雖然百度放出了打擊采集網(wǎng)站的算法，百度到底是喜歡原創(chuàng)文章的網(wǎng)站還是采集文章的網(wǎng)站？但給我的感覺是沒有真正落實下去的。不僅如此，對于那些辛辛苦苦原創(chuàng)的站長來說，有時候做出來的效果還沒有人家輕輕松松的采集效果來的好。

所以今天我們就來和大家分析一下網(wǎng)站如何采集文章做SEO!

一、利用采集文章對網(wǎng)站優(yōu)化

對于一個網(wǎng)站來說，內(nèi)容是十分重要的，除非你是付費玩家（SEM），不用做內(nèi)容也可以獲得不錯的排名。而對于我們這些草根站長來說，內(nèi)容就像是蓋樓的地基一樣，得先將地基打好，才能夠蓋起一棟棟摩天大樓。

那么想要利用采集文章來優(yōu)化網(wǎng)站的話，建議大家對網(wǎng)站優(yōu)化的幾個要點著重了解一下，首先是網(wǎng)站的TDK書寫，網(wǎng)站的TDK書寫是十分重要的，

當(dāng)百度蜘蛛進(jìn)來你的網(wǎng)站以后，首先抓取的就是該網(wǎng)頁的TDK。

可能有些朋友不知道TDK是啥，它主要就是網(wǎng)頁的三大標(biāo)簽，標(biāo)題（title)、關(guān)鍵字（keywords)以及描述（description)，所以大家在發(fā)布文章的時候一定要合理的去設(shè)置它們。

第二點就是網(wǎng)頁內(nèi)鏈錨文本，由于我們是選擇采集文章來做的優(yōu)化，所以每天發(fā)布的文章是非常多的，這時候就可能會有較多的百度蜘蛛前來抓取網(wǎng)站的內(nèi)容。

而我們就是要利用好百度蜘蛛會不斷深入爬行的這么一個特點，通過對網(wǎng)站文章的內(nèi)部鏈接設(shè)置，使其不斷的在我們網(wǎng)站里邊爬行、抓取，這樣的話有利于我們網(wǎng)站整體權(quán)重的提升。

第三點是關(guān)于網(wǎng)站內(nèi)部的評論模塊，雖然可能說前期沒有人會在我們的網(wǎng)站下方評論，但我們可以自己去評論呀，對于評論模塊其實百度蜘蛛也會去抓取，那么我們應(yīng)該如何利用好評論呢？

可以利用評論來增加一下關(guān)鍵詞的密度，百度對于頁面的關(guān)鍵詞密度也是有所考核的，我們在站長工具里面看到推薦的密度在2%-8%之間，

二、采集文章的方式

采集文章的本質(zhì)就是搬運，而在互聯(lián)網(wǎng)上搬運文章莫過于兩種方法：

1、自己手動復(fù)制搬運

手動復(fù)制的話需要耗費過多的時間以及精力，得上各大網(wǎng)站去尋找自己想要的文章，再去復(fù)制收集，不過手動搬運的話也是有好處的，就是我們可以更精確的找到自己想要的文章。

2、利用采集軟件批量采集

關(guān)于小說采集站的玩法其實就是類似采集軟件的，采集軟件可以根據(jù)我們所提供的關(guān)鍵詞全網(wǎng)自動收集，并且對于自媒體網(wǎng)站的文章還會有顯示出閱讀量、評論數(shù)等等。

利用采集軟件的話有利于我們對數(shù)據(jù)的分析，例如哪個文章比較多人看，比較招人喜歡。這些我們都可以通過數(shù)據(jù)分析出來，再將其搬運至我們的網(wǎng)站中。

三、SEO內(nèi)容采集解決方案

1、采集流程原理

目前采集通常有兩種方式：

1）定向采集：按原點分類，設(shè)定條件采集,有站有什么就采什么，再過濾處理！

2）泛采集：通用爬蟲采集

我們這里用的是：據(jù)于關(guān)鍵詞基礎(chǔ)上，指定Ｎ個站點，定向采集

原理：借用搜索引擎指令　site: domain keyword

原理圖

2、內(nèi)容處理

1）標(biāo)題

方法一：精簡原始標(biāo)題

步驟如下：

對原始標(biāo)題分詞

去除停止詞

獲取詞綴詞性

去除修飾詞，如形容詞、副詞、介詞…，保留原標(biāo)題主謂賓，獲取句子主干

通?；趈ieba分詞或nltk實現(xiàn)，要刪除的修飾詞可以預(yù)先分析大量的標(biāo)題來提取，追加到字典中。。

如:阿里巴巴部分產(chǎn)品頁的title就是這樣處理的，把用戶發(fā)布的產(chǎn)品名中一些無關(guān)大雅的詞綴干掉，提取主干放到title標(biāo)簽中

方法二：插入搜索詞

步驟如下：

搭建xunsearch或其他的開源搜索，對采集標(biāo)題創(chuàng)建索引

用提前準(zhǔn)備好的搜索詞（就是要做的那些詞）依次到搜索接口中搜索

對搜索結(jié)果中出現(xiàn)的標(biāo)題前方插入當(dāng)前搜索詞

我要做的詞有“電動車電池正確使用方法”

比如匹配出來原標(biāo)題

“不要再讓過度放電毀了你的電動車電池”

“黃山一男子用拆線搭線的方式偷走電瓶車”

………………..

則標(biāo)題前插入關(guān)鍵詞：

“[電動車電池正確使用方法] 不要再讓過度放電毀了你的電動車電池”

或“[電動車電池正確使用方法] 黃山一男子用拆線搭線的方式偷走電瓶車”

當(dāng)然也可以：“{插入的搜索詞}{精簡后的原始標(biāo)題}”

方法三：插入當(dāng)前標(biāo)題已包含搜索詞的衍生詞、相關(guān)搜索詞

步驟如下：

抓取標(biāo)題已包含搜索詞的百度相關(guān)搜索或下拉框，

標(biāo)題中插入相關(guān)搜索或下拉框的詞

如：“[{百度相關(guān)搜索詞1}]{原始標(biāo)題}”、“[{下拉框推薦詞1}{原始標(biāo)題}]”

也可以: [{百度相關(guān)搜索詞1}]{精簡后的原始標(biāo)題}”、“[{下拉框推薦詞1}{精簡后的原始標(biāo)題}]”

2）正文內(nèi)容

正文的處理主要是針對重復(fù)性，盡量降低與原始內(nèi)容的相似性

正文開頭、結(jié)尾處插入隨機(jī)文本

方法一：提前準(zhǔn)備一些能夠通用的文本模板，隨機(jī)調(diào)用，替換關(guān)鍵詞

方法二：正文中隨機(jī)截一段文字

方法三：隨機(jī)調(diào)出Ｎ條相關(guān)文章標(biāo)題和概要，放到首尾

修改正文內(nèi)容

基于textrank算法提取文本摘要，放到正文前面。

為了防止字?jǐn)?shù)過少，可以提前用k-means和tf-idf，找出當(dāng)前文章的相似文章，可以提取它們正文字?jǐn)?shù)最長的段落的摘要，加到當(dāng)前的文章中用作字?jǐn)?shù)上的補(bǔ)全。

聚合頁面

聚合頁面就是由詞根挖出來的10個擴(kuò)展詞，每個擴(kuò)展詞生成一個列表頁或其他形式的聚合頁面，頁面內(nèi)容就是對應(yīng)這個詞采集的20篇內(nèi)容。

這是最簡單的模型

通常模型

以擴(kuò)展詞”電動車電池正確使用方法”為例子

聚合頁面 要采集內(nèi)容有：

怎樣保護(hù)充電器嗎？

怎樣延長蓄電池壽命？

電動車電池充電環(huán)境要求？

這種模型通常機(jī)器+工人先預(yù)設(shè)好模型再采集內(nèi)容，再處理組合。

擴(kuò)展詞：九江適合逛街的地方

標(biāo)題：關(guān)鍵字組合，

內(nèi)容：聚合頁面，內(nèi)容組合

本文鏈接：http://www.hkass.cn/article/814.html