人眼可以輕松看出很糟糕的標(biāo)題，但對符合seo基本原則的標(biāo)題，很難進行準(zhǔn)確辨別。因為沒有“更好”的判斷標(biāo)準(zhǔn)，因此標(biāo)題優(yōu)化往往到達“好”的程度就不得不止步了。如果我們能知道某個標(biāo)題比另外一個標(biāo)題好，也就意味著能優(yōu)化出更好的標(biāo)題。
很多人認為淘寶seo的老三篇(標(biāo)題優(yōu)化丶下架時間優(yōu)化丶屬性優(yōu)化)，研究已經(jīng)到底了，基本原則丶基本技巧該掌握的都掌握了。我恰恰相反，一直認為淘寶搜索的基礎(chǔ)優(yōu)化，還遠遠沒有研究到位，有巨大的潛力空間未挖掘出來。
例如，在標(biāo)題優(yōu)化中，以下問題很少被完整地考慮：
1.當(dāng)前權(quán)重下，應(yīng)該競爭什么關(guān)鍵詞?權(quán)重變化后，應(yīng)該怎么調(diào)整標(biāo)題?
2.標(biāo)題保留哪個分詞確定效益最大?
3.過去獲得流量的關(guān)鍵詞哪些要保護?哪些分詞效率低要放棄?
4.分詞順序怎樣排列，才能獲得數(shù)量最多總價值最大的緊密連接?什么情況下分詞重復(fù)比不重復(fù)更劃算?
5.流量大和高精準(zhǔn)之間怎么平衡?
上述5個方面有些是相互競爭的，如何找出綜合利益最大化的方案?現(xiàn)有優(yōu)化技術(shù)是無法解決的。如果取得突破，爆發(fā)的能量會是驚人的。
(二)我們用了很多時間研究下面這個命題：怎么評估這個標(biāo)題比另一個標(biāo)題更好?
我們認為：在當(dāng)前權(quán)重下，獲得實際利益更大的標(biāo)題，就是更好的標(biāo)題。因此問題轉(zhuǎn)化為：怎么考核標(biāo)題的實際利益?
標(biāo)題實際獲得的流量和轉(zhuǎn)化是可以監(jiān)測的。如果能排除下架時間丶銷量變化和對手變化帶來的條件干擾，某個標(biāo)題是否比另一個標(biāo)題更好，是可以確定知道的。然而，通過實際流量效果監(jiān)測來對比標(biāo)題，需要的時間太多，代價太大，變數(shù)太大，是不現(xiàn)實的。
但它可以給我們很好的提示：
如果我們能把實測效果折射成可以獲得的參數(shù)，在一定的置信度下，我們就可以模擬計算標(biāo)題的總效果，并通過實際效果來校驗調(diào)節(jié)。
也許，就能對各種標(biāo)題組合進行模擬計算，通過計算來快速選出較佳的標(biāo)題。
我們按這個方向做了大量嘗試。激動地發(fā)現(xiàn)，好像找到了一片全新的空間：海量計算。
(三) 我們用一個叫“總權(quán)重”的參數(shù)，代表每個標(biāo)題可能得到的總利益。這個總利益包括多個角度的指標(biāo)，例如：
一. 歷史和未來的平衡
量子數(shù)據(jù)反映的是標(biāo)題的歷史。提供的是“要保護哪些已經(jīng)獲得好流量的關(guān)鍵詞”，以及“哪些關(guān)鍵詞點擊率高丶轉(zhuǎn)化好”的信息。如果關(guān)鍵詞沒有進入過標(biāo)題，或者沒有以正確的方式進入標(biāo)題(分詞順序)，就沒有流量信息可以參考。
對等的，我們設(shè)計了一個“權(quán)重評估”參數(shù)來反映標(biāo)題的未來。也就是寶貝當(dāng)前權(quán)重下可能取得排名的關(guān)鍵詞。這些關(guān)鍵詞有些過去取得過流量，有些還沒有獲得過流量。已經(jīng)獲得過流量的關(guān)鍵詞的權(quán)重評估，跟實際獲得的流量對照，可以為還沒有獲得過流量的關(guān)鍵詞提供參數(shù)校正。(關(guān)于這個算法可以寫一個長篇。目前我們在模型中采用了一個取巧的臨時辦法，實際上這個角度可以有很深入的挖掘)。
面向歷史和面向未來，這兩個角度都同等重要。他們在一個公式里互相制約，在探索新流量機會和保護已有流量之間建立平衡。
這兩個指標(biāo)還有一個很大的用處，就是修改標(biāo)題后7天，可以根據(jù)流量反饋結(jié)果，重新演算標(biāo)題，通過迭代優(yōu)化，不斷自動改善標(biāo)題效果，實際效果非常好。
2. 關(guān)鍵詞的相關(guān)度
包含高轉(zhuǎn)化分詞的關(guān)鍵詞，在標(biāo)題構(gòu)造時給予更高的權(quán)重。
例如對于一款大碼文胸，大碼丶大胸是轉(zhuǎn)化敏感度高的，而文胸丶內(nèi)衣是轉(zhuǎn)化敏感度中的。
通過人工判斷得到的相關(guān)度權(quán)重比較準(zhǔn)確，可以極大提高標(biāo)題的品質(zhì)。
(四)3. 緊密連接詞的利用
關(guān)鍵詞有兩種：緊密排名關(guān)鍵詞，疏松排名關(guān)鍵詞。
緊密排名關(guān)鍵詞就是，當(dāng)你搜索AB 的時候，搜索結(jié)果前列都是AB，而A B，ACB，BA，BCA，B A都拿不到排名。
疏松排名關(guān)鍵詞就是，當(dāng)你搜索AB 的時候，AB，A B，ACB，BA，BCA，B A都有機會拿到排名。
緊密連接的合理利用，非常有價值。例如寶貝權(quán)重不高的情況下，如果某個詞是緊密連接詞，而很少人在標(biāo)題中使用這個緊密連接，你就可以輕松得到一個小藍海。
對于高權(quán)重的寶貝，緊密連接詞的意義更大，許多時候簡單調(diào)整一下標(biāo)題順序，就可以讓標(biāo)題獲得的流量取得驚人的增長或者下滑——獲得或者失去了某個緊密連接詞的流量。
一些優(yōu)化公司喜歡做“優(yōu)化10分鐘，關(guān)鍵詞立即進入首頁”的表演(我自己也干過)，通過調(diào)整標(biāo)題順序形成緊密連接詞是最常用的三種手法之一。
緊密連接詞如此重要，它在標(biāo)題總利益的考核中占有極其重要的位置：
1) 分詞重復(fù)的計算
傳統(tǒng)優(yōu)化思路里，分詞重復(fù)是很少的，有些優(yōu)化軟件甚至將分詞重復(fù)作為扣分項目。但實踐可以證明，合理重復(fù)價值是非常大的。一個高價值的緊密連接詞，勝過許多的長尾詞。
標(biāo)題的長度是有限的。你要是放進了“無鋼圈文胸”這個緊密連接，那么“全罩杯文胸”要不要?如果“無鋼圈文胸” “全罩杯文胸”都分別以緊密連接方式保留，重復(fù)了一個“文胸”分詞，必然擠占了另一個分詞的名額，跟這個分詞相關(guān)的所有關(guān)鍵詞都放棄了。這樣是值得的嗎?
不要將分詞重復(fù)當(dāng)作“關(guān)鍵詞堆砌”。對于關(guān)鍵詞堆砌的定義，很多人有誤解，把百度的要求套到淘寶上。在淘寶的定義中，分詞的必要重復(fù)并不是堆砌，與寶貝不相干的關(guān)鍵詞(特別是品牌名)才是堆砌。
我們找到了一個算法，計算每一個緊密連接詞帶來的好處(緊密關(guān)鍵詞獲得流量的幾率)，跟放棄分詞帶來的損失(跟該分詞有關(guān)的大量關(guān)鍵詞組合可以獲得的總流量幾率)進行對比，通過對比決定最終是否要保留某個緊密連接詞。
2)標(biāo)題順序的計算
標(biāo)題組合順序稍微變化，所能獲得的緊密連接詞就發(fā)生巨大變化。怎么找出包含最多最重要(搜索量大且與寶貝當(dāng)前權(quán)重匹配)緊密連接詞的標(biāo)題組合?我們建立了一個算法來評估不同標(biāo)題順序的潛在利益。
現(xiàn)在軟件已經(jīng)可以演算出：怎樣的排列順序是最佳的，某個標(biāo)題順序比另一個標(biāo)題順序好多少。
(五) 我們在開發(fā)直通車自動優(yōu)化系統(tǒng)的時候，發(fā)現(xiàn)類目丶店鋪和寶貝的差別極大，沒有辦法讓所有寶貝用同一個流程。最后采用了“執(zhí)行程序+優(yōu)化模板”的模式，不用的類目丶店鋪丶寶貝套用不同的優(yōu)化模板丶或者修改模板參數(shù)來控制優(yōu)化流程。在標(biāo)題優(yōu)化中，存在類似的情況。
不同類目丶不同寶貝丶寶貝不同階段， 計算標(biāo)題總利益的時候，有不同的個性需求。在算法模型中，關(guān)鍵環(huán)節(jié)引入了人腦的參與。
以下人腦參與的環(huán)節(jié)極大影響標(biāo)題效果：
1) 要分析的關(guān)鍵詞是否全面
如果挖詞有重要遺漏，應(yīng)該優(yōu)化的詞卻沒有添加入分析名單，得到的標(biāo)題就會有重大損失。優(yōu)化人員需要參與關(guān)鍵詞的挖掘添加，避免重要關(guān)鍵詞的遺漏。
2) 參加分析的關(guān)鍵詞，是否與寶貝相關(guān)
如果人工確認工作不細致，不恰當(dāng)關(guān)鍵詞的數(shù)據(jù)就會干擾最終的權(quán)重計算。
3) 分詞的轉(zhuǎn)化敏感性設(shè)置是否準(zhǔn)確
由于分詞的轉(zhuǎn)化敏感度設(shè)置對標(biāo)題的影響權(quán)重很大，如果優(yōu)化人員對于寶貝特征的理解不到位，標(biāo)題就可能會走形。
4)調(diào)節(jié)參數(shù)是否體現(xiàn)優(yōu)化意圖
以下3個是最常用的調(diào)節(jié)參數(shù)
后者在試用戶處也得到驗證。我們曾經(jīng)將這套軟件的部分功能放在官網(wǎng)上，發(fā)展了一批試用戶，觀察使用情況。發(fā)現(xiàn)如果沒有通過培訓(xùn)充分引導(dǎo)和強調(diào)，極容易因為不認真丶對要求誤解丶對寶貝特征不了解而產(chǎn)生低品質(zhì)設(shè)置，從而影響標(biāo)題計算結(jié)果。
(六)
搜索優(yōu)化的水很深很深，但又清澈可見。一方面雖然公開的信息很少，有無數(shù)的假說和謠傳，但做測試的代價很低，并且流量反饋數(shù)據(jù)非常精確，研究起來比較直接;另一方面雖然他不斷變化，但這個變化是有跡可循的，那就是淘寶的現(xiàn)實目標(biāo)和潛在的考核指標(biāo)，
淘寶搜索優(yōu)化有兩條明顯的主線要關(guān)注：顧客體驗，分流。分流是目前最重要的變化熱點，各種名目的分流，既增加了搜索優(yōu)化的難度，也增加了搜索優(yōu)化的機會。這里只討論分流的最傳統(tǒng)項目：下架時間。
下架時間的選擇有類似標(biāo)題優(yōu)化的相同問題：兩個熟手賣家各選一個下架時間，哪個是更好的?
下架時間如果僅僅在寶貝級別去研究，是沒有辦法研究透徹的。我們認為，只有具體到關(guān)鍵詞級別，研究主要關(guān)鍵詞受下架時間的影響，并以總利益的推算作為取舍依據(jù)，才能實現(xiàn)下架時間的最優(yōu)化。
目前算法初步解決了三個問題：
1. 下架時間對單一關(guān)鍵詞利益的影響
主要是考慮與競爭對手的下架時間沖突。如果避開“有競爭力”對手的下架時間，有利于在下架時間獲得某個關(guān)鍵詞排名的難易影響。
2.下架時間對多個關(guān)鍵詞利益的影響
分析多個詞的對手分布，并結(jié)合每個關(guān)鍵詞的搜索量丶“有競爭力”對手數(shù)量，計算每個時間段的競爭“性能價格比”。
3.行業(yè)一周流量曲線，對于選擇下架時間的影響
僅僅錯峰競爭是不夠的。雖然凌晨沒有競爭，但也沒有流量。要選擇行業(yè)流量盡量大，“有競爭力”對手又盡量不在的區(qū)間。
上述算法雖然比目前大部分店鋪的做法精細很多，還其實還很粗糙，有很大改進余地。但起碼可以說明：
下架時間也是可以計算出來的。
我們已經(jīng)發(fā)現(xiàn)了新的計算參數(shù)。以后有進展再向大家介紹。
(七)上面粗略介紹了，通過軟件進行海量計算，可以有依據(jù)地推算：標(biāo)題應(yīng)該用什么分詞，標(biāo)題應(yīng)該按什么順序排列，下架時間怎么選擇。軟件自動推算不是重點，重點是怎么推算。隨著算法的不斷成熟，我們相信會有很大的空間逐漸被挖掘出來。
這個跟傳統(tǒng)的優(yōu)化思路，有很大的區(qū)別。可能暗示了淘寶搜索優(yōu)化技術(shù)的新方向。
有賣家會問：搞得這么精細，有必要么?
對于低權(quán)重寶貝，是沒有必要的。而對于花費巨量時間和金錢打造的重點寶貝，深挖標(biāo)題利益是很有必要的。
對于重點寶貝，哪怕10%的搜索增長都能帶來巨大的價值，而10%增長通過搜索潛力挖掘是很容易獲得的，未經(jīng)釋放的優(yōu)化潛力絕不只10%。——證明這一點很簡單，根據(jù)量子的搜索流量數(shù)據(jù)，將標(biāo)題改一改，你可以輕而易舉將搜索流量減少50%。
淘寶搜索優(yōu)化，實質(zhì)是零和競爭。每天的搜索量就那么多，你得到了，競爭對手們就失去。你的回頭客基數(shù)增加了，對手的基數(shù)就減少了。從競爭意義去看，店鋪的搜索優(yōu)化能力，是極其重要的戰(zhàn)略能力。然而大部分的店鋪，在搜索優(yōu)化上的投入是不足的。包括很多經(jīng)營已經(jīng)很好的店鋪，在搜索優(yōu)化精細度上是不夠的。
賣家在打造寶貝權(quán)重上花費的大投入，跟在搜索優(yōu)化上的投入，完全不成比例。相當(dāng)于辛辛苦苦把礦挖出來，卻用很粗放的方式提煉。在流量資源稀缺年代，這是非常奇怪的反差。
本文討論的只是淘寶seo中最最古老的話題：標(biāo)題優(yōu)化和下架時間優(yōu)化，哪怕這個人人耳熟能詳?shù)念I(lǐng)域，我們?nèi)阅苷业綐O多的增長點。而這僅僅是優(yōu)化空間的冰山一角。
大家很容易推論，我們?nèi)粘＠速M了多少本來可以得到的搜索流量，自己卻不知道。
樂發(fā)網(wǎng)超市批發(fā)網(wǎng)提供超市貨源信息,超市采購進貨渠道。超市進貨網(wǎng)提供成都食品批發(fā),日用百貨批發(fā)信息、微信淘寶網(wǎng)店超市采購信息和超市加盟信息.打造國內(nèi)超市采購商與批發(fā)市場供應(yīng)廠商搭建網(wǎng)上批發(fā)市場平臺,是全國批發(fā)市場行業(yè)中電子商務(wù)權(quán)威性網(wǎng)站。
本文內(nèi)容整合網(wǎng)站：百度百科、知乎、淘寶平臺規(guī)則
