4个多月没更新，原因是忙且懒。一登后台，关注都1000多了，上回看记得还不到500......趁现在有点时间，赶紧瞎写一篇。
上回数据分析①主要说的是爬虫和数据分析的关系，那么数据分析②打算说几个数据分析的案例。
案例1：收录分析
- 背景
要分析的页面类似大众点评的商户页面，UGC构成页面的主体内容，所以UGC越多，页面内容越饱满。
此类页面总体收录情况不佳，又因为UGC数量决定页面包含的信息量，于是想看看UGC数量跟收录率的关系。
- 指标
ITSEO年会道哥分享过，收录分索引库和进快照库的区别，大众上说的收录是指进快照库的，而决定引入流量大小的是进入索引库的页面。所以确定如下指标
倒排占比：进入索引库的页面比例。指能在百度通过关键词搜索出来，有机会拿流量的页面。小伙伴可以到：http://site.itseo.net 来查询一批页面的倒排占比。
正排占比：进入快照库的页面比例。指能通过url搜出来页面，但通过关键词不能。只建立快照，但没编入索引的页面。是基本拿不了流量的页面。
收录占比：进入快照库 + 索引库的页面比例
未收录占比：快照都没有的页面比例。要么还没抓到，要么页面质量太渣
- 检测方法：
因为要查看UGC数量与收录之前的关系，先把所有商户页面按对应的UGC数量分个组，比如UGC数量为0的页面分成一组、UGC数量为1的分成一组.....UGC数量10-20的分成一组......
分完组后，开始跑每组页面的上述四个指标，跑出的数据如下
- 数据：
- 分析：
横坐标为UGC数量，纵坐标为对应的指标数据。观察数据，可以看到几个明显的趋势：
① UGC数量越多，倒排占比越高
② UGC数量越多，正排占比越少
③ 总收录率，除了0条UGC的页面，其他基本持平
④ 按照倒排占比的增长幅度，UGC 0-1是一个区间，1-10是一个区间，10+是另一个区间
通过数据可以发现，通过增加UGC数量，可以增加倒排占比，进而引入更多的搜索流量。
其中对0条UGC的页面开刀是性价比最高的，因为0条UGC的页面只要增加1个UGC，倒排占比就可以增加3倍。
于是我们可以想各种办法来给0条UGC的页面导入1条UGC数据，那导入UGC从哪来?怎么改?是倒腾内容的事，之前也专门写过这方面的内容，可以去看历史消息。
案例二：流量分析
流量下跌，有些SEO碰见总会有些慌张的，当然流量下跌也不一定是SEO的问题，也可能是外部原因，也可能是行业趋势，也可能是搜索引擎的正常变动(也有可能是抽风，但一般不是~.~)
有个比较完善的排查流程：
① 排查统计工具是否出现问题
统计工具与web log做对比，或多个统计工具对比，同比上周、去年，环比昨天，看趋势是否一致。
若一致则很可能是正常搜索趋势;若不一致，则可能是网站自身、搜索引擎变动、统计工具BUG导致(比如统计代码加错了、误删了......)，具体原因需进行下一步排查
② 排查是否是阿拉丁、竞价或其他特性展示的变化抢走自然搜索流量。若不是，则继续下一步
③ 排查是否所有搜索引擎都掉。
因为同一时间点，所有搜索引擎都被降权的概率太低了。所以，若所有搜索引擎都掉，则是网站本身出了问题，排查日志是否出现非200状态码，或者web服务器节点能否正常访问等。若只是某个渠道下跌，则继续进行下一步排查
④ 检测搜索引擎流量分发情况。
接着上一步，若某个搜索引擎流量下跌，不一定是SEO问题，也可能是搜索引擎的正常变动。首先，一类流量词(注意这里是流量词，不是长尾词)80%的流量总是会分发到10-20个网站，我们按照找SEO竞品的思路，先找到流量分发TOP20的网站，然后长期监控同一批词在这20个网站在搜索引擎的展现情况。
正常情况，这20个网站的展现情况应该是此起彼伏的，比如原先展现量最大的5个站掉了20%，那剩下15个站加一块应该涨了20%，这种情况是正常流量分发变化，因为搜索引擎同时惩罚多个同行业站点的概率也不高。但若只有你一个站点的展现量往下掉，那基本上可以确定是自身SEO问题了。
⑤ 检测网站收录、排名，该看日志看日志，该查排名查排名，这就对症下药了。
之前我面试每个人都问了这个问题，挺多人都直接跳到第5步，而忽略前4步的排查，这有可能会造成无用功，而浪费很多时间。
案例三：找可优化的方法
做SEO总共就这3点：提高页面质量、优化链接结构、提高链接数量，但具体手段需要看不同情况，方法上是需要不断创新的，来满足最本质的要求。找可优化的方法，需要先找到行业内做的比较好的网站，然后观察这些站的共同点，然后开始抄。 比如好多流量站(日均IP >= 页面数量的那种)的共同点：模板轻、速度快、页面包含连续大量的文本内容、标题简短且命中搜索词、关键词竞争度小但有点搜索量、网站结构简单、同主题内容高度聚合、有一定外部链接...... 那么以上这些点就可以照搬到自己的网站上
还木有评论哦，快来抢沙发吧~