为什么搜索引擎喜欢Bog.ppt

为什么搜索引擎喜欢Blog /blog/ 车东 搜索引擎做为互联网的“路由器” 搜索引擎是网民的上网主要入口之一； 搜索引擎每天给其他网站带去4-6亿流量（相当于搜索引擎自身流量的1-2倍）； 在内容网站的外网来源流量中： 搜索引擎占80%-90%； 超过传统的友情链接等推介方式一个数量级以上； 从搜索获益最多网站之一维基百科 维基百科每天从Google获得数百万用户流量； 内容管理系统（CMS）比较 同样是：标题，时间，作者，内容这几个因素的组合，为什么blog/wiki/新闻组归档往往比BBS更容易被搜索引擎搜到？ 为什么同样的内容：大网站的转载往往比原文出处排名更靠前？ 什么样的网站对蜘蛛比较友好？(Spider Friendly) 比较成功的几个Blog发布系统： 几年前第一次找Blog发布系统： WordPress (php) 便于架设，插件丰富，管理简单 MovableType（活字印刷的系统） 性能较好； 比较流行的BSP发布商： LiveJournal; Blogger; 这些Blog发布系统的特点 链接稳定； 蜘蛛抓取方便； 按时间归档； RSS输出； Trackback ping/留言反馈机制； 分类归档； 搜索引擎的职能： 重现 点击搜索结果链接地址，却无法返回期望的结果，用户会很失望； 服务器无法访问； 页面不存在； 内容已经变更； 搜索引擎的重要职能：重现 Blog内容： 单条目永久链接： PermaLink 每个条目都是永久链接 个人按月归档： 条目数量仍然控制在几十条之内，不用分页； 按类目归档： 即使有内容更新，旧内容仍然保留 BBS/论坛的内容： 由于内容量过多，旧内容往往会被删除； index.php?page=12 这样的链接几天后内容全部变化； PHPSESSION=l85skdj23w4qq2sw3w42 每个蜘蛛识别为不同链接； 网页快照可以解决一部分问题 但是用户得到的内容可能是过时的； 原网站丢失了原本可以获得的用户； 搜索引擎的负担：除重 Blog内容： 内容页相对稳定； 归档链接规则稳定； 类似的：邮件列表归档也是搜索引擎比较容易收录的内容； BBS内容： Foo.php?a=1b=2与foo.php?b=2a=1内容是一样的 index.html?from=foo与index.html?from=bar内容是一样的 不同地址标记相同内容的危害 会损失其他地址带来的链接； 大量使用转向进行统计也为搜索引擎识别链接的别名带来负担； 访问日志中的referer可以代替标记跟踪来源； 帧结构: frame不利于蜘蛛抓取 BLOG大部分为平板式页面浏览； BBS的左导航/右侧内容模式，不利于蜘蛛抓取，也不利于重现； 性能因素：缓存机制 静态归档更容易缓存性能更高 MT的静态页面归档； LJ的memcache动态缓存模式； 动态页面生成： 过大压力下容易造成服务器宕机； 结构化数据库往往是瓶颈； Tips：Cache Friendly ~= SEO 使用稳定的连接：避免经常变化； 避免使用动态参数来进行点击来源跟踪 index.html?source=foo Index.html?source=bar 有更简单的方法：基于referer进行来源识别； 增加Last-Modify/Expires等缓存控制Header； 链接/域名更换： 要保留原地址可访问， 设置301转向； Blog内容的特点 作者对内容/回复完全控制； 个人版权声明： CC； 时效性； 归档机制； 主贴和回复是天生不平等的 文章发布者是文章条目的所有人； 可以控制回复的数量和质量、排序等因素； 可以控制文章； 主贴作者甚至无法控制低质量的回复； 回复内容展现大量的噪音： 回复者的信息，排名，签名等噪音 回复和主贴存储在同一空间中，严重降低效率； 私有内容：利于内容长期维护 Blog内容是私有的； 面向归档，备忘的； 内容可重用度较高； 是个人的在线虚拟资产； 原创内容相对多； 不同搜索引擎对于新发现内容有一定的加权，一般2周后，或者1个月后内容会回到同其他内容一样的权重； BBS内容则无法承诺长期保存； 内容实效性较强； 缺乏搜索引擎来源的反馈，影响面有限； 转载多，原创少； 引用发现和用户交互 可视化编辑器在blog发布系统中广泛使用： 内容来源链接地址：内部/外部都较多； BBS为防止XSS，往往禁用可视化编辑器或使用BBCODE； 如何方便转载者主动标记原文出处： 再次推销一下[chedong copyright模板] 便于用户Copy/Paster并能有效链接的模板 为用户做正确的事情提供方便； RSS： 低成本新内容发现机制 节省带宽： 不遍历网站内容而发现最新内容； Pin