[SEO工具] SEO研究所-網頁推薦小工具

背景與假設

假設我們已知一部落格專門撰寫一些主題文章如:硬是要SEO,當我們在瀏覽部落格的時候,我們會先到部落格的首頁,再來根據文章的分類或站內搜尋來獲取知識,雖然目前有很多推薦閱讀的小工具,但是這些工具基本上都是根據關鍵字的相似程度來做推薦的,但如果該部落格有非常大量的關鍵字都相似如:本站的SEO,幾乎都是每篇文章的關鍵字,這時候小工具的推薦就非常的沒有用了。

動機與目的

根據Mr.King的觀察(使用者行為的LOG),發現許多使用者透過導覽區塊找下一篇文章,但是到了下篇文章後,有可能並非是他們所希望看到的,再來觀察WP的文章推薦小工具,如果是像硬是要SEO這種單一主題的部落格,很容易推薦工具會變成熱門文章推薦,所以希望利用Data Mining的方式來做好推薦工具,讓使用者可以真正的看到自己想看到的文章,增加使用者停留時間與減少跳出率。並根據不同的地區、瀏覽器、OS推薦不同的文章。

 

研究方法

在部落格嵌入使用者行為監測工具(google會把資料都整理好,所以無法取得非常原始的資料,故不用)如:StatCounter,主要的取得資料有:

  • 使用者地區
  • 使用者IP
  • 瀏覽器
  • OS
  • 檢視網頁URL

首先要利用決策樹來做Data Mining這些數據(DV為:檢視網頁URL),也就是說我想要知道甚麼樣地區、瀏覽器、OS的使用者會檢視哪些網頁,再利用使用者IP得知,看了這些網頁後,會延伸去看哪些文章。決策樹結果出來後,要把使用者IP的項目作一些修剪,也就是說要把同IP的樹枝接再一起,然後移除使用者IP這個節點,這樣這棵決策樹就可以得知網頁之間的關連。

最後把決策樹轉換成XML或者是以linking list的方式存入陣列、資料庫,方便程式根據其決策數值判斷所推薦的網頁,當使用者來訪頁面的時候,就可以根據其條件與當前頁面,推薦最適合的網站。


11 Comments

發表迴響