百度搜索引擎网页质量白皮书

作者:鼎极网络发布日期:2019-11-12浏览次数:0

  网页质量是一个网页满足用户需求能力的衡量,是搜索引擎确定结果排序的重要依据。在网页资源内容与用户需求有相关性的基础上,内容是否完整、页面是否美观、对用户是否友好、来源是否权威专业等因素,共同决定着网页质量的高低。

  对于搜索引擎来说,给用户呈现的网页质量直接影响了终的搜索效果和用户的需求满足;而对于广大的站长来说,整体网页质量的提高有助于在搜索引擎中获得良好的排序和展现,从而吸引更多用户,获得更多流量。

  百度搜索综合用户对不同网页的实际感受,制定了一套评判网页质量的标准,基于这个标准,在百度搜索的收录、排序、展现环境进行调整,给高质量的网页更多的收录、展现机会,同时对一些影响用户体验、欺骗搜索引擎的恶劣低质网页进行打压。

  目前互联网上的网页,仅有7%可以达到高质量标准,百度作为大的中文搜索引擎,希望从互联网生态角度出发,跟站长们一起努力建立良好的互联网生态圈,地为网民服务,也让内容优质的网站得到的发展。

  此外,搜索引擎之前相对封闭,一直以来,站长需要通过不断的摸索发现搜索引擎对网页的判断标准,指导站点内容的建设。此次推出《网页质量白皮书》,目的是开放百度在网页质量方面的判断标准,给站长提供参考,希望有更多、质的内容产生,满足搜索引擎用户的需求,同时为站长带来流量,实现共赢。

  衡量网页质量的维度

  百度搜索引擎在衡量网页质量时,会从以下三个维度综合考虑给出一个质量打分。下面会一一介绍这些影响网页质量判断的维度特征:

  • 内容质量

  • 浏览体验

  • 可访问性

  一个访问流畅,内容质量高且浏览体验好的网页具有较高的质量;反之,任何一个维度出现问题,都会影响网页的整体质量。下面我们具体介绍下这三个维度。

  衡量网页质量的维度——内容质量

  网页主体内容是网页的价值所在,是满足用户需求的前提基础。百度搜索引擎评价网页内容质量主要看其主体内容的好坏,以及主体内容是否可以让用户满意。 不同类型网页的主体内容不同,百度搜索引擎判断不同网页的内容价值时,需要关注的点也有区别,如:

  • 首页:导航链接和内容是否清晰、有效。

  • 文章页:能否提供清晰完整的内容,图文并茂。

  • 商品页:是否提供了完整真实的商品信息和有效的购买入口。

  • 问答页:是否提供了有参考价值的答案。

  • 下载页:是否提供下载入口,是否有权限限制,资源是否有效。

  • 文档页:是否可供用户阅读,是否有权限限制。

  • 搜索结果页:搜索出来的结果是否与标题相关。

  百度搜索引擎考量网页内容质量的维度非常多,为重要的是:成本;内容完整;信息真实有效以及安全。下面我们通过举例来感受一下百度搜索引擎是如何对网页的内容质量进行分类的,请站长对比自己站点的页面,站在搜索引擎和用户的角度为自己打分:

  1、内容质量好:

  百度搜索引擎认为内容质量好的网页,花费了较多时间和精力编辑,倾注了编者的经验和专业知识;内容清晰、完整且丰富;资源有效且优质;信息真实有效;安全无毒;不含任何作弊行为和意图,对用户有较强的正收益。对这部分网页,百度搜索引擎会提高其展现在用户面前的机率。例如:

  • 专业医疗机构发布的内容丰富的医疗专题页面;

  • 工程师发布的完整解决某个技术问题的专业文章;

  • 专业视频网站上,播放清晰流畅的正版电影或影视全集页面;

  • 知名B2C网站上,一个完整有效的商品购买页;

  • 权威新闻站原创或经过编辑整理的热点新闻报道;

  • 经过网友认真编辑,内容丰富的词条;

  • 问答网站内,回答的内容可以完美解决提问者的问题。

  实例参考:

示例内容质量说明
case 3.1.1-1专业医疗网站发布的丰富医疗专题页面
case 3.1.1-2工程师发布的完整解决某个技术问题的专业文章
case 3.1.1-3专业视频网站上,播放清晰流畅的正版影视全集页面
case 3.1.1-4京东的一个完整有效的商品购买页
case 3.1.1-5权威新闻站原创的热点新闻的报道
case 3.1.1-6经过网友认真编辑,内容丰富的百科词条
case3.1.1-7百度知道上,完美解决用户问题的问答页

  2、内容质量中:

  内容质量中等的网页往往能满足用户需求,但未花费较多时间和精力进行制作编辑,不能体现出编者的经验和专业知识;内容完整但并不丰富;资源有效但质量欠佳;信息虽真实有效但属采集得来;安全无毒;不含作弊行为和意图。在互联网中,中等质量网页其实是一个比较大的数量集合,种类面貌也繁杂多样,百度搜索引擎在评价这类网页时往往还要考虑其它非常多因素。在这里,我们仅部分举例来让各位感受一下:

  • 论坛类网站里一个普通的帖子;

  • 一个普通的问答网页;

  • 没有进行任何编辑,直接转载其它网站的新闻;

  • 无版权信息的普通电影播放页

  • 采集知名小说网站的盗版小说页。

  实例参考:

示例内容质量说明
case 3.1.2-1网易直接转载了中国新闻网的一篇新闻。
case 3.1.2-2文库上网友上传的“国庆放假安排”新闻
case 3.1.2-3采集起点小说网的盗版小说站
case 3.1.2-4百度贴吧里一个普通的帖子

  3、内容质量差:

  百度搜索引擎认为主体内容信息量较少,或无有效信息、信息失效过期的都属于内容质量差网页,对用户没有什么实质性的帮助,应该减少其展现的机会。同时,如果一个网站内该类网页的占比过大,也会影响百度搜索引擎对站点的评级,尤其是UGC网站、电商网站、黄页网站要尤其重视对过期、失效网页的管理。例如:

  • 已下架的商品页,或已过期的团购页;

  • 已过有效期的招聘、交易页面;

  • 资源已失效,如视频已删除、软件下载后无法使用等。

  4、没有内容质量可言:

  没有内容质量可言的网页指那些制作成本很低,粗制滥造;从别处采集来的内容未经起码的编辑整理即放置线上;挂木马等病毒;含有作弊行为或意图;完全不能满足用户需求,甚至含有欺骗内容的网页。例如:

  • 内容空短,有很少量的内容,却不能支撑页面的主要意图;

  • 问答页有问无答,或回答完全不能解决问题;

  • 站内搜索结果页,但没有给出相关信息

  除上述网页外,欺骗用户和搜索引擎的网页在无内容质量可言集合里占很高比例。百度搜索引擎对作弊网页的定义是:不以满足用户需求为目的,通过不正当手段欺骗用户和搜索引擎从而获利的网页。目前互联网上这部分网页还属少数,但作弊网页的价值是负向的,对用户的伤害非常大,对这类网页,搜索引擎持坚决打击态度。

  衡量网页质量的维度——浏览体验

  不同质量的网页带给用户的浏览体验会有很大差距,一个优质的网页给用户的浏览体验应该是正向的。用户希望看到干净、易阅读的网页,排版混乱、广告过多会影响用户对网页主体内容的获取。在百度搜索引擎网页质量体系中,用户对网页主体内容的获取成本与浏览体验呈反比,即获取成本越高,浏览体验越低。面对内容质量相近的网页,浏览体验佳者更容易获得的排位,而对于浏览体验差的网页,百度搜索引擎会视情况降低其展现的机率甚至拒绝收录。

  影响用户浏览体验好坏的因素很多,目前百度搜索引擎主要从内容排版、广告影响两方面对网页进行考量:

  内容排版:用户进入网页眼看到的就是内容排版,排版决定了用户对网页的印象,也决定了用户对内容获取的成本。

  广告影响:百度搜索引擎理解网站的生存发展需要资金支持,对网页上放置正当广告持支持态度。网页应该以满足用户需求为主旨,佳状态即“主体内容与广告一起满足用户需求,内容为主,广告为辅”,而不应让广告成为网页主体。

  下面我们通过举例来感受一下百度搜索引擎是如何对网页的浏览体验进行分类的,站长可以据此对比检验自己站点的浏览体验如何:

  1、浏览体验好:

  页面布局合理,用户获取主体内容成本低,一般具有以下特征:

  • 排版合理,版式美观,易于阅读和浏览;

  • 用户需要的内容占据网页重要位置;

  • 能够通过页面标签或页面布局十分清楚地区分出哪些是广告;

  • 广告不抢占主体内容位置,不阻碍用户对主要内容的获取;

  实例参考:

示例浏览体验说明
case 3.2.1-1招聘、房产等网站首页也有很多广告,但都是招聘相关的,浏览体验是ok的。
case 3.2.1-2文章页,页面布局合理,无广告,排版好,结构合理
case 3.2.1-3游戏首页,排版美观,布局合理,无广告,浏览体验优

  2、浏览体验差:

  页面布局和广告放置影响了用户对主体内容的获取,提高了用户获取信息的成本,令用户反感。包括但不仅限于以下情况:

  • 正文内容不换行或不分段,用户阅读困难;

  • 字体和背景颜色相近,内容辨别困难;

  • 页面布局不合理,网页首屏看不到任何有价值的主体内容;

  • 广告遮挡主体内容;或者在通用分辨率下,首屏都是广告,看不到主体内容;

  • 弹窗广告过多;

  • 影响阅读的浮动广告过多

  • 点击链接时,出现预期之外的弹窗;

  • 广告与内容混淆,不易区分;

  衡量网页质量的维度——可访问性

  用户希望快速地从搜索引擎获取到需要的信息,百度搜索引擎尽可能为用户提供能一次性直接获取所有信息的网页结果。百度搜索引擎认为不能直接获取到主体内容的网页对用户是不友好的,会视情况调整其展现机率。

  百度搜索引擎会从正常打开、权限限制、有效性三方面判断网页的可访问性,对于可以正常访问的网页,可以参与正常排序;对于有权限限制的网页,再通过其它维度对其进行观察;对于失效网页,会降权其展现机制甚至从数据库中删除。

  1、可正常访问的网页

  无权限限制,能直接访问所有主体内容的网页。

  2、有权限限制的网页

  此类网页分为两种:打开权限和资源获取权限

  1)打开权限:指打开网页都需要登录权限,没有权限完全无法看到具体内容,普通用户无法获取或获取成本很高,百度搜索引擎会降低其展现机率。不包括以登录为主要功能的网页。

  2)资源获取权限:指获取网页主要内容,如文档、软件、视频等,需要权限或者需要安装插件才能获得完整内容。此时会分三种情况:

  • 提供优质、正版内容的网站,由于内容建设成本很高,尽管查看全文或下载时需要权限或安装插件,但属于用户预期之内,百度搜索引擎也不认为权限行为对用户造成伤害,给予与正常可访问页面相同的对待。

  • 对于一些非优质、非正版的资源,来自于用户转载甚至机器采集,本身成本较低,内容也不独特,用户获取资源还有权限限制——需要用户注册登录或者付费查看,百度搜索引擎会根据具体情况决定是否调整其展现。

  • 还有一些视频、下载资源页,也许自身资源质量并不差,但需要安装非常冷门的插件才能正常访问,比如要求安装“xx大片播放器”,百度搜索引擎会怀疑其有恶意倾向。

  实例参考:

示例可访问性说明
case 3.2-1CNKI上的一篇论文,收费才能下载,但有版权,浏览体验好
case 3.2-2优酷上一部新电影,需要付费才能观看,浏览体验好。
case 3.2-3内容是copy来,但是需要登录才能看更多
case 3.2-4入党申请书,本身就是转载的,网上到处都是,但这个页面仍然要求收费才能下载。

  3、失效网页

  往往指死链和主体资源失效的网页。百度搜索引擎认为这部分网页无法提供有价值信息,如果站点中此类网页过多,也会影响百度搜索引擎对其的收录和评级。建议站长对此类网页进行相应设置,并及时登录百度站长平台,使用死链提交工具告知百度搜索引擎。

  失效网页包括但不仅限于:

  • 404、403、503等网页;

  • 程序代码报错网页;

  • 打开后提示内容被删除,或因内容已不存在跳转到首页的网页;

  • 被删除内容的论坛帖子,被删除的视频页面(多出现在UGC站点)

  互联网网页资源现状

  CNNIC2014年年初发布的《中国互联网络发展状况统计报告》中称:截至2013年12月,中国网页数据为1500亿,相比2012年同期增长了22.2%。2013年中国单个网站的平均网页数和单个网页的平均字节数均维持增长,显示出中国互联网上的内容更为丰富:平均网站的网页数达到4.69万个,较去年同期增长2.3%。

  为了搜索质量、提高用户使用满意度,百度搜索引擎每周都会进行网页质量抽样评估。然而从近一年的评估数据中我们发现,优质网页的数量非常少,且几乎没有增长;普通网页的占比在下降,相应的,质差网页的比例却有明显上涨。截至2014年5月,统计数据显示,在百度网页搜索发现的海量网页中,优质网页仅占7.4%,质差网页高达21%,其余普通网页为71.6%。

  百度网页搜索通过一系列筛选、识别、分析、赋权等工作,努力将更多优质网页呈现在用户面前,每天约打击上万质量差网站,涉及网页达百万量级,尽可能减少质量差网页给用户带来的干扰。从下图2014年5月的网页展现分析数据显示,目前展现在用户面前的网页质量分布中,优质网页占比为40%,质量差网页降为11%——虽然这个变化已经非常明显,但百度网页搜索还是希望能和广大站长一起努力,将质量差占比降到。  




互联网全部网页


在百度搜索得到展现的网页

优质网页


7.40%


41%

普通网页


关键词:

代码优化

1、HTML源代码分析教程

1、<!--页面注解-->
  2、<html>
  3、<head>

  4、<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
  5、<meta http-equiv=“Content-Language” content=zh-cn>
  6、<title>页面标题</title>

  7、<meta name="keywords" content="关键词">
  8、<meta name="description" content="网站描述">
  9、<link href="inc/css.css" type="text/css" rel="stylesheet">


  10、</head>
  11、<body>

  12、<div>
  13、<h1>页面内容标题</h1>
  14、<h2>页面相关性标题</h2>
  15、<h3>标题系列</h3>
  16、<h4>标题系列</h4>
  17、<h5>标题系列</h5>
  18、<h6>标题系列</h6>


  19、<img src="xxx.jpg" alt="图片说明">
  20、<a href="/" title="链接说明">锚文本</a>
  21、<strong>重点关键词强调</strong>
  22、<b>关键词强调</b><u>关键词强调</u><i>关键词强调</i>
  23、</div>


  25、<div>
  26、版权部分关键词强调
  27、</div>


  28、</body>
  29、</html>

 ********************************************************

  注:<body>..</body>标签区中的罗列,都是一些基础的HTML标签,这些标签出现的次序是可以变化的。

 1行的<!--页面注解-->

  这个标签是用来做HTML代码注解的,这种形式的注解在浏览器中是不会显示的,而搜索引擎可以读到。所以这个标签有的时候会成为作弊的一种形式,而这种原始的作弊方式、早被搜索引擎

 4行到第5行<!--meta标签--> 

  对于Meta标签来说他包含了很多参考、其中需了解“Content-Type”代表页面编码、“Content-Language”代表页面语言,这是一个很容易被SEO初学者忽悠的标签、一旦设置错误、可能影响搜索引擎对页面的抓取及收录。

 6行<title>页面标题</title>  重点了解

  页面标题对搜索引擎排名的优化是非常大的、而在SEO优化过程中、也是重点优化对像之一、尤其是百度对页面标题的评分很高、而标题的书写也直观重要、包括:标题是否完全匹配、是否包含与被包含关键词等

 7行<meta name="keywords" content="关键词">

  关键词标签对于现在的搜索引擎或SEO优化者来说价值越来越低了、以前搜索引擎对关键词标签是很看重了、由于黑帽的手法慢慢体现、一些SEO人员以堆积关键词标签来提升网站排名为目的,导致现在搜索引擎对关键词标签、可以说是忽悠判断,但是个人认为、虽然是被忽悠、但是首页的关键词还是可以手工处理下、至于内页可以忽悠。

 8行<meta name="description" content="网站描述">

  主要在搜索引擎结果中体现,与关键词标签一样、目前不太受搜索引擎看中、但描述标签与关键词标签是有区别的、关键词标签浏览器用户正面是无法看到,但是描述标签一旦被搜索引擎索引、是会体现在搜索引擎结果中、而这个结果是可以直接响影用户点击率、可以说一个好的描述可以为你网站增加很多点击及转化、提示:由于搜索引擎时刻在更新、算法及索引方法也不段在进步、或者说很人性化、所以搜索引擎会根据用户搜索“关键词”去抓取网站描述。所以个人建议、还需要注意首页描述及着陆页描述的书写、其它部分可以使用程序调用、

 13行<h1>页面内容标题</h1>

  H1标题、一个代码优化中重点标签,也是搜索引擎定位这个页面主题的依据,如果你的<h1>标签里没有出现你的页面关键字,那么这是一种很大的损失,这里的权重相对于其它的在<body>区的标签来说更加重要。在代码优化中、它的重要性仅次于<title>。所以,必需认真对待你的页面<h1>标签的优化,一般使用在文章页面来的文章标题优化。(H1+TITLE 可以说是SEO优化中的致命组合)


 14行到第18行<h2>页面相关性标题</h2>

  对比<h1>标签来说、H2标签重要程度相对来说就降底了,一般使用在长尾关键词及相关内容方面,而<h3>~<h6>这些标签,重要性是依次递减的,在一个页面的权重越来越低。

 19行<img src="xxx.jpg" alt="图片说明">

        我们知道搜索引擎是不可以抓取图片内容的、那么如何合理的告诉搜索引擎某张图片代表什么了,ALT标签就是告诉搜索引擎图片含义、让搜索引擎的理解图片内容。


 20行<a href="/" title="链接说明">锚文本</a>

        锚文本、我们称为关键词链接,关键词链接在SEO优化当中是一个非常重要优化对象之一,而锚文本链接又可以扩展,外部链接形式的锚文本及内部链接形式的锚文本。具体对SEO的作用是需要判断链接的形式不同而不同。

 21行<strong>重点关键词强调</strong>

        <strong>标签基实重要性仅次于<h1>,也是强调一类、包括:<b>、<u>、<i>等标签。而对于搜索引擎来说<strong>标签的影响要高说<b>、<u>、<i>等

 26行版权部分优化

        随着搜索引擎越来越强大、网页底部、版权部分也是SEO优化者需要优化的地方、一般来说底部文件对于程序来说都是全部调用、所以如果能在底部加上一个关键词链接指向网站首页、那么这种内部式全部投票也是一种对首页页面权重的提高。

  网站代码优化目的

  1、去掉网站多余的代码,以减少网站的大小,提高网站的加载速度和用户体验。

  2、网站代码优化是站长必须要掌握的基本技能,这关系到搜索引擎蜘蛛是否会对你的网站感兴趣,冗长无用的代码会让蜘蛛很难理解,增加蜘蛛抓取网站的难度。

3、同时,网页的精简还关系到网站的加载速度,对用户体验至关重要。

  网页代码优化的原因:

  (1) 可以减少网页的体积,加快网页的下载速度;

  (2) 提高蜘蛛对信息的抓取的速度和准确性

  (3) 有利于减少错误的代码,提高页面的对蜘蛛的友好性

  (4) 便于管理人员维护,提高工作效率

  (5) 减少网页的噪音,突出页面的主题

  我们可以从以下几个方面来进行精简代码:

  一、清除页面中多余的代码:空格代码、stylefont重复定义的代码

  有的网站以为制作者的代码书写习惯问题,页面会有很多空格代码。不要小看这些体积很小的代码,积攒多了,也会使我们的网站异常的臃肿。

  很多网站都是采用的DIV+CSS,在CSS中定义了文字的字体,颜色,以及页面的排版,但是在网站的其他地方还用了以style以及font来再次定义字体字体,这些代码完全没有必要重复定义,属于可以精简的代码。

  二:使用DIV+CSS布局网页

  虽然现在div+css已经很成熟了,但是很多网页设计者可能考虑到网页的兼容性以及布局的简易性还是使用老式的table布局,如上图所示。虽然table布局很方便,但是其弊端也是显而易见的,那就是会大大增加网页的大小,尤其是多层表格的嵌套。这种布局不仅会提升体积,同时如果嵌套数太多的话就会影响到搜索引擎的爬行,影响到站点的收录。

  另外,一些网站会使用外部文件,将cssjs放在外部文件中,页面html中只要放一样代码调用就可以了。有时候我们去查看的一些源文件代码,会看到很多css代码以及javasript代码,将javascript放置在网站页面的html文件中的前面,而真正能用到得一些文字部分这被推倒了html的后面。企赢001认为一般页面代码中的这种代码都需要精简。

  三、代码注释

  很多程序人员在编写代码是都习惯在别人看不懂的地方给出一段注释,这些代码往往是为了几个程序员之间的协同工作,对于外人以及搜索引擎来说没有任何用处,相反还会给搜索引擎蜘蛛带来一定的困扰。

  四、 减少页面表格。

  现在的网站用什么做?很多程序员想法就是采用CSS去做,采用CSS去排版,这种做法呢,就使页面中的表格大大的降低了,但是网站也不能没有表格,有些事必须使用到得,使用表格本身没什么,但是有很多网站都采用嵌套表格,一般这样的表格形式会给网站产生大量的垃圾代码,并且这些垃圾代码都是没有任何用处的代码,这一类代码也是我们网站需要精简的代码之一。

五、降低页面对于JS的依赖性

  现在来说,JS对于搜索引擎并不不友好,虽然有消息称搜索引擎不会对JS有厌恶的情绪,但是多一事不如少一事。虽然JS可以制作出很多的效果,但是网页中大量的JS将影响蜘蛛对页面的抓取和增加网页体积。尤其是页面的关键位置如导航栏,尽量采用DIV+CSS的设计方法。

  六、尽量不要使用内嵌式CSS

  内嵌式CSS分为两种,一是在head区域的普通内嵌式,二是在标签内出现的行内内嵌式css,无论是何种内嵌CSS方式结果都会提升页面的体积。对此我们可以尽量使用外调式的CSS来为站点页面的体积瘦身。

  七、将html控制方式转换为CSS控制

  很多网页设计者习惯在标签内对内容进行控制。比如img标签里通过widthheight来控制图片的大小。尽量将这些代码转换成外调式的CSS,使网页代码更加的瘦身。

  八:对网页进行GZIP压缩

  这一点可能大家都很熟悉。这个功能需要你的服务器的支持。GZIP压缩一般能对网页进行30%-80%的压缩,是重要的一种优化效果。

 

标签优化 

 ()、常用标签

  包括htmlbodyheadfootpbiemstrongfontdiv/brspanimagetitlekeywordsdescriptiontaganofollowcanonicalh

  ()、标签的一般写法: (特殊标签除外,比如</br>)

  (