自助建站工具 搭建出来的网站真的适合SEO吗?

最近有一个做SEO优化朋友问笔者,为什么自助建站做出来的网站排名很难做上去。我的第一个反应是,不会吧,用自助建站做出来的网站做SEO,这要是能做上去排名,那才叫奇怪呢。但是呢,又不能和朋友这样直接说,省得伤他自尊心。所以就花了一点时间,来证明这样做出来的网站并不适合SEO。

由于笔者不是一个自助建站的典型用户,已经大概3年多没有碰自助建站了。由于感觉比较有趣,昨天花了一整天的时间全心研究的一下。没想到,3年多没用自助建站,这个行业发展到了令人惊讶的程度。在针对SEO这方面,各家自助建站平台也都做了很多令人印象深刻改进。


之前为什么认为自助建站不适合SEO?

1、过于依赖JS

3年前,有幸使用了业内最前沿的自助建站软件建站。为了提供访问速度,降低服务器压力,他们大量使用了AJAX加载技术。在页面中,不仅图片是使用JAVASCRIPT的lazy load(页面打开之后,看到了才加载),连很多关键部分也是使用同样的技术。使用这样的技术在大多数人眼中是好事,毕竟提高了页面的打开速度,优化了用户体验,但是呢,搜索引擎蜘蛛看到的完全是另外一番景象。由于搜索引擎蜘蛛并不运行JS,所以所有通过JS加载到页面的内容,蜘蛛会看不到。下图是蜘蛛看到的页面和人眼看到的页面的区别。

seo

人眼看到的内容

自助建站SEO

在火狐中关闭JS

自助建站SEO

然后刷新页面

是的,您没看错,什么都没有了。这个简单实验,可以证明在蜘蛛看来,页面的大部分内容都已经消失,蜘蛛并不知道您的网站中在运行了JS之后有什么内容,其实它也不并关心。

2、大量使用子域名

自助建站平台,大多免费提供子域名供用户使用。好处是这些子域名基本是免费的。但是,百度和Google针对子域名升级了自己的算法,可以有效的分辨出垃圾子域名。如果一个主域名下,内容雷同,将被毫无悬念的被视为垃圾子域名。自助建站的用户,有的时候连模版中的文字都不修改,所以会造成这方面的影响。规避这个问题也很简单,可以绑定到一个独立域名(几乎所有自助建站平台都支持)。

3、同IP网站过多

做过SEO的人都知道,如果一个IP下被K的网站很多,不管如何优化,都不会有好的结果。而自助建站平台,为了方便管理和提高性能,大多在一个IP下部署超过1000个网站。如果这1000个网站中有不幸被K站的,那您的SEO效果很值得担心。

当下自助建站做出来的网站对SEO的支持如何?

1、主流建站系统都对SEO操作进行的优化

可以说,当下的自助建站系统,对SEO的支持都比较人性化,把一些常见的SEO操作,都做了非常好的指引。哪怕是一个没有做过SEO的人,也都能做一些必要的操作。在这里,笔者重点关注了一家自助建站的的网站——起飞页(www.qifeiye.com),他们把TDK都做到一个面板上,用起来方便。

自助建站SEO

每个页面的TDK也可以方便的设定。这对于做内容的同学,应该是不错的工具。

自助建站SEO

2、目前大多数的建站系统都不再依赖JS来呈现内容

3、关于同IP网站

这个好像是自助建站系统的软肋,为了成本(服务器和维护)考虑,他们不可能把所有的网站都放在不同IP上。我打电话咨询了一下凡科建站和起飞页建站这两个公司,凡科建站在一个IP地址上会放100-200个网站,起飞页建站会放10-50个网站(根据套餐不一样)。建议在选用之前您也打电话咨询一下,一般都会得到官方的答案。同IP的网站肯定越少越好。

结论 看来,现在用自助建站做的网站并不会对SEO带来非常不好的影响。

为了证实我的观点,特地找了一个起飞页平台上做的网站来看看效果。

在百度上,搜索苏州PHP开发,效果不错,排第一。

自助建站SEO

收录也没有问题

自助建站SEO

TDK非常正常

自助建站SEO

总结:后来,我把我的观点和朋友说了一下,也分析了一下他的网站的原因。发现这个网站才创建1个月,但是做了很多外链。估计是碰到了传说中的观察期不能外链太多的限制。我建议他暂时不要增加外链,等3个月之后再增加。新网站先把内容做充实,才是王道。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值