以发现,地标+“附近”+类别,这种形式的搜索词的量非常巨大。


ZERO:从搜索用户来看SEO

 

或许有人觉得,上述搜索量都是<5,这么小无视也罢。但这些词的可变组成部分,是地标与类别。常见类别比如“宾馆”、“酒店”、“咖啡厅”、“电影院”可以数出几十几百种;全国有人可能搜索的地标信息,更至少是数以千计的。搜索总量由此可估算。

 

下图是一个网站重视此类搜索量后,新增的流量:

 

 

ZERO:从搜索用户来看SEO


 

3. 用户的搜索习惯,和我们平时的用词习惯也不尽相同

 

比如说大众点评的商家页面,描述消费均价时用的词是“人均¥60”,但用户搜索的时候,极少会搜索“XX人均”,一般会是“XX菜价”、“XX价格”或更偶尔使用的“XX人均消费”等。

 

这些词,哪怕只在页面出现一次,就能让预定的着陆页(此处为商家页面)有机会出现在SERP中。且因为竞争度很小,往往能拿到非常好的排名。

 

商铺名+后缀,建立这样一个词库,然后依词库里面各后缀的搜索量和对应竞争力,就可以用明确的数据来指导哪些词应该放到页面上、哪些词应该放到title上加以强化了。

 

下图是考虑到用户如何搜索的最简单的例子——将程序自动生成的title“干洗公司”,改成了有用户会搜索的“干洗店”,从而得到的流量效果:

 

 

ZERO:从搜索用户来看SEO

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
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