所以問題是，自從排名上升以來，高質(zhì)量的外部鏈的數(shù)量比垃圾外部鏈和欺騙外部鏈的數(shù)量還要多。我們假設(shè)外部鏈投票的閾值稱為x值。鏈接的質(zhì)量如何？我發(fā)布的外鏈與普通人發(fā)布的外鏈有什么區(qū)別？只有分析這個問題，我們才能盡可能地構(gòu)建有效、可靠的外鏈，從而減少垃圾外鏈的釋放

從我向您分發(fā)的維度來看，真實(shí)性推薦中具有代表性的外鏈是用戶自然推薦。所以我們從用戶的角度來考慮這個問題。用戶推薦的外鏈中會有哪些具體點(diǎn)？現(xiàn)在我們?nèi)匀皇褂眉僭O(shè)模型為您提供多維反匯編

維度1：友誼鏈接交換

鏈接通常分為雙向和單向鏈接。雙向鏈接基本上存在于鏈接交換中，而單向鏈接主要存在于鏈接購買或鏈接主動提交中。因此，制作鏈接卡時，很容易觸發(fā)一個點(diǎn)，即鏈接購買觸發(fā)外鏈作弊，從而影響排名下降。那么，我們?nèi)绾尾拍芑煜?strong>搜索引擎，使單向鏈接更加可信和推薦？當(dāng)然，此建議的前提是網(wǎng)頁本身有建議（例如，如果網(wǎng)站本身被搜索引擎、黑客和阻止鏈接，則沒有建議）。如果你仔細(xì)看，你會發(fā)現(xiàn)很多網(wǎng)站都有單向鏈接，而且它們也到處都是，一些大型網(wǎng)站如搜狐、新浪、百度、騰訊等。我們之前提到過鏈接位置，所以友情鏈接中會有鏈接位置

這樣做的好處是，當(dāng)用戶平時添加外部鏈接時，他們可能會增加騰訊等一些大型網(wǎng)站的外部鏈接，然后將其嫁接到需要優(yōu)化的網(wǎng)站上，以實(shí)現(xiàn)搜索引擎評估的外鏈推薦的真實(shí)性

維度2：當(dāng)合作伙伴評估外鏈中是否有推薦時，搜索引擎不應(yīng)只考慮多個維度，還可以使用人工智能從周圍文本判斷鏈接的真實(shí)性。因此，有時我們發(fā)布的鏈接過于單一，不利于搜索引擎的優(yōu)化

最好從多個維度優(yōu)化網(wǎng)站

維度3：文章轉(zhuǎn)載

文章轉(zhuǎn)載可以說是常見且公認(rèn)的外鏈形式，尤其是新聞來源網(wǎng)站鏈接的形式。然而，鏈外文章的技巧并不局限于此，如下圖所示：

就像陸松松發(fā)表的每一篇文章一樣，很多網(wǎng)站都會重印，有時還會帶來指向原文的鏈接，以便在短時間內(nèi)提高頁面權(quán)重（鏈外推薦）。當(dāng)然，這里轉(zhuǎn)載的文章必須由原創(chuàng)文章（搜索引擎無法搜索的文章）發(fā)布和轉(zhuǎn)載。只有這樣，搜索引擎才能快速分析整個收藏庫的頁面質(zhì)量，從而加快鏈接的收藏速度。這里的維度也涉及到上述假設(shè)，即頁面的主題相關(guān)性，發(fā)布高質(zhì)量的原創(chuàng)文章和相關(guān)轉(zhuǎn)載，很多朋友在做外鏈文章時喜歡發(fā)布一些無意識的文章。最終，他們可能會在短時間內(nèi)誤導(dǎo)搜索引擎（尤其是外部連鎖新聞來源），但在搜索引擎多次捕獲后，很容易判斷作弊行為

維度4：指向?qū)Ш秸镜逆溄?/h2>

除了用戶、合作伙伴和文章轉(zhuǎn)載者積極推薦的鏈接外，還有一個你經(jīng)?？吹降逆溄?，這是導(dǎo)航站和分類目錄網(wǎng)站的鏈接。不推薦使用此網(wǎng)站上的大多數(shù)鏈接。因?yàn)槲覀兦懊嫣岬搅艘粋€閾值，搜索引擎不可能將網(wǎng)站的所有外部鏈接設(shè)置為推薦。即使頁面有推薦，一旦當(dāng)前頁面的導(dǎo)出鏈接達(dá)到此閾值，也肯定會影響整個頁面導(dǎo)出鏈接的權(quán)重分布。如果未設(shè)置，則只需發(fā)送一個站點(diǎn)的外部鏈接。沒有必要發(fā)送太多的外部鏈接。但是，導(dǎo)航站的鏈接在閾值范圍內(nèi)。這個鏈接顯然是推薦的，因?yàn)橄鄬Χ裕蠖鄶?shù)導(dǎo)航站都不是手動鏈接，而是主動鏈接發(fā)布

維度5：源描述

文章源在許多網(wǎng)站上都有鏈接形式，這顯然是一個自然的鏈接發(fā)布和推薦。常規(guī)文章源鏈接將出現(xiàn)在文章標(biāo)題下或文章末尾。大多數(shù)文章源鏈接將出現(xiàn)在門戶的新聞頁面、垂直文章頁面、企業(yè)文章頁面等以及此類文章的外部鏈上。此外，上述相關(guān)性將形成一個有效的鏈接建議

看看這里，如果你回到之前的案例，結(jié)合分析工具和本文內(nèi)容分析我運(yùn)營的排名網(wǎng)站，不難發(fā)現(xiàn)為什么一個新的站點(diǎn)會在短時間內(nèi)運(yùn)營排名。簡而言之，很多時候，不推薦您發(fā)布的外部鏈。真正的推薦來自用戶的自然共享。我們可以模擬人工智能的正常規(guī)則來滿足這種共享。我們可以盡最大努力使外鏈更有效，提高排名！