特征權(quán)重的處理與最終排名

準(zhǔn)備寫一篇文章關(guān)于seo優(yōu)化細(xì)節(jié)的問題，因?yàn)槲覀兂３Ｕf道seo要從細(xì)節(jié)做起，但是談著談著就不談了，為何？因?yàn)闆]有人知道要注意哪些細(xì)節(jié)，了解了所有的細(xì)節(jié)也就掌握了se的機(jī)制，這點(diǎn)是最難的，也就是說最基礎(chǔ)的也往往是人們做不好的。這篇不再敘述，首先說說特征權(quán)重問題。

做seo不研究特征權(quán)重我感覺是一件非常荒謬的事情，可是貌似大佬們都不愛說，即使是國內(nèi)最火最專業(yè)的論壇，你看到的也就是外鏈、內(nèi)容、錨文本、服務(wù)器速度等細(xì)節(jié)，你甚至搜索不到任何新鮮的玩意，這原本就是不正常的。

對于特征權(quán)重，它主要的作用就是影響serp最終結(jié)果的一系列的因素，而每個(gè)不同的因素所影響的階段和時(shí)間是不一樣的，影響的范圍也是不一樣的。假如你是一線的seoer，你已經(jīng)掌握了特征權(quán)重有哪些，你還需要知道蜘蛛是如何處理的，因?yàn)橹挥刑幚碇蟮奶卣鳈?quán)重才是直觀性的數(shù)據(jù)化顯示出來。

互聯(lián)網(wǎng)上的所有的數(shù)據(jù)只有兩種，離散型和連續(xù)性的。連續(xù)性的可以計(jì)數(shù)的，例如外鏈數(shù)量、關(guān)鍵詞出現(xiàn)次數(shù)等，這些因素的處理直接采用的是計(jì)數(shù)，但是由于有些數(shù)量或許是非常大的，必須取對數(shù)來降低影響，這里就有一個(gè)問題就是數(shù)值較大時(shí)候，一旦取了對數(shù)會不會降低了影響，zero在這里說了大眾點(diǎn)評網(wǎng)的關(guān)鍵詞密度過高問題，這里其實(shí)是有很多問題，在一定度量上，無論是否取對，數(shù)量都是呈現(xiàn)正面效應(yīng)的，只是起到的作用降低了，這就比如一個(gè)加速度問題，力變小了，加速度變小了，但是速度還在增加ing的。

對于離散型數(shù)據(jù)，一般采用布爾模型或者向量空間模型處理機(jī)制，更多的是一個(gè)指標(biāo)的多個(gè)緯度，這里最重要的是如何把度大小加入到離散型數(shù)據(jù)中，是采用帶權(quán)傳遞或者給與不同權(quán)重分配不一樣的比例。不管怎么計(jì)算，最終的結(jié)果都會呈現(xiàn)出不可控制性，但指標(biāo)變多時(shí)候，不可控制的因素將會大大增加，但是同時(shí)也更多范圍內(nèi)滿足人們的匹配。

百度和谷歌最大的區(qū)別就在于指標(biāo)的量上是不一樣多的，谷歌多，因此所需要的處理能力強(qiáng)，但最終排名會更加的客觀，匹配度更加寬廣，百度的指標(biāo)量少，就呈現(xiàn)出中間突出的的狀態(tài)，這也是兩者結(jié)果排序最大的差別。

講了這么多一定有人不耐煩了，這有什么用處呢？ 我說這個(gè)作用太大了，舉個(gè)最小的例子，很多人看不懂為何某個(gè)頁面排名異常的好，怎么都思考不出來為何，其實(shí)這就是離散型變量的影響，離散型變量呈現(xiàn)的一個(gè)最大的特點(diǎn)增加了結(jié)果的隨機(jī)性。

至于如何采用特征權(quán)重的處理問題，還有一個(gè)最重要的就是結(jié)合我們做seo的時(shí)候，很多時(shí)候她都可以指導(dǎo)我們，比如某個(gè)因素做得太好時(shí)候，由于會去對數(shù)，影響將會降低，我們把握好這個(gè)點(diǎn)就可以把工作效率在理論上提高10倍；她也可以幫我們解釋很多問題，如根據(jù)se的精神，當(dāng)一個(gè)網(wǎng)站原創(chuàng)的文章的不再收錄時(shí)候，很多人不知道為何會出現(xiàn)這樣的機(jī)制，親你知道為何嗎？