網站數據分析容易出錯的部分

　　在SEO數據分析中，我認為首先要考慮的是整體的觀點，即要有一個發展的視角來看待數據。例如，百度的算法調整必須滿足搜索者的需求。只要我們的內容信息與搜索者的用戶體驗完全一致，我們的收藏也許不一定需要數量高，但在質量上是可以滿足的。

　　要抓住關鍵點，比如說，如果我們的網站被降權了，那么我們需要做的就是找出網站被降級的原因，然后我們所有的工作都應該集中在這個目標上：找出可能的原因，收集相關數據，分析數據，得出結論。

　　一方面，我不能只強調片面性。當很多朋友做優化分析的時候，他們的知識和經驗可能是有限的，分析的問題也是非常有限的。記得去年我開了這樣一個玩笑，分析一個門戶網站，忘了分析網站的二級域名，所以片面分析，得出的結論自然是可笑的。

　　能夠通過數據分析了解問題的性質。很多時候，我只是看看一個網站關鍵詞優化是否做得很好。很多時候我會檢查代碼是否使用nofollow標簽來判斷，因為一個好的SEO肯定會使用標簽。

　　網站數據分析容易出錯的部分

　　它可以消除無關數據的干擾。在很多情況下，我們的關鍵詞優化分析造成的錯誤來自于無關數據的干擾。例如，我的博客以前被降級過。經過多方面原因分析，發現這只是由于服務器停機造成的，待服務器穩定后才恢復正常。

　　這些都是全局視野下需要做的事情，但是很多人在分析SEO數據時都要建立一個很好的數據分析模型，因為其中一個有兩個問題：確定問題-分解問題-得出結論-提出建議。

　　沒有正確的結論，只有越來越準確的結論。考慮到百度自己的業務，百度不會發布自己的搜索引擎算法，所以我們在SEO分析中很多時候都依賴猜測。在這個時候，很容易輕信我們開始預測的結果。例如，前輩在考試中引入的經驗關鍵詞的密度** 好在2%-8%。我們也這樣做了，但是我們發現網站的排名還是有波動的，通過分析，我們發現原因也可能是關鍵詞密度太高，這是為什么？

　　首先，我們需要分析搜索引擎的工作原理。當搜索引擎分析網頁的相關性時，它并不根據我們設置的關鍵字進行匹配，但是網頁中的所有字符都是統計匹配的，所以** 相關的單詞可能不是我們設置的關鍵字，而是我們忽略的其他單詞。