評估：(敏感信息用編號代替，均為真實數(shù)據(jù))
先看一下爬蟲日志的情況，通過Shell腳本，我們可以分析出。
目錄總計被爬行的次數(shù)為13000次左右
不重復(fù)的目錄爬行次數(shù)為5500次左右
頻道A下的目錄幾乎被100%抓取過至少1次，頻道B的目錄抓取也不錯，有70%被至少抓過一次。
其余頻道下的目錄被抓取的覆蓋率不到30%
不要覺得這個結(jié)果很神奇，其實很多網(wǎng)站都會面對這樣的糟糕問題，只要你把數(shù)據(jù)不斷的細分，細分，再細分，總會觀察出一些端倪的。
關(guān)于日志分析，不要迷信任何的日志分析軟件，那都是給懶人用的，自制腳本+Excel才是王道，可以拆分顯示出任何你想要的數(shù)據(jù)，當(dāng)然，甚至可以連Excel都不要。
然后，我們統(tǒng)計了一下被抓得最頻繁的頻道A和頻道B，目錄頁的收錄率
頻道A和B是很讓人放心的，說明頁面質(zhì)量沒問題，但是余下的收錄情況就讓人比較擔(dān)心了。
決策：通過上面的數(shù)據(jù)評估，我們已經(jīng)得到了如下結(jié)論。
頁面質(zhì)量并不是影響收錄的原因。
頻道A，B的抓取量異常的高，通過調(diào)查了解，原來是首頁上的目錄頁，顯示的全是頻道A下的目錄頁，首頁又擁有全站最高的權(quán)重。頻道B擁有比其他頻道強大的外鏈資源，權(quán)重也非常高。
除了A, B頻道，其他頻道的抓取情況不容樂觀，抓取入口太少，太深，進而影響了收錄情況。
很明顯，現(xiàn)在頻道A從站內(nèi)的角度來說太強大了，必須進行一些“劫富濟貧”的運動來降低頻道A的抓取量，轉(zhuǎn)移到其他頻道中去。同時，需要給爬蟲提供更多的入口抓取頻道頁。
現(xiàn)在問題變得清晰起來，我們開始把工作分成兩部分：1.提供更多的入口 2.將資源平分給各頻道而不是集中在少數(shù)幾個頻道上。
提供入口工作：
1.把目錄頁的URL制作成sitemap。提交給搜索引擎，并且將其設(shè)置為比較高的抓取權(quán)重。
2.完善面包屑導(dǎo)航，將面包屑導(dǎo)航劃分得更加細致，以提供更多入口
3.在其他產(chǎn)品中推薦目錄頁
資源平分工作：(一些概念：任意頁面都有可能成為爬蟲入口，百度爬蟲抓取深度有限，頁面相對入口越淺，被抓取的概率越高。)
1.原先首頁指向的都是頻道A的目錄頁+產(chǎn)品頁，將其全部nofollow，確保從首頁進入的爬蟲，全部抓取到頻道頁，通過頻道頁再進入目錄頁(其實這個不算太重要)
2.原先頻道頁指向自身的產(chǎn)品頁，將其全部nofollow(確保從頻道頁入口的爬蟲，最大程度的抓取目錄頁)
3.從目錄頁返回到首頁的鏈接，將其全部nofollow。
4.減少一些頁面上無關(guān)鏈接。(什么情況下這么做都是非常有效的。)
現(xiàn)在可以開始動手了。。
成果
這么做到底有什么效果呢，我們來看看修改后1個月后的數(shù)據(jù)。
目錄頁的收錄率提高了100%!
產(chǎn)品頁的收錄率也有一定程度的提高，這是歸功于目錄頁對于產(chǎn)品的良好展現(xiàn)。
目錄頁的SEO表現(xiàn)：
SEO流量占比上升了15%
增長10%的到訪關(guān)鍵詞數(shù)量(新頁面的收錄)
SEO流量增長了50%以上。(包含一些季節(jié)因素)
想認識全國各地的創(chuàng)業(yè)者、創(chuàng)業(yè)專家，快來加入“中國創(chuàng)業(yè)圈”
|
