成都淘宝SEO算法
在淘宝搜索后台会有一个庞大的排序数据库，里面存储了海量的商品特征值，这些特征值对应无数店铺商品，这些商品是被"淘宝爬虫"从平台各个角落一点点抓取分析得来的。这些勤快的爬虫每天在商品池里巡逻，从新品上架到库存更新，扫描其中的信息，进行权重计算，找到其中的核心指标，如果"爬虫"判断是违规商品或重复铺货，就跳过不计，继续巡查，筛选出最新的、有潜力的商品放入排序池。
当买家搜索时，就能匹配出与关键词相关的商品展示给用户。一个关键词对应众多商品，就会出现排名竞争。与搜索意图最匹配的就会排在最前面。
成都淘宝SEO规则要点
商品信息完整度越高，越容易被"爬虫"抓取。通常店铺商品基础分低于行业均值，"爬虫"就不愿意深入抓取，并且根据平台数据：如果买家浏览商品时主要信息缺失，很可能直接划走。因此基础权重优化也是转化的需要。
(1)控制标题关键词密度
商品标题是权重最高的位置，如果标题关键词太少，没有"路标"，"爬虫"无法精准定位商品类目，直接影响搜索曝光。但是标题也不能堆砌关键词，一旦过度，没有核心卖点，很容易被判定为违规，降低商品权重，搜索效果反而差。
(2)扁平化的类目选择
尽量让"爬虫"只要跳转两次，就能准确定位商品所在细分类目
(3)主图视频优化
主图应该尽量采用实拍素材，也可以搭配场景视频，但是视频封面一定要进行优化，封面必须包含核心卖点，告诉搜索引擎商品的主要功能，做到即使视频加载中，也能通过封面获取关键信息。
其次，在每个商品详情页应该加入卖点标签：1、关于用户体验，让买家快速了解商品优势以及该商品在同类中的差异化特点，帮助买家很快判断是否符合需求，同时促进下单决策；2、对"爬虫"而言，能够清晰识别商品特征值，同时增加了相关搜索词匹配度，方便推荐，提升点击率。
(4)店铺数据布局
页面头部：店招及分类导航，以及促销信息
页面主体：左边商品主图轮播，包括销量标识及优惠信息;右边放关联推荐；留住访客，让访客多浏览，对"爬虫"而言，这些浏览轨迹属于用户行为数据，增加了店铺的活跃度，也能提升店铺的权重。
页面底部：详情页tab切换及推荐搭配
tips：详情页导航推荐写法："商品介绍 规格参数 买家秀 推荐搭配"，这样"爬虫"能够根据模块划分精准抓取，买家也能快速定位信息。"全部堆砌在一个页面"，这种不推荐，当详情内容过多时，"爬虫"需要花费更长时间解析，会很容易超时、容易放弃。
(5)利用上下架时间，把重点商品安排在流量高峰期
淘宝搜索对临近下架商品有权重加持，所以让主推商品在黄金时段下架，非重点商品错开安排。
(6)控制详情页体积，减少图片加载时间，提高页面打开速度
一个详情页最好不超过3MB,详情加载慢时，买家体验不好，留不住访客，并且一旦加载超时，"爬虫"也会停止抓取
建立商品数据维度越丰富，越容易被"爬虫"识别。通常店铺动销率低于30%，"爬虫"就不愿意深度抓取，并且根据平台规则：如果店铺连续四周无新品上架，很可能被降权处理。因此持续运营也是权重的需要。
(1)突出核心数据-合理布局销量、收藏、评价
销量：尽量保持稳定的增长趋势
收藏量：切忌刷数据行为
好评率：切忌突然暴增，每个周期的增长要平稳
(2)规范数据维度及注意点
在适当的位置埋入数据埋点。让爬虫清晰识别。比如点击率、转化率、停留时长，退款率用来判断商品质量，客服响应时间用来看服务水准，重要的指标要用数据看板呈现等
<点击率>：搜索展现量，要接'点击反馈'数据，让系统和"爬虫"知道。而无效点击，通过违规途径获取，要加'过滤系数'，告诉"爬虫"不要统计，因为一旦计入异常数据，就会被清洗掉
<转化率>自带权重，"爬虫"认为它最重要，一个商品有且必须关注转化率数据，放在商品核心指标上面，如爆款商品的转化率要持续优化，普通商品用基础转化率，不同类目不应该用同一套标准。
<主图>应使用场景化卖点。当用户快速滑动时，图片卖点清晰，可以让买家立即获取商品价值。同时图片规格统一，可提升店铺的专业度。
<动态评分><描述相符>：需要重点关注时使用。动态评分在搜索排序中得到高度的重视。描述相符仅次于动态评分。
(3)重要数据不要用图片展示，因为"爬虫"不会读取图片内文字，关键数据必须用文本呈现
(4)尽量少使用外链跳转，因为"爬虫"不会跟踪外链数据
(5)搜索引擎会过滤异常交易产生的数据
tips :常见数据维度
每个访客带来的成交金额，可以判断流量精准度。
<客单价>平均每个买家支付的金额，反映店铺定价策略。
<复购率>用于衡量用户忠诚度和商品满意度。通常由老客数据构成。
<坑产>代表单SKU在特定时间段内创造的销售额。当我们评估单品表现的时候，通常使用坑产来代替单纯销量。如一个链接的权重，一个商品的潜力值等。
<点击率>表示商品在展现次数中获得的点击比例。如主图吸引力，关键词精准度等。
<跳失率>用作衡量页面吸引力的反向指标，其中可以包括<访客行为><页面设计><商品匹配度>因素等。
<停留时长>表示用户在产品页面的平均浏览时间
发表评论