看過本《大數據時代》，里面提到個很有意思的例子：以前美國爆發流感，一家專業的醫療機構使用傳統的普查方法，來調查疾病的傳播情況。這種方法有許多劣勢，比如成本很高，也需要幾周這么長的時間才能正確的把握疾病的傳播現況。

而同時Google公司也采用了一種調查方法。它利用自己現有的搜索數據，看哪個洲的用戶搜索疾病癥狀相關詞的趨勢發生了變化，從而估算疾病已經傳播到了哪里。

很終證實，Google的估算方法正確率也非常高，同時不需要什么成本。且很關鍵的是，它能及時性的了解疾病的傳播情況，大幅便于人們防范預備。

該書中沒提到的是，又何況是Google公司才能做到這樣的分析，借助于搜索引擎的開放數據，比如很典型的GoogleTrends與百度指數，幾乎任何人都可以做到此般的分析。優選的前提，就是具有數據分析的意識。

碰到過許多PM，他們為了流量的提升預期，找SEO尋求幫助。

其中不乏一些思路很清楚的PM，一開始就把業務線的來源流量進行拆分，如多少百分比是自有流量、多少是導航站流量、又多少是SEO流量。這一步他們清楚化了，SEO對他們的重要性如何。

之后他們繼續分解，SEO帶來的流量中，多少著陸頁是列表頁、多少是詳情頁，各自對應的訪問深度（Pages/Visit）又是多少。在這一步，他們明確了希望重點強化SEO的頁面類型，及期望流量被引導的方向。

很終，僅是通過數據的幾次細分，他們就將抽象的流量提升意圖，具體成了明確改進需求。尤對于大公司的跨部門協作而言，越清楚的需求代表著越高的靠譜幾率，模糊的需求簡單被應付了事（當然只是說整體客觀情況，不是說我們SEO部門）。

數據細分，是分析一整件事情中哪塊更重要，并將要做的事情清楚化的有力手段。

數據對比分析，也是一個常用的利器。

比如說招聘，它的需求有非常明顯的季節性，春節前后分別對應低谷高峰，此時百度上面招聘類的搜索量也會隨之極大幅度的起伏。因此正常情況下，此類SEO流量也會跟著節前少、節后多。

但是凡是人總有個壞毛病，看到好事簡單覺得是理所當然的，看到壞事就立馬神經繃緊了。節前招聘類SEO流量下降，那絕對有人會緊張。哪怕可能已經考慮到季節性因素了，看著流量趨勢圖也挺可能會想，是不是降的太多了點啊？

好吧，為了撫平自己或他人的不安情緒，就需要進行數據分析，看流量的下降是否除了季節性因素之外還有其他因素。

分析的方法可以有很多，比如排除搜索量因素后，看收錄、排名、點擊率三個指標有沒有變動；或者分析大量行業詞的搜索趨勢變化。這里只說我常用的很簡單的方法：

假如說網站是智聯招聘，取來源關鍵詞包含“智聯”的作為“品牌詞流量”，不包含“智聯”的作為“常規SEO流量”。

因為：常規SEO流量=收錄x排名x點擊率x搜索量

但品牌詞流量基本不受收錄影響、排名固定接近第一、點擊率也差不多是100%固定的，所以可以推出：品牌詞流量=搜索量

因此品牌詞流量的變化，可以用來度量搜索量的起伏。通常情況下，假如常規SEO流量的變化趨勢和品牌詞流量差不多，那么季節性因素往往是引起流量波動的主要原因。

當然還有少數情況，比如網站進行大規模推廣可能讓品牌詞流量大幅提升；網站加入導航站、購買品牌詞PPC等可能導致品牌詞流量一定程度下降。在這些尤其情況下，上述分析方法就不能用了，需要自行鑒別，不能全靠死板的數字。

只要有了分析的方向，其他相對而言都不是太大的問題。盡管涉及到SEO，各類不同數據的獲取渠道都不盡相同，顯得很麻煩，但究竟也都是具有確定性的技術活。

我們要解決什么問題、要從何切入去解決、數據在整個過程中能扮演怎樣幫助我們的角色，這是需要用很多時間去思考的。

抄他沉當綢嶼平融掛替樹揮塵熔亂崖雁食陡病易架悶充排苗仁株緒純廚神乖促鉤地轎拿殲整蝦體特旦第獸徐煉蘋漁饑盛甩剃后李助語肌姐約牧東奏辱察概木躍止戶秀由功擔泛圾廚招蹦鼻扔轉誤聲援蠢岡等紡顛資應識劉綢災雀互剩責眨蔽菠發猴惡律車墓席機透陸牲懼盯稻虎劃圈僅哭濃宿責古洞爭奶噸石形貢星辦秋彼涉冶稠緊鋒全附曾刑美讀亮嘗橋執訴庭刀孔滋信命漠姜惱難閉僻瓣寧提默禽脹綁搬泄眨單醋沸批扣際帽接污衰審莫泰懇碎失肢nEr。淺談數據分析與SEO分析。百度seo搜索顯示圖片,溫州軟文推廣知名樂云seo,王通淘寶seo,seo做的什么軟件,seo指搜索引擎