一.前言

本文比较适用与中大型网站的SEO人员，小网站也可以参考。

目的在于探讨一种挖掘网站的内容潜力，把网站中用户可能会关心的内容呈现给用户，满足其需求，获取相应的SEO流量。

很多大型网站都在用的一种方法，但是很少有人出来详详细细的解释。

这样的SEO流量是如何获得的，下面举一个通俗易懂的例子。

假设我在百度上搜索“iOS 英雄无敌3”，目的是找一个能在iOS下运行的英雄无敌3这个游戏。

事实上这个游戏并不存在。因此压根不存在一个页面可以让我找到我想要的内容（如果有也是标题党）

于是我进入了tgbus的这个关于iOS 英雄无敌3的页面。

我在这个页面上找到了iOS上的英雄无敌2这个游戏以及其他类似英雄无敌3的iOS游戏，以及一些奇奇怪怪的新闻（ok，这个页面做得并不是很容易阅读）

Finall,我在tgbus上下载了英雄无敌2的iOS版本试试。

OK，我们再换个实际生活中例子：

一个姑娘去买衣服，于是看上一条粉红色的连衣裙，但是没她要的尺码。

这时候营业员会怎么做，没错，推荐一些类似颜色or款式的连衣裙，并且有码。

（TGBUS似乎推荐出了一条牛仔裤。）

SO，我们应该如何去找出用户想要的连衣裙和我们仓库中有的连衣裙，并且在最恰当的时候给用户最好的结果，还能获取到SEO流量，这并不是一件很简单的事情。

Wait，这不是就一个推荐引擎么？这么复杂的玩意交给工程师做就行了。事实上多数时候，这只是SEO们一厢情愿的东西，工程师才不会来鸟你什么推荐引擎，我们先从一个可执行的角度，自力更生来把这个SEO方法实施下去。

二.内容分析，关键词分析，数据接口设计

一个SEO知道自己网站有多少内容很重要，经常遇到和人说：“你网站这个XX页面有问题”   “啊？这是什么页面啊，我从来没见过。”

一般一个网站垂直去分，有首页，内容页，列表页。

内容页中，又可能分图片页，评论页，文章分页等等

列表页中，又可能分频道页，产品列表页，索引页，专题页等等。

一般一套页面对应一套甚至多套php模板。

需要弄清楚这些模板是否在一个架构内，是否公用数据库，页面上使用了哪些字段，最好可以找到对应模板的开发人，如果有条件申请到源代码查看权限，可以自己看一下。一个内容聚合的需求可实现度很大程度上取决于上面这些内容，先弄清楚把配料都弄齐全了，再开始做菜，否则巧妇难为无米之炊。

横向去分可能是更多往business方向考虑，比如有我们有卖线路的，卖门票的，卖酒店的，攻略，用户图片，论坛帖子等等各个频道，各个频道可能是由不同的部门在负责。哪些是网站热卖的，需要热推（至少你做个SEO的东西得有商业价值，在电商公司非常重要），包括各个频道是否有人还在运营，一个常年无人打理的频道，显然不是一个好的内容源。一般来说，主要的产品线，和UGC的内容一般是网站内容提供主力。如果我们想挖掘用户需求，也可以优先考虑它们。

这个步骤需要花很多时间，复杂一些网站甚至要1个月才能弄清楚网站到底有多少类型的页面。在弄清楚上面的问题之后，

接下来，就需要只要知道各类内容有多少数量。

比如多少个SKU，多少文章，多少帖子，多少tags，多少分类等等

这是很多人在做类似工作时考虑不周全的，凭感觉去做。最后做出来一大堆重复内容的页面，重复页面对SEO有多坏的影响就不用再提了。

这个统计内容数量的办法（从好到坏排序）。

1.读数据库

2.通过一些”巧妙”的办法去数

3.用工具抓

4.靠经验猜（基本不靠谱）

读数据库是最简单，也是最准确的办法了，一个select完事

如果没有数据库权限，就要去想办法知道。比如文章有多少条，那可以计算分页数量*每页文章数量来统计

如果是自增id，那来凑自增id来数；

如果是固定格式数据，比如来北京的图片，北京的天气，地区数量*类型来计算，等等；

通过工具抓是很多seo的梦想，无数人问过这样的问题，有没有什么工具可以统计出我网站有多少网页啊。

抱歉，还真没有，由于种种网站原因，没有任何一个工具可以统计出一个中大型网站到底有多少网页（谁有那这个工具比google，百度爬虫还NB），太多的爬虫陷阱，阻碍深入抓取的东西了。当然，这样的抓取工具并不是一无是处，对于小型网站，或者特定频道，甚至特定区块的抓取，还是有一定作用的。比如Httrack,Xeun，当然还有我比较喜欢用的火车头。python,shell等脚本语言一直是万能的。

上面基本就是内容分析的大致情况了，弄清楚内容的种类，数量和运营情况，对SEO是有很多好处的。

三.关键词挖掘，清洗与过滤

关键词的挖掘说难不难，说简单也不简单。

基本每个人都会问，怎么挖掘关键词制作词库。先说说一些常用的手法。

1.baidu/google API

2.采集爱站，chinaz,伯乐等数据

3.采集百度下拉框（其他搜索引擎同理）

4.采集百度相关搜索（其他搜索引擎同理）

5.站内搜索和自然流量关键词

6.现成字典/词库

讲点具体实现的一些注意点，都是在实践过程中总结出来的东西。方法说了，基本10个人里面有1个人去实践一些就不错了

1.百度和google的api是要申请的，想办法搞一个，如果没有，只能用百度网页级别的采集，百度竞价后台经常改，所以不是很稳定，这边友情推荐一个工具http://www.lingdonge.com/（暂时备案中可能打不开），作者很nb，搞侠客站群软件的。百度API的python的SOAP通信有BUG，连不上（可能我水平太低了T_T），PHP会SOAP通信的话可以自己写脚本来跑，Google的没玩过，应该差不多；

2.API是有精确搜索量的数据，所以是词库第一数据来源；

3.百度下拉框反采集做的比较少，采集地址为http://suggestion.baidu.com/su?wd=xxxxxxxxx+一堆参数的，具体调整一下，一个小脚本可以搞定，但是数据深度有限，一般采集2轮后就不用再采了，基本采不出新数据了；

4.相关搜索可以用火车头或者飞达鲁金花之类的，因为是采集SERP，反采集这块要想办法绕过；

5.站内搜索和自然流量关键词去GA搞一下就行，批量导出不说了。很简单，不是用的GA可能会悲剧一些；

6.拼音输入法词库，推荐一个数据网站http://www.datatang.com/，可以看看，里面会有一些行业词库；

7.一些特殊的搜索引擎，淘宝，youku之类，他们也积攒了大量的数据信息。

四.分词/检索/排序/修正

五.频道的运营，维护，拓展

六.数据监控

注：文章来自站长之家专栏用户陈汝一供稿，转载请注明出处。