首先，我們在建立行業(yè)詞庫之前想一想：為什么要建立行業(yè)詞庫?

從搜索引擎本質(zhì)上思考，不管是當今的百度、谷歌、雅虎等等，說白了都是做的關(guān)鍵詞搜索，關(guān)鍵詞是網(wǎng)站內(nèi)容的通道。一個網(wǎng)站應用好的關(guān)鍵詞，如同建立了強有力的引流通道，在后期的建設過程中使得流量吸引的能力越來越強。

那么，如何建立行業(yè)詞庫？

這里，我拿到了一份8000萬數(shù)據(jù)量的游戲行業(yè)詞庫，需要整理。整理流程分別為：去重、去噪、篩選、篩選敏感詞反復去噪、規(guī)整、去重、產(chǎn)品劃分、產(chǎn)品屬性維度細分。

1 去重

8000萬的數(shù)據(jù)量，去重濃縮到了1500萬數(shù)據(jù)，將近20%。這個數(shù)據(jù)，我次看到并不吃驚，大量的網(wǎng)站，在整個行業(yè)中布局的詞有很多詞重復特別是主體頁面上爭的是那些高流量的詞，很正常。

2 去噪

初步去噪，識別ip段等數(shù)據(jù)直接刪掉，一些特殊符號直接替換。

3 篩選

根據(jù)游戲詞庫將1500萬詞庫一份為2，得到1200萬詞庫和300萬頁游詞庫。游戲部領導的意思是，先從度高的300萬詞庫入手，先反復去噪，用短的時間先把這個庫用起來。

4 篩選敏感詞反復去噪

其實，花時間的過程是這一步，需要你每天做一件事，從中找敏感詞，游戲行業(yè)敏感詞有哪些。比較短的詞風險比較大要慎重，長的詞相對風險較小。詞根是品牌的詞相對來說直接過了，不是我們要找的詞。舉個case，“三國演義趙云”和”三國無雙頁游”，兩個詞的詞根都是三國，其實你認為“三國演義趙云”需要刪除，的確它跟頁游無關(guān)，但它跟三國有關(guān)，這種詞可以引流，它定位是吸引潛在的游戲用戶群體。但如果詞根是一個形容詞，這種詞可以和各種詞組合，這種詞引流的意義不大了，因為含義相關(guān)度太差，信息匹配度非常的低，可以直接刪了或者找出敏感詞，進行過濾。

去噪，既是一件簡單事，也是一件體力活，但是不同的人為什么效率不一樣，自然再簡單的事情也有其精髓所在。

5 規(guī)整

詞庫篩選的過程中，你會發(fā)現(xiàn)游戲詞很多有一些臟的詞比如后綴加了三個零等等，需要整體規(guī)整這些數(shù)據(jù)，保證數(shù)據(jù)的準確性。

6 再次去重

規(guī)整以后的數(shù)據(jù)，詞庫中會有大量的重復，需要二次去重。300萬詞庫濃縮到->120萬，1200萬詞庫濃縮到->750萬。

7 產(chǎn)品劃分

將300萬的詞庫按產(chǎn)品劃分，這里主要分為三大類：頁游、平臺、其他。為什么這樣劃分？首先，300萬的詞庫的詞根都是屬于頁游品牌或平臺商或其他類別。300萬經(jīng)過去噪后的數(shù)據(jù)可以再次根據(jù)這3份標準庫進行分類。分類的過程中，有一個注意點：26.5g熱血海賊王，既要出現(xiàn)在頁游庫的“熱血海賊王”文件中，同時也應當在平臺庫的文件名為”26.5g“的文件中出現(xiàn)。

8 產(chǎn)品屬性維度細分

從第7步，我們已經(jīng)得到了分類詞庫的文件，每個產(chǎn)品生成頁面首先都要一定的維度，我這邊主要是按照：攻略、裝備、禮包、輔助、開服表。

這些維度也是后期我們要采集文章的維度。120萬詞庫雖然體量很大，但是實際發(fā)現(xiàn)這些維度分下來，還有數(shù)據(jù)缺口，后期可能還要臨時采集這些數(shù)據(jù)，去彌補。

頁游行業(yè)詞庫建設，幫助我們后期生成大量的文章頁面，通過強有力的內(nèi)鏈架構(gòu)，一方面增大網(wǎng)站的體量，增大收錄規(guī)模，將產(chǎn)品聚合頁、產(chǎn)品頁撐起來，同時通過詞庫的建設進而計算詞與詞的關(guān)系進而利用程序生成大量的tag頁面，將文章頁面撐起來，這樣的網(wǎng)站架構(gòu)站內(nèi)資源極其豐富，如果增加一定的站外資源，根據(jù)排名=內(nèi)部因素+外部因素，網(wǎng)站的整體排名會。點擊率=排名*文案，文案優(yōu)化好，點擊率會高。有了排名有了點擊率，流量會ok。由此可見，我們先做行業(yè)詞庫而不是直接寫文章發(fā)外鏈，是在苦心孤詣地磨刀，老話說得好：磨刀不誤砍柴工，刀磨好了，砍柴活何止事半功倍，更何況這活還是在seo界!

推薦閱讀