SEO 的方法：站内 SEO：SEO 的基础：理解和应用符合 web 标准化的页面结构； SEO 页面选择：首页、信息列表页（相关聚合页）、最终页等是适合优化的页面，如招聘网站的首页、某个类别的列表页、公司页、职位页都是重点优化的页面； SEO 内链策略：避免单层次的自上而下的链接结构，应该是网状的链接结构。
实际操作中可以考虑文章的关键词链接至相关列表，或信息的分类链接至分类列表等，内链既是 SEO，也是信息导航的一种，不要太刻意； SEO 关键词策略： 核心关键词：如“广州人才网”这样的词，通常做这样的词成本很高，用户搜索命中率高，但由于同类网站太多，较难取得好的排名； 长尾关键词：比如“广州服装设计师招聘”（地区+职位名称+招聘）、“罗蒙男装广州分公司招聘”（公司名称+招聘）这样结构特征的关键词，长尾关键词分布广，单个命中率低，但这个尾巴很长，词量大，整体命中率很高。
这一点需要看网站的信息特征，像新闻类的网站没有这样典型的特征； 关键词布局：网络很重视关键词的频度，将需要优化的关键词合理布局在页面中，按我的经验可以在10个左右，当然也有建议在6%左右，可以利用工具来看，各区块的表头及其他元素的 title 描述等都是可以考虑的对象，再可见文本比不可见文本质量要好； 避免采用隐藏或不可见等方式堆砌关键词； 发现热门关键词和用户搜索特征：关注网站的统计系统（类 cnzz, 等），可以发现自己网站的热门关键词； 同时，要发现用户的搜索特征，这是非常重要的一点，即上面说的“长尾关键词”。
查看搜索引擎提供的相关关键词，自己在站内合理使用； 观察搜索引擎在搜索结果中加亮的词，加亮的不一定是搜索的词，可能是搜索引擎已经组合过的词，这意味着是用户的搜索特征，发现这一点可以帮助我们分析用户搜索特征，合理组合网站的关键词结构； SEO 链接地址优化： 简短和释意的链接地址最受欢迎。
好的链接地址如：/category/drag-link、/product/mitsubishi-galant- drag-link-lhd-ma---pid1763 等，可以将关键词列入标题中；但中文许多信息不是很方便设置到链接地址中，如 /company/1023、/job/ 就很简单明了，这也很好。
动态地址没有问题？参数少一些就好。
站外 SEO：站外链接：有一个原则可以参考“人家如何称呼你，你就是什么”，因此链接文本的选择非常重要，这一原则被广泛应用在文本选择，以及各类提示中，以便为目标 url 增加投票； 链接导出： 不要链接坏站，大忌； 尽量不要链接跟网站本身没有任何关联的网站，理由一是对用户没啥好处，二是可能会影响自己；
下面关于搜索引擎的说法，不正确的是______。 A、搜索引擎既是用于检索的软件又是提供查询、检索的网站。 B
下面关于搜索引擎的说法，不正确的是______。
A、搜索引擎既是用于检索的软件又是提供查询、检索的网站。
B、搜索引擎按其工作方式分为两类：全文搜索引擎和基于关键词的搜索引擎。
C、现在很多搜索引擎提供网页快照的功能，当这个网页被删除或链接失效时，用户仍可使用网页快照来查看这个网页的主要内容。
求解SEO期末考试
假设一个由4个页面组成的小团体：A，B， C 和 D。
如果所有页面都链向A，那么A的PR(PageRank)值将是B，C 及 D的和。
PR(A) = PR(B) + PR(C) + PR(D)继续假设B也有链接到C，并且D也有链接到包括A的3个页面。
一个页面不能投票2次。
所以B给每个页面半票。
以同样的逻辑，D投出的票只有三分之一算到了A的 PageRank 上。
PR(A) =PR(B) /2+PR(C) /1+PR(D)/3换句话说，根据链处总数平分一个页面的PR值。
PR(A) =PR(B) /L(B)+PR(C) /L(C)+PR(D)/L(D)最后，所有这些被换算为一个百分比再乘上一个系数q。
由于下面的算法，没有页面的PageRank会是0。
所以，Google通过数学系统给了每个页面一个最小值1?q。
PR(A) =(PR(B) /L(B)+PR(C) /L(C)+PR(D)/L(D)+...+PR(N)/L(N))q+1-q所以一个页面的 PageRank 是由其他页面的PageRank计算得到。
Google 不断的重复计算每个页面的 PageRank。
如果您给每个页面一个随机 PageRank 值(非0)，那么经过不断的重复计算，这些页面的 PR 值会趋向于正常和稳定。
这就是搜索引擎使用它的原因。
其中，PR(A)：指网页A的佩奇等级(PR值)PR(B)、PR(C)(N)表示链接网页A的网页N的佩奇等级(PR)。
N是链接的总数，这个链接可以使来自任何网站的导入链接(反向链接)。
L(N)：网页N往其他网站链接的数量(网页N的导出链接数量)q：阻尼系数，介于0-1之间，google设为0.85.从上面的公式我们可以看到网页A的PR是由链接它的其他网页L(N)所决定的。
在网页L(N)中如果有一个链接指向网页A，那么A就得到了一个“投票气而这个投票来自网上任何一张网页。
每个“投票”都是表示一份“支持”。
越多的链接指向网页A，网页A的PR值或者等级就越高。
没有链接就是没有一个网页支持A。
但是不同网页的PR值不同，所以不同的网页给网页A的投票权重是不一样的。
完整的PR值计算方法这个方程式引入了随机浏览的概念，即有人上网无聊随机打开一些页面，点一些链接。
一个页面的PageRank值也影响了它被随机浏览的概率。
为了便于理解，这里假设上网者不断点网页上的链接，最终到了一个没有任何链出页面的网页，这时候上网者会随机到另外的网页开始浏览。
