我们在百度输入查询词看到了各个类似网站的排名，这些排名是受到用户点击和区域性因素影响的，搜索引擎通过内部算法计算出的排名并不是这样。影响到用户点击大致有三个方面，一是百度竞价会分流了大部分点击，二品牌影响力会吸引更多的点击，三是新奇的或更满足用户需求的结果会吸引更多点击。

文章中量化了用户点击对排名的影响，虽然是深入浅出的分析但得出的结论是一样的。我们把影响用户点击的基本因素列出来，便可以利用用户点击来提升关键词排名。当我们排名还不错但点击不理想的时候，可以进行详细的分析摸清楚哪里出了问题，如果确定了不是优化的问题是不是应该换个思路处理呢？

我之所以最推荐《走进搜索引擎》这本做为入门书籍，因为它轻实践重总结。尽管因此这本书在搜索引擎圈子似乎评价不高(行业内自然重实践)，但对于没必要了解搜索引擎具体实现规则、只需了解其思路的SEO却有更大帮助。

而其中，我最喜欢的一个总结，为“查询词”与“检索词”的定义。大致是这么说的：

比如用户到百度搜索“SEO博客”，此处“SEO博客”被称为查询词;

另外搜索引擎实际匹配结果时，会把查询词先经过分词等一系列处理。之后实际到索引库里面去调用结果的词，叫做“检索词”。具体到上例，包含“SEO”与“博客”两个检索词。

和很多人提到过这个概念，但其中绝大多数都不理解为什么要把概念复杂化。

“用户搜关键词(查询词)，搜索引擎拿着关键词(检索词)，到它自己的服务器里面找出和这个关键词(索引词)匹配的网页”，只用个“关键词”多简单!

SEO往往就是被想得太过于简单了，所以一些管用的方法技巧几乎不被人得知。

我找出过许多SERP分析技巧，全都从未被人提起过，其中觉得最精妙的技巧，就和这个概念密切相关：

首先，需要先了解两个非常重要的排名因素，点击率、区域性排名。这两者本身限于篇幅暂不解释。

点击率：比如说有个页面是北京租房，它在“北京租房”这个词的点击率很高，于是这个词的排名上升，这是合理的。但是，它“北京租房”的点击率不应该影响到其在“租房”或“北京”这两个词的排名。因此，点击率这个排名因素是只作用于“查询词”级别的。

区域性排名：“租房”这个词因为有地域性需求，比如用户在北京搜索时，百度会把“北京租房”排名靠前的，排到“租房”的前面去。但是不应该把那个页面，排到“上海租房”这个包含“租房”的查询词中。因此，区域性排名同样只对“查询词”生效。

既然知道了至少这两个排名因素是只作用于“查询词”的，很自然就会想着，是否有方法能把这些查询词排名因素去掉，只看检索词的排名情况(某种程度上可以称为“实际排名”)呢?

(答案之前先回顾下。至今为止这个猜想的提出，完全基于检索词、查询词及两个排名因素的推论。因此最关键的是，要对搜索引擎及SEO两块的基础理论有正确、全面的了解)

而去掉查询词的排名因素的方法，其中一个很简单，在搜索关键词时加个#搜索就行了(或者其它任意百度通常情况下忽视的字符，#只是我个人习惯)。比如词是“租房”，改为搜索“#租房”。

因为“#”多数情况下不被百度作为检索词处理(除非仅搜索“#”、或搜索“C#”此类特殊词)，加了之后，实际并没有对检索词做出任何改变，请求索引库时，还是只有“租房”一个词。但是因为搜的词样子已经被改变了，查询词就不同了。

查询词改变、检索词不变，这就达到了分析所需的条件。

这个方法可以用到的地方不少：

(1) 因为这样可以去除一些主要排名因素，对于后续深入去分析其它排名规则有非常大的帮助

(2) 结合大量数据的分析，能大致量化出点击率对排名的影响程度

基于量化用户点击对排名影响的理论知识，说个实际应用。

1. 取一定量的行业通用词，此处称为A类词(此处用的是“城市+招聘”，如“北京招聘”、“上海招聘”等几百个词)

2. 一一查它们的排名，将排名在前的根域名提取出来

3. 按照各排名位置的大致点击率，将排名位置换算成分值，如第一名5分、第二名3分……累加到各个根域名上

4. 计算出各网站于这些词的排名情况后，以排名分值倒序排列

5. 以加#的行业通用词(如“#北京招聘”)，此处称为B类词，重复1-4步

6. 置入Excel表格，将各个网站的A类词排名分值，除以B类词排名分值，即可得到各网站受点击影响的程度(数值越高，点击对排名的提升作用越大)

下图为我计算的一个表格：

(第5列用到了Excel的vlookup函数)

图中可见，对于城市+招聘的词，加#搜索时(或说实际排名)，赶集略好于58同城。而加上点击影响之后，赶集的排名远差于58同城。