SEO探索

中文网站搜索引擎优化技术研究


存档: 2006/10

LinkfromDomain:查询网站的出站链接

2006/10/17

  16日,Live Search blog上介绍,Live搜索提供了一个新的操作符:LinkFromDomain,通过它能够查询特定网站的出站链接数量及链向何处。这是一个相当有用的功能,比如说可以用它与LinkDomain结合起来分析自己网站的链接结构,以更有针对性地实施SEO;当然,也可以用它来分析其他网站如竞争对手的链接对象,从中找出有价值的相关网站等。

  该操作符的使用相当简单,如“ LinkFromDomain:highdiy.com”即为本站的出站链接情况。不过,从目前看,似乎其只能作用于TLD(顶级)域名,而对子域名如“seo.highdiy.com”无效。

  另外,虽然在Live.com中使用该操作符一切正常,但在同样使用Live搜索数据的中国电信互联星空测试时,发现该操作符偶尔会无效,也许还需要时间同步?

为网站设置自定义404错误页面

2006/10/17

  在上篇文章中我们探讨过自定义404页面返回不当状态码如“200”等给网站最终SEO效果带来的不利影响,因此,确保自定义的404错误页面能够返回“404”状态码是极为重要的,也是网站优化与SEO的基本要求。

  这一点如何保证呢?如何才能为网站设置能够正常工作的404错误页面?下面针对不同情况详细介绍。

定制404错误页面的基本原则

  首先应明确的是,404错误应工作在服务器级而不是网页级。对定制使用动态页面如PHP脚本类型的404页时,必须确保在PHP执行前服务器已经顺利地送出“404”状态码,不然,一旦执行到了ISAPI级别,返回的状态码便只能是“200”或其他如“302”之类的重定向状态码了。

  其次,无效链接有可能指向网站内的任何位置,因此,在定制网站的404错误页面时,对其中的链接应使用绝对路径而不是相对路径。这点相信很容易理解,考虑一下“http://www.highdiy.com/a/a.html”与“http://www.highdiy.com/a.html”这样两个位于不同目录深度的无效链接,当404错误页中链接使用相对路径时便会彻底乱套。

Apache下设置404错误页面

  为Apache Server设置 404错误页面的方法很简单,只需在.htaccess 文件中加入如下内容即可:

ErrorDocument 404 /notfound.php

  当然,把”/notfound.php” 改为自定义404错误页面的地址和名称。

  尤其需要注意的是,不要采取如下的方式:

ErrorDocument 404 http://www.highdiy.com/notfound.php

  这样设置则是错误的:其将返回“200”状态码而不是“404”。

  另外,需要注意的是,如果您的.htaccess存在类似这样的内容:

ErrorDocument 404 /index.php

  切记要将其删除:这种将404错误转向到网站主页的作法存在极大的风险,严重时会导致主页在搜索引擎中消失。

IIS/ASP.net下设置404错误页面

  IIS/ASP.net一直是404页面不能正确返回“404”状态码的重灾区,尤其对动态网页而言,很多网站在使用IIS管理器设置404自定义错误页面后发现其返回码却是“302” + “200”。

  在IIS/ASP.net下设置404动态页面

  首先,修改应用程序根目录的设置,打开 “web.config” 文件编辑,在其中加入如下内容:

<configuration>
<system.web>
<customErrors mode=”On” defaultRedirect=”error.asp”>
<error statusCode=”404″ redirect=”notfound.asp” />
</customErrors>
</system.web>
</configuration>

  注:上文例中“error.asp”为系统默认的404页面,“notfound.asp”为自定义的404页面,使用时请修改相应文件名。

  然后,在自定义的404页面“notfound.asp”中加入:

<%
Response.Status = “404 Not Found”
%>

  这样,便可以保证IIS能够正确地返回“404”状态码。

  注:为显示方便,上文代码中使用的是全角的“<”与“>”,应用时应将其改为半角字符

  在IIS/ASP.net下设置404静态页面

  设置静态404错误页面的方法则比较简单,在IIS管理器中右键单击要管理的网站,打开“属性”中的“自定义错误信息”页,为“404”设定相应的错误信息页即可。不过,此处在“消息类型”中一定要选择“文件”或“默认值”,而不要选择“URL”,不然,将导致返回“200”状态码。

  当然,在设置完成后,最好用Server Header检查工具检查一下设定是否正确。

自定义404页面返回不当状态码

2006/10/15

  HTTP 404 错误意味着链接指向的网页不存在。在网站建设中想要完全避免这种情况是不可能的,比如说,我们常常需要对网站进行调整、改版,便会有网页被删除、改名或移动位置,这时候,虽然相应内容的网页还存在于网站中,但使用原来的地址访问则无法访问。——当然,对这类情况首先要考虑的是为原来页面地址做301重定向,以尽可能地减小对SEO效果的影响。——其次,在别人建立指向网站的链接时,也可能会由于出现拼写错误而使其成为一个无效的链接:在网站内找不到相应的内容页面。

  简单说来,这类无效链接是由web服务器自动处理的:当Web 服务器接到类似的数据请求量,会返回一个 404 状态码,告诉对方其要请求的资源并不存在。但是,Web服务器默认的404错误页面,无论Apache还是IIS,均十分简陋、呆板且对用户不友好,无法给予用户寻找相应信息的更多线索,用户看到这类页面往往最直接的反应并是关闭浏览器窗口离开,这在很大程度上给网站造成损失。毕竟,对网站来说,用户永远是最重要的资源,以这种方式损失用户更意味着某种程度的失败。

  这也是许多网站使用自定义404错误页面的原因。通过良好的自定义404页面,可以包含对网站的相应介绍、用户可能感兴趣的内容链接或者网站内容导航链接、内容搜索功能等,能够有效地帮助访问者找到其欲寻找的内容或相似的内容,提高用户在网站内浏览更多信息的机会。

自定义404错误页面返回“200”或“302”状态码

  从严格的技术角度,网站对404错误的处理策略,并不是一个SEO方面的工作,而属于网站可用性(usability)方面的问题。——当然,如果从广义的SEO范畴来看,提高网站可用性也属于SEO的基本操作。——但是,如果自定义404错误页面设置不当,则会极大地影响网站的SEO效果。

  在许多朋友的印象中,自定义404错误页面只要能正确显示,只要能输入网站内某个并不存在的网页地址,在浏览器中能看到自定义的错误信息,便说明设置没问题。惭愧地说,本人也是抱有这种想法的一员,IT技术点评运行将近一年了,近日因Google更新后排名下降检查网站时才发现存在类似的错误:一个正确设置的404页面,不仅应当正确地显示,同时,应该能够正确返回“404”错误代码,而不是“200”或“302”。虽然对访问的用户而言,HTTP状态码究竟是“404”还是“200”来说并没有什么区别,但对搜索引擎而言,这则是相当重要的。

  为什么这么说呢?让我们先来回顾一下搜索引擎收录与索引网页的过程:搜索引擎的Spider向网站服务器发送请求,要求读取某个网页,网站服务器接到请求后返回 HTTP 状态码响应请求,这些返回的HTTP状态码决定着搜索引擎的下一步行动:将该网页收录到索引数据库或者将其从索引数据库删除等。

  当然,HTTP状态码有很多种,分别对应不同的情况,下面就与本文内容相关的几种作一简单介绍,更详细的信息可参考W3C规范

  • 404 : 请求的网页不存在(不排除日后该链接有效的可能性);
  • 410 : 请求的网页不存在(永久);
  • 200 : 服务器成功返回网页
  • 302 : 网址临时重定向(跳转)
  • 301 : 网址永久重定向

  需要说明的是,大部分搜索引擎将“404”与“410”状态同等对待,如Google。(参见Matt Cutts的说明)

  当搜索引擎在请求某个Url时得到“404”状态回应时,便会知道该网页在网站内不复存在,从而在索引数据库中将其删除,——当然,这个删除过程有可能需要很长时间——而当搜索引擎得到“200”状态回应时,则会认为该url是有效的,并将其回到到索引数据库中。

404页面返回“200”状态码的后果

  如果网站的自定义404错误页面在url无效时不返回“404”状态码而代之以“200”,会发生什么情况呢?很明显,搜索引擎会认为这个“根本不存在的”网页在网站内是存在的,这会导致很多问题,影响网站的最终SEO效果。

  举例来说,比如说对“http://www.highdiy.com/a.html”、“http://www.highdiy.com/b.html”这两个在IT技术点评网站内并不存在的url而言,如果搜索引擎得到的回应状态码是“200”,那么,便会将其收录到索引数据库,这样的结果便是这两个不同的url具有完全相同的内容:自定义404错误页面的内容,这类重复文本(Duplicate Content)的现象对许多搜索引擎而言都是大忌。尤其是考虑到网站中不可能只有这两个无效链接,毕竟在网站建设中,无论网站的内部链接还是外部链接,总会不可避免地出现许多比如说拼写错误的情况,类似的重复内容会更多。这样,对搜索引擎而言,特别是Google,不但很难获得理想的网站信任指数,也会大大降低Google对网站质量的评定

404错误页使用Meta Refresh带来的302问题

  常常看到许多网站的自定义404错误页面采取类似这样的形式:首先显示一段错误信息,然后,通过Meta Refresh将页面跳转到网站首页、网页地图或其他类似页。根据具体实现方式不同,这类404页面可能返回“200”状态码,也可能返回“302”,但不论哪种,从SEO的角度看,均不是一种合适的选择。

  对“200”状态的情况我们上面已经谈过,那么,当404页面返回“302”时,搜索引擎会怎么对待呢?从理论上说,对“302”错误,搜索引擎认为该网页是存在的,只不过临时改变了地址,仍然会索引收录该页,这样,同样会出现类似于“200”状态码时的重复文本问题;其次,以google为代表的主流搜索引擎对302重定向的适用范围要求越来越严格,这类不当使用302重定向的情况存在很大的风险。

  因此,尽量不要在404错误页中使用这类Meta Refresh方法。如果实现希望实现类似的功能,即让显示错误信息几(十)秒后跳转到首页或其他页面,可以考虑在404错误页中使用Java Script跳转。——Java Script对搜索引擎而言是无益同时也无害的。 :)

确保自定义404错误页面能够返回“404”状态码

  在自定义404错误页面设置完毕后,一定要检查一下其是不是能够正确地返回“404”状态码。

  检查的方法也相当简单,使用本站提供的Server Header检查工具,或其他类似工具如这个,输入一个网站内不存在网页的url,查看一下HTTP Header的返回情况,确信其返回的是“404 Not found”。

源自不同搜索引擎访问量的合理比例

2006/10/13

  首先需要说明的是,本文所言之“搜索引擎访问量的比例”不是指在网站总访问量中来自搜索引擎的比例,而是在来自搜索引擎的访问量中不同搜索引擎所占的比例,想探讨一下对中文网站而言,来自不同搜索引擎的访问量达到怎样的比例才是合理的,或者说才是网站优化的最佳状态。

  众所周知,在中文搜索领域,Baidu是毋庸置疑的老大,而Yahoo!中文据某项“中国科学院”的研究也表明也占到排名第二的市场份额(懒得找具体链接了 :oops: ),那么,在网站源自搜索引擎的访问量构成中是否也能体现出类似的趋势?

  以我自己的网站为例,SEO探索来自Google与Baidu的访问大约为8:7——这可能有两个原因,首先,SEO探索迄今为止只有200多个页面,不太符合Baidu“喜大”的口味;其次,SEO探索大量文章被转载的后果在Baidu中体现得更明显:虽然不能肯定复制转载是否会影响原始网页的权威性,但在Baidu中丧失自然流量则是不可避免的。——而Vista天地这个比例则为1:10,当然最大的原因在于Google的Sandbox,毕竟Vista天地在7月份才推出。至于荣升第二搜索引擎的Yahoo!中文,则只能说我们针对它的优化是完全失败的,来自它的访问量与Baidu和Google相比根本不值一提,是大象与跳蚤的区别。

  这样的访问量构成是健康的么?

  因此,希望得到朋友们的反馈,您的网站来自不同搜索引擎的访问量大致在什么比例?或者更详细的信息,包括如下几方面:

  1. 在来自搜索引擎的访问总量中,Google与Baidu分别占多大的比例?
  2. 在来自搜索引擎的访问总量中,Yahoo!与Yahoo!中文占多大的比例?能达到与Baidu或Google近似的比例么?
  3. 在来自搜索引擎的访问总量中,live.com与电信互联星空搜索占多大的比例?二者相比哪个更高?
  4. 在来自搜索引擎的访问总量中,其他小型搜索引擎(这里表述有些问题,有的可能也会被“中国科学院”定义为市场领先的大型搜索引擎 :P )如SOSO、Sogou、163搜索、中搜等又分别占到怎样的比例?

  当然,不同网站因领域不同、面向受众不同以及SEO策略不同,相应的比例会有很大不同。

Google近期的调整动向

2006/10/12

  Google近来的波动引起许多人的关注,对Google索引与收录网页、排名机制变化的分析和下一步调整方向的讨论比比皆是。当然,可信的分析与臆测的结论混杂,需要睁大眼睛辨别出有价值的信息。

  11日,Matt Cutts 在Fall weather forecast中对此作出了说明,包括对最近一次更新所带来变化的简要总结,以及在今后几个月内Google预期还将要进行的调整项目等,其内容涵盖如下方面:

BigDaddy更新
Googlebot crawl caching proxy
补充结果
site: 命令的更新等。

  此外,随后在另一篇名为smaller issues的文章中,Matt Cutts还分析了其他的一些小问题,如目前在Google中使用“link:”命令查询时偶而会包含“nofollow”链接的问题等。

  相信朋友们能从中找到自己需要的信息。