总结近的一些工作，这方面平常总结的少，争取一周一次，慢慢完善这篇文章，希望能造福后来人。不一定对，作为参考吧。 近更新：2015.6.10 2015.6.10修改了大分类，在标题一中增加了“处理关键词”文档，增加了3.3和3.31 2015.5.27文档建立 一、词库整理 1    选取词库竞争对手->准备阶段：选择基础的根词和相关的长尾词 1.1    专业的seo分类站点上找；导航站上去批量找到；如果实在无资源的情况下可手动补充。目标是尽量涵盖行业内的所有站点。 1.2    自有的抓取数据库里找到行业根词 1.3    行业竞争对手的网站地图中找到行业根词 1.4    手上拥有的资源站点中找到搜索流量的搜索词（百度统计、GA统计等统计工具） 1.5    有资源的话，请花钱向专业的整合公司购买行业关键词数据库 1.1批注    这个时候是拼资源的时候，网上有这样的站点，例如，http://www.seo3.org/seo-sites-1003-0-1.html 1.2批注    如果先期已经有网站了，请从自己站点的维度出发寻找，其中一定有让底层的根词库 建议： 处理人员：助理 相关技能：火车头或相关的采集工具 耗时估计：1-2天 大部分情况下我们不是1.5的土豪，花个万把块买整合好的数据，所以接着1.1-1.4如下处理 2    再次拓词->将较为完整的1中的词拿出来再做拓展，力求涵盖整个行业的关键词数据库 2.1    将1.1中的站点分类，选出和你将要做的站点属性相同的站 2.1.1    采集这些站点下的关键词库，可采用：爱站关键词挖掘工具（非付费导出量有限，量级较少，噪点较少），5118数据库（可采用火车头采集，利用2次抓取的逻辑可采集到量级很大的词，但噪点过多，很多100名开外的无用词）； 2.2    将1.2，1.3，1.4，2.1中的词放入关键词拓展工具中进行拓展 2.2.1    根词的拓展量可以在6K左右；已经较长尾的拓展量可以再600左右，请自适应安排 2.3    将所有的词整理，先初步去重（包含两步，重复项和某些特定词；建议程序） 2.1批注    以游戏站点为例，分类成：网游；页游；手游；小游戏；综合等，找出你要做的站点的属性，将其记录下来。 2.1批注    综合类的站点，比如sina.com.cn，用爱站或5118找到其属性和你相同的站，假使你要做页游，看看有没有web.sina.com.cn等站点，快速找到提取 2.1.1批注    要资源购买付费版的买付费版，能很大程度上节省时间，别老想着免费； 2.1.1批注    5118数据库用火车头可以批量抓取，量级大的话需要时间，请预估好；采集的方式，先通配采集每个域名/subdomains/下的翻页数，再批量写规则通配采集/baidu/rank/下的关键词，这样做是因为每个域名的排名页数不同 2.2批注    爱站的拓长尾词能力好一些，短词（既行业根词）可用爱站跑；中短词长度（判断标准，excel函数=len(*)在4-9左右）可用战神工具跑；中长词（=len(*)在9-18左右）也可用战神工具跑；长词（=len(*)在18-29左右）感觉可以该删的删掉，不用跑了 由于去重出来的重复量过大，有千万级别的，所以必须过滤，分机器和人工同时进行处理 3    处理关键词 3.1    机器初过滤 – 处理噪词；去重 3.1.1    直接匹配删 ，比如：#，$，http，-，..，.com，.xml等等，根据自己的行业特性进行筛选，包含的直接删 3.1.2    替换，主要是转义的和空格，比如： ，"，& 3.1.3    全数字删除，根据行业情况处理 3.1.4    以上剩余的词库做去重 3.2    机器初筛选 – 提取精准词 3.1.1    再处理下根词，把根词中的噪词处理一下，比如（）里面的内容等，帮助接下来机器提取的精准度 3.1.2    用行业词库和根词去匹配所有的词，整理出一份文档，打包。这部分是精准的词。 3.3    人力去脏词 3.3.1    软件工具 ：notepad++；office excel 2010以上的版本（WPS不行）； 关键词自动分类工具 3.3.2    步骤 3.3.2.1    用notepad++打开文档，将所有词复制到分类工具中 3.3.2.2    点击分类工具中的开始查询 3.3.2.3    等待，等到右边跳出终的结果（过程可能持续5-15分钟不等，不用理睬未响应），期间可以同步进行其他事情 3.3.2.4    复制分词中的结果到notepad++，再到xls表格中（点击结果，ctrl+a，因为没有明显的标识，等待全部变蓝，期间可能有几次未响应） 3.3.2.5    xls表格中，#字号分列 3.3.2.6    行插入四列，根词，一级，二级，三级 3.3.2.7    选择四列，插入数据透视表 3.3.2.8    在B列进行数字标识，直接删除的为1（无关），待定的为2（其间既混有游戏词也混有无关词），OK的为3 3.3.2.9    处理完后在E2列输入函数公式   =VLOOKUP(A2,Sheet4!A:B,2,0)，下拉到底等待处理完毕 3.3.2.10    选择E2列，筛选，将1的去除，留下2和3的结果 3.3.2.11    保存文档，一份整理完 （这部分待编辑，留优化空间）   二、    采集底层文章 -> 根据2中的词使用采集工具去采集底层文章 3.1    使用付费工具，水淼软件，采集非百度的源（可使用360、搜狗、微信、bing、谷歌等，谷歌需翻墙） 3.2    文章筛选效率优化 3.2.1    规则：a.包含主要根词（以网页游戏为例，文章中包含“页游”or“webgame”)；b.和游戏有关；c.标题限制；d.大小限制（大于多少K的可以直接去除）；e.文章内容下限250字；f.再加上人工的筛选；g.机器替换竞品词和去除某些词；总体筛选剩余在18%左右 3.3    采集源优化：找非百度的源头，哪些文章质量命中更高一些，如果相同的情况下，可以看下抓取的质量或抓取的时间时效性 3.3.1    先采集攻略，防止如果先采集新闻，将攻略类的资源分布进去，增加后期调整的成本 三、    站点优化

【成都南奇网络】cdnanqi.cn推荐阅读

词库整理+词库筛选@steven | 什邡网络公司   https://cdnanqi.cn/shifang/1171.html