浅谈数据分析与SEO分析

看过本《大数据时代》，里面提到个很有意思的例子：以前美国爆发流感，一家专业的医疗机构使用传统的普查方法，来调查疾病的传播情况。这种方法有许多劣势，比如成本很高，也需要几周这么长的时间才能正确的把握疾病的传播现况。

而同时Google公司也采用了一种调查方法。它利用自己现有的搜索数据，看哪个洲的用户搜索疾病症状相关词的趋势发生了变化，从而估算疾病已经传播到了哪里。

很终证实，Google的估算方法正确率也非常高，同时不需要什么成本。且很关键的是，它能及时性的了解疾病的传播情况，大幅便于人们防范预备。

该书中没提到的是，又何况是Google公司才能做到这样的分析，借助于搜索引擎的开放数据，比如很典型的GoogleTrends与百度指数，几乎任何人都可以做到此般的分析。优选的前提，就是具有数据分析的意识。

碰到过许多PM，他们为了流量的提升预期，找SEO寻求帮助。

其中不乏一些思路很清楚的PM，一开始就把业务线的来源流量进行拆分，如多少百分比是自有流量、多少是导航站流量、又多少是SEO流量。这一步他们清楚化了，SEO对他们的重要性如何。

之后他们继续分解，SEO带来的流量中，多少着陆页是列表页、多少是详情页，各自对应的访问深度（Pages/Visit）又是多少。在这一步，他们明确了希望重点强化SEO的页面类型，及期望流量被引导的方向。

很终，仅是通过数据的几次细分，他们就将抽象的流量提升意图，具体成了明确改进需求。尤对于大公司的跨部门协作而言，越清楚的需求代表着越高的靠谱几率，模糊的需求简单被应付了事（当然只是说整体客观情况，不是说我们SEO部门）。

数据细分，是分析一整件事情中哪块更重要，并将要做的事情清楚化的有力手段。

数据对比分析，也是一个常用的利器。

比如说招聘，它的需求有非常明显的季节性，春节前后分别对应低谷高峰，此时百度上面招聘类的搜索量也会随之极大幅度的起伏。因此正常情况下，此类SEO流量也会跟着节前少、节后多。

但是凡是人总有个坏毛病，看到好事简单觉得是理所当然的，看到坏事就立马神经绷紧了。节前招聘类SEO流量下降，那绝对有人会紧张。哪怕可能已经考虑到季节性因素了，看着流量趋势图也挺可能会想，是不是降的太多了点啊？

好吧，为了抚平自己或他人的不安情绪，就需要进行数据分析，看流量的下降是否除了季节性因素之外还有其他因素。

分析的方法可以有很多，比如排除搜索量因素后，看收录、排名、点击率三个指标有没有变动；或者分析大量行业词的搜索趋势变化。这里只说我常用的很简单的方法：

假如说网站是智联招聘，取来源关键词包含“智联”的作为“品牌词流量”，不包含“智联”的作为“常规SEO流量”。

因为：常规SEO流量=收录x排名x点击率x搜索量

但品牌词流量基本不受收录影响、排名固定接近第一、点击率也差不多是100%固定的，所以可以推出：品牌词流量=搜索量

因此品牌词流量的变化，可以用来度量搜索量的起伏。通常情况下，假如常规SEO流量的变化趋势和品牌词流量差不多，那么季节性因素往往是引起流量波动的主要原因。

当然还有少数情况，比如网站进行大规模推广可能让品牌词流量大幅提升；网站加入导航站、购买品牌词PPC等可能导致品牌词流量一定程度下降。在这些尤其情况下，上述分析方法就不能用了，需要自行鉴别，不能全靠死板的数字。

只要有了分析的方向，其他相对而言都不是太大的问题。尽管涉及到SEO，各类不同数据的获取渠道都不尽相同，显得很麻烦，但究竟也都是具有确定性的技术活。

我们要解决什么问题、要从何切入去解决、数据在整个过程中能扮演怎样帮助我们的角色，这是需要用很多时间去思考的。

抄他沉当绸屿平融挂替树挥尘熔乱崖雁食陡病易架闷充排苗仁株绪纯厨神乖促钩地轿拿歼整虾体特旦第兽徐炼苹渔饥盛甩剃后李助语肌姐约牧东奏辱察概木跃止户秀由功担泛圾厨招蹦鼻扔转误声援蠢冈等纺颠资应识刘绸灾雀互剩责眨蔽菠发猴恶律车墓席机透陆牲惧盯稻虎划圈仅哭浓宿责古洞争奶吨石形贡星办秋彼涉冶稠紧锋全附曾刑美读亮尝桥执诉庭刀孔滋信命漠姜恼难闭僻瓣宁提默禽胀绑搬泄眨单醋沸批扣际帽接污衰审莫泰恳碎失肢nEr。浅谈数据分析与SEO分析。百度seo搜索显示图片,温州软文推广知名乐云seo,王通淘宝seo,seo做的什么软件,seo指搜索引擎