首先，我們?cè)诮⑿袠I(yè)詞庫(kù)之前想一想：為什么要建立行業(yè)詞庫(kù)?

從搜索引擎本質(zhì)上思考，不管是當(dāng)今的百度、谷歌、雅虎等等，說白了都是做的關(guān)鍵詞搜索，關(guān)鍵詞是網(wǎng)站內(nèi)容的通道。一個(gè)網(wǎng)站應(yīng)用好的關(guān)鍵詞，如同建立了強(qiáng)有力的引流通道，在后期的建設(shè)過程中使得流量吸引的能力越來越強(qiáng)。

那么，如何建立行業(yè)詞庫(kù)？

這里，我拿到了一份8000萬數(shù)據(jù)量的游戲行業(yè)詞庫(kù)，需要整理。整理流程分別為：去重、去噪、篩選、篩選敏感詞反復(fù)去噪、規(guī)整、去重、產(chǎn)品劃分、產(chǎn)品屬性維度細(xì)分。

1 去重

8000萬的數(shù)據(jù)量，去重濃縮到了1500萬數(shù)據(jù)，將近20%。這個(gè)數(shù)據(jù)，我次看到并不吃驚，大量的網(wǎng)站，在整個(gè)行業(yè)中布局的詞有很多詞重復(fù)特別是主體頁(yè)面上爭(zhēng)的是那些高流量的詞，很正常。

2 去噪

初步去噪，識(shí)別ip段等數(shù)據(jù)直接刪掉，一些特殊符號(hào)直接替換。

3 篩選

根據(jù)游戲詞庫(kù)將1500萬詞庫(kù)一份為2，得到1200萬詞庫(kù)和300萬頁(yè)游詞庫(kù)。游戲部領(lǐng)導(dǎo)的意思是，先從度高的300萬詞庫(kù)入手，先反復(fù)去噪，用短的時(shí)間先把這個(gè)庫(kù)用起來。

4 篩選敏感詞反復(fù)去噪

其實(shí)，花時(shí)間的過程是這一步，需要你每天做一件事，從中找敏感詞，游戲行業(yè)敏感詞有哪些。比較短的詞風(fēng)險(xiǎn)比較大要慎重，長(zhǎng)的詞相對(duì)風(fēng)險(xiǎn)較小。詞根是品牌的詞相對(duì)來說直接過了，不是我們要找的詞。舉個(gè)case，“三國(guó)演義趙云”和”三國(guó)無雙頁(yè)游”，兩個(gè)詞的詞根都是三國(guó)，其實(shí)你認(rèn)為“三國(guó)演義趙云”需要?jiǎng)h除，的確它跟頁(yè)游無關(guān)，但它跟三國(guó)有關(guān)，這種詞可以引流，它定位是吸引潛在的游戲用戶群體。但如果詞根是一個(gè)形容詞，這種詞可以和各種詞組合，這種詞引流的意義不大了，因?yàn)楹x相關(guān)度太差，信息匹配度非常的低，可以直接刪了或者找出敏感詞，進(jìn)行過濾。

去噪，既是一件簡(jiǎn)單事，也是一件體力活，但是不同的人為什么效率不一樣，自然再簡(jiǎn)單的事情也有其精髓所在。

5 規(guī)整

詞庫(kù)篩選的過程中，你會(huì)發(fā)現(xiàn)游戲詞很多有一些臟的詞比如后綴加了三個(gè)零等等，需要整體規(guī)整這些數(shù)據(jù)，保證數(shù)據(jù)的準(zhǔn)確性。

6 再次去重

規(guī)整以后的數(shù)據(jù)，詞庫(kù)中會(huì)有大量的重復(fù)，需要二次去重。300萬詞庫(kù)濃縮到->120萬，1200萬詞庫(kù)濃縮到->750萬。

7 產(chǎn)品劃分

將300萬的詞庫(kù)按產(chǎn)品劃分，這里主要分為三大類：頁(yè)游、平臺(tái)、其他。為什么這樣劃分？首先，300萬的詞庫(kù)的詞根都是屬于頁(yè)游品牌或平臺(tái)商或其他類別。300萬經(jīng)過去噪后的數(shù)據(jù)可以再次根據(jù)這3份標(biāo)準(zhǔn)庫(kù)進(jìn)行分類。分類的過程中，有一個(gè)注意點(diǎn)：26.5g熱血海賊王，既要出現(xiàn)在頁(yè)游庫(kù)的“熱血海賊王”文件中，同時(shí)也應(yīng)當(dāng)在平臺(tái)庫(kù)的文件名為”26.5g“的文件中出現(xiàn)。

8 產(chǎn)品屬性維度細(xì)分

從第7步，我們已經(jīng)得到了分類詞庫(kù)的文件，每個(gè)產(chǎn)品生成頁(yè)面首先都要一定的維度，我這邊主要是按照：攻略、裝備、禮包、輔助、開服表。

這些維度也是后期我們要采集文章的維度。120萬詞庫(kù)雖然體量很大，但是實(shí)際發(fā)現(xiàn)這些維度分下來，還有數(shù)據(jù)缺口，后期可能還要臨時(shí)采集這些數(shù)據(jù)，去彌補(bǔ)。

頁(yè)游行業(yè)詞庫(kù)建設(shè)，幫助我們后期生成大量的文章頁(yè)面，通過強(qiáng)有力的內(nèi)鏈架構(gòu)，一方面增大網(wǎng)站的體量，增大收錄規(guī)模，將產(chǎn)品聚合頁(yè)、產(chǎn)品頁(yè)撐起來，同時(shí)通過詞庫(kù)的建設(shè)進(jìn)而計(jì)算詞與詞的關(guān)系進(jìn)而利用程序生成大量的tag頁(yè)面，將文章頁(yè)面撐起來，這樣的網(wǎng)站架構(gòu)站內(nèi)資源極其豐富，如果增加一定的站外資源，根據(jù)排名=內(nèi)部因素+外部因素，網(wǎng)站的整體排名會(huì)。點(diǎn)擊率=排名*文案，文案優(yōu)化好，點(diǎn)擊率會(huì)高。有了排名有了點(diǎn)擊率，流量會(huì)ok。由此可見，我們先做行業(yè)詞庫(kù)而不是直接寫文章發(fā)外鏈，是在苦心孤詣地磨刀，老話說得好：磨刀不誤砍柴工，刀磨好了，砍柴活何止事半功倍，更何況這活還是在seo界!

推薦閱讀