网站SEO优化排名一直不上升的原因是什么?

网站SEO优化排名一直不上升的原因是什么?今天就和宵云小编一起来了解一下吧。
在这里插入图片描述
原因一:初期的问题太严重了。
SEO优化并非一朝一夕就能完成的。在早期阶段,如果定位和优化存在问题,则稍后进行优化会有点困难。很多情况都是接到客户的老网站,然后进行优化,标题潦草,也没有给许可修改权限,这不是流氓吗?

另一种情况是,网站的关键词定位非常重要,有的客户选择了一些热门词汇,后来没看到排名就来给老师提个歉;或者有的老板对SEO技术的态度稍有了解,就君临天下的姿态。

如果你的网站还没有上线,最好做一个优化策略计划,定位网站的发展方向和关键词的定位,最初的优化可以描述为确定网站后期优化的效果,所以在初始阶段必须做好优化策略,不知道如何咨询一些站长;如果你的网站已经在线,没有排名很长时间,不要害怕,此时需要诊断网站。

原因二:内容质量不够

很多人都有一个疑问,为什么排名第一的,几乎不需要更新内容就可以稳定首页?其实,这与内容的质量有关,很多人认为高质量的内容只是原创文章,其实不然,高质量的内容除创意之外,还应该让用户可读,为用户提供有参考价值的内容。否则,如果你做太多的内容,你只会降低你网站的分数;

网站的内容质量对网站排名有很大影响,所以如果你长时间更新内容而得不到相应的回报,你需要对搜索引擎和用户喜欢的内容有一个很好的了解。搜索引擎喜欢原始的内容和用户喜欢的内容,用户喜欢的内容是解决用户需要的内容,所以总的来说,有必要对用户的数据进行详细的分析,然后在有针对性的做原始文章,这样的话就不会把主题跑偏。

原因三:频繁修改和更改网站标题

很多人上网的时候都会觉得不舒服,不断地修改和改进。这将导致识别搜索引擎的困难。如果经常修改内容的话,如果排名没有掉就算万幸了,不过现在频繁修改的大部分都被搜索引擎打入冷宫了,同时也对后期的优化非常不利。

原因四:较少的外链或无关的外链平台

当百度正式宣布削弱外部链的作用时,许多网站管理员认为外部链不再有用。实际上,搜索引擎的识别和抓取仍然依赖于抓取的链接,所以搜索引擎只会削弱外链的作用。让网站管理员将精力投入到构建用户喜欢的内容上。这并不意味着取消外部链的投票功能。因此,有必要正确地做一些外部链接。同时,有必要做相关平台的外部链,但现在外部链平台的包含率相对较差,做外部链时难度会增加。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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