大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于搜索排名得分怎么算的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀企業(yè)，服務(wù)客戶遍布全國，網(wǎng)絡(luò)營銷相關(guān)業(yè)務(wù)請撥打175-8598-2043，或微信：1454722008

本文目錄:

• 1、百度推廣的綜合排名指數(shù)，計算公式。

• 2、關(guān)鍵詞內(nèi)頁排名怎么算

• 3、百度關(guān)鍵詞排名規(guī)則

• 4、搜索排序評估方法：作為產(chǎn)品，這個你必須要了解

一、百度推廣的綜合排名指數(shù)，計算公式。

綜合排名指數(shù)（CRI）：百度關(guān)鍵詞排名真正的衡量標準：出價*質(zhì)量度=綜合排名指數(shù)

搜索引擎引入了質(zhì)量度這個概念，其數(shù)值反應(yīng)了推廣信息被搜 索者的接受程度， 搜索者越感興趣， 越多人點擊， 訪問者體驗越好， 質(zhì)量度越高。 對百度搜索推廣來說，綜合排名指數(shù)（CRI），即出價與質(zhì)量度的乘積，才 是排名真正的衡量標準。這就是說，如果您有很好的質(zhì)量度就有可能在出價較低 的情況下排名靠前。

而百度綜合排名指數(shù)出價的算法是

1、末位計費 =百度給出的這個詞的最低展現(xiàn)價格

2、次位計費 =（下一名出價X下一家質(zhì)量度）/關(guān)鍵詞質(zhì)量度+0.01

二、關(guān)鍵詞內(nèi)頁排名怎么算

 關(guān)鍵詞內(nèi)頁排名怎么算?

一、IP環(huán)境

地區(qū)相關(guān)性限制，非本地區(qū)的IP點擊不計分(PS：部分行業(yè)有此限制，比如地區(qū)旅游行業(yè)網(wǎng)站，如上海旅行社必須需要上海本地的IP點擊，否則不加分，多次使用外地IP點擊不僅不會加分還會使網(wǎng)站進入黑名單，所以很多朋友為何刷排名的時候沒有效果，先去考察下IP環(huán)境是否正常)。

同IP下，點擊同一個網(wǎng)站，同一個關(guān)鍵詞最多計算三次分值。

二、流量入口

多瀏覽器獲得分值更高，尤其是搜搜和搜狗(PS：很多朋友都在刷排名，但是效果就是不好，因為如果你單一的去使用某一個瀏覽器，長期點擊哪怕你是切換IP去點擊也會造成作弊嫌疑，導致排名下降)。

除了瀏覽器不同以外，還需要注意流量入口來源網(wǎng)址，做快速排名點擊的時候需要注意不同的網(wǎng)址來源進入搜索(比如好123導航，2345導航等等，越自然的流量入口就會讓搜索引擎覺得你的點擊數(shù)據(jù)更加真實)。

三、跨頁點擊

跨頁點擊二次搜索有效(一次搜索跨頁無效，二、三次跨頁搜索有效)，所以在點擊的時候比如優(yōu)化關(guān)鍵詞“SEO”，那么在點擊的時候先搜索SEO教程、SEO培訓與主詞相關(guān)性高的次搜索，然后搜索主詞然后翻頁點擊，這樣對于搜索引擎記錄來說更加自然和真實。(PS：很多朋友喜歡直接搜索需要刷的關(guān)鍵詞然后點擊網(wǎng)站最后把關(guān)鍵詞排名點到100以后，很多情況下都是由于跨頁點擊不正確的方式造成的)。

四、跳出率

這里我再次給大家掃盲一下，搜索引擎所記錄的跳出率和所謂的流量統(tǒng)計工具里面的跳出率并沒有相關(guān)的聯(lián)系，搜索引擎所記錄的跳出率是指從搜索框中輸入的搜索詞進入到網(wǎng)站以后，再次在搜索框中搜索第二個關(guān)鍵詞的時間差，這個時間差稱為網(wǎng)站的停留時間，如在百度搜索了SEO，進入了xx網(wǎng)站，進入一分鐘以后，再次去搜索頁面打開yy網(wǎng)站，那么xx網(wǎng)站到y(tǒng)y網(wǎng)站這個一分鐘的瀏覽時間，稱為xx網(wǎng)站的停留時間，如果網(wǎng)站停留越長，那么說明網(wǎng)站跳出率越低，反之越高，搜索引擎之所以這么做，是用于模擬用戶正常的搜索。

還有一種情況就是如果搜索一個關(guān)鍵詞打開網(wǎng)站以后，馬上把百度的搜索頁面關(guān)閉，這種效果是最好的，因為搜索引擎會判斷該用戶已經(jīng)找到了需求，不需要進行相關(guān)搜索。所以在做點擊的時候一定要把控好，不要直接一上來就點擊自己的網(wǎng)站，可以先點擊排名好的網(wǎng)站，然后在找到自己的網(wǎng)站點擊，然后把停留時間放大或者直接關(guān)閉搜索頁面，這樣的點擊會變得更加的真實，讓搜索引擎給與網(wǎng)站點擊加分。

五、cookies值處理

搜索引擎會有一個訪客標識碼(唯一性)，該訪客標識碼會記錄用戶的點擊，并且訪客標識碼是由cookie產(chǎn)生，尤其是在寬帶撥號不同IP的情況下需要注意，每一次點擊以后需要清空cookie值，但是不需要所有的點擊都清空，因為搜索引擎會記錄訪客標識碼，如果訪客標識碼全部都是新用戶容易產(chǎn)生作弊，所以偶爾可以不清空。(PS：訪客標識碼可以在百度統(tǒng)計的流量數(shù)據(jù)來源看到，一般情況下，一臺電腦有一個唯一的訪客標識碼)。

六、域名搜索

點擊搜索的時候為了增加關(guān)鍵詞的提升排名作用，域名相關(guān)搜索也會計算排名加分，

九、點擊時間段

相對來說，點擊時間段最好集中在白天，晚上少許點擊，形成正常用戶點擊。

上面就是整個完整的點擊算法流程，

三、百度關(guān)鍵詞排名規(guī)則

百度排名基本算法如下。

1、點擊規(guī)則：我們進入百度站長平臺可以的【搜索關(guān)鍵詞】頁面，可以發(fā)現(xiàn)，出現(xiàn)關(guān)鍵詞展現(xiàn)量和點擊量，我可以肯定的得出一個結(jié)論，當我們搜索某一個關(guān)鍵詞,當一個頁面點擊量過高的時候，是非常容易參與良好的排名。

2、鏈接算法：鏈接算法主要包括SEO外鏈與內(nèi)鏈，其中SEO外鏈被搜索引擎列入站外對頁面投票的規(guī)則中，這就是我們經(jīng)常會看到交叉鏈接或者買賣鏈接的情況。

3、得分規(guī)則：能夠參與排名的原因肯定不是僅僅只是一個或者兩個原因就可以直接影響的，綜合得分才能使得網(wǎng)站排名靠前且穩(wěn)定。

綜合得分主要包括：頁面質(zhì)量得分、鏈接得分、SEO細節(jié)得分等各方面因素，

四、搜索排序評估方法：作為產(chǎn)品，這個你必須要了解

信息檢索領(lǐng)域兩個最基本指標是召回率(Recall Rate)和準確率(Precision Rate)，召回率也叫查全率，準確率也叫查準率，概念公式:

為了直觀的描述這兩個概念，我們用是否相關(guān)和是否被檢索到兩個維度的指標來對每一次信息檢索之后的內(nèi)容分類。是否相關(guān)指內(nèi)容和檢索條件是不是相關(guān)，如檢索“酒店”，系統(tǒng)中所有的酒店內(nèi)容就是相關(guān)，而“美食”的內(nèi)容就是不相關(guān)的，一般情況下，相關(guān)的內(nèi)容就是理論上需要完全被檢索到的內(nèi)容，這個數(shù)值和檢索的策略或算法沒有關(guān)系。是否被檢索到是針對檢索結(jié)果的描述指標，檢索完成后我們才能對系統(tǒng)內(nèi)容做是否被檢索到的區(qū)分，這個數(shù)值和檢索策略或算法相關(guān)。通過是否相關(guān)和是否被檢索到兩個維度的指標，我們可以將檢索完成后的內(nèi)容分為四類，如下圖：

聯(lián)系圖表，召回率就是檢索到的相關(guān)內(nèi)容（A）在所有相關(guān)內(nèi)容中的比例（A+C），而準確率就是檢索到的相關(guān)內(nèi)容（A）在所有檢索到的內(nèi)容（A+B）中的比例。

但是如何算圖1中的A、B、C、D呢？一般，這需要人工標注，人工標注數(shù)據(jù)需要較多時間且枯燥，如果僅僅是做實驗可以用已知的場景來測試，比如我們已知搜索“A酒店”應(yīng)該出的搜索結(jié)果，那么我們就可以通過不同策略在搜索“A酒店”的表現(xiàn)來計算不同策略的A、B、C、D值，這種方式簡便易行，能夠針對性的解決問題，但是只能解決已知的問題。當然，還有一個辦法，找個一個比較成熟的算法作為基準，用該算法的結(jié)果作為樣本來進行比照，當然這個方法也有點問題，那就是我們無法得知天花板在哪里，也就是無法預知最佳效果如何。

在實際項目中，我們單方面追求準確率和召回率都是不對的。準確率和召回率是互相影響的，理想情況下肯定是做到兩者都高，但是一般情況下準確率高、召回率就低；召回率低、準確率高。如果是做搜索，那就是保證一定召回的情況下提升準確率；如果做反垃圾、反作弊，則是保證一定準確率的條件下，提升召回率。

一般情況，對同一個策略模型，用不同的閥值，可以統(tǒng)計出一組不同閥值下的精確率和召回率關(guān)系，我們稱之為P-R曲線，如下圖：

圖中橫坐標是召回率，用R（Recall）表示；縱坐標是準確率，用P（Precision）表示。有時候，我們在P和R做出平衡，因此我們需要用一個值來體現(xiàn)策略在P值和R值兩方面的整體表現(xiàn)。最普通也最容易理解的是F1值，F(xiàn)1值的計算公式如下：

用F1值來體現(xiàn)準確率和召回率的綜合表現(xiàn)非常直觀且易于理解，但是也有一個明顯的缺陷，F(xiàn)1值的計算中，P和R的權(quán)重是一樣的，也就是對召回和準確的要求是一樣。在大多數(shù)情況下，我們在召回率和準確率上有不同的要求，因而我們也常用F2和F0.5來評價策略的效果，F(xiàn)2 = 5P * R / (4P + R)，表示更重視召回率，F(xiàn)0.5（F2 = 1.25P * R / (0.25P + R)，表示更重視準確率。

前面給大家介紹了F值，細究不難發(fā)現(xiàn)，它只能表示單點的效果而無法表示策略的整理效果，下面介紹的內(nèi)容，將是一些能評估策略整體效果的評估方法。

ROC的全名叫做Receiver Operating Characteristic，是評價分類器（需要說明）的指標，一般分類識別相關(guān)的策略我們使用ROC值來評價。我們用上面第一個圖的方式來說明這個值，我們將ABCD稍作變換如下圖：

正確正例（True Positive，TP）表示將正例（預測）分為正例的內(nèi)容；錯誤正例（False Positive，F(xiàn)P）表示將負例分為正例的內(nèi)容；錯誤反例（False Negtive，F(xiàn)N）將正例分為負例的內(nèi)容；正確負例（True Negtive，TN）表示將負例分為負例的內(nèi)容。其中，ROC關(guān)注兩個指標：

ROC的主要分析方法是一個畫在ROC空間的曲線（ROC curve）：在ROC 空間中，每個點的橫坐標是FPR，縱坐標是TPR，這也就描繪了分類器在TP（真正的正例）和FP（錯誤的正例）間的平衡關(guān)系。我們知道，對于二值分類問題，實例的預測值往往是連續(xù)值，我們通過設(shè)定一個閾值，將實例分類到正類或者負類。比如我們通過數(shù)據(jù)挖掘計算酒店不接待客戶的預測值是一個0-1的分布，然后設(shè)定一個閾值0.5，如果大于0.5，我們則認為酒店存在不接待用戶的情況。因此我們可以變化閾值，根據(jù)不同的閾值進行分類，然后根據(jù)分類結(jié)果計算的TPR值和FPR值得到ROC空間中相應(yīng)的點，連接這些點就形成ROC曲線。ROC曲線會經(jīng)過（0,0）（1,1）兩個點，實際上(0, 0)和(1, 1)連線形成的ROC曲線代表的是一個隨機分類器。一般情況下，這個曲線都應(yīng)該處于(0, 0)和(1, 1)連線的上方，否則，分類器的策略就是有問題的。

用ROC curve來表示分類器的效果很直觀好用，也能夠觀測在不同TPR和FPR下分類策略的表現(xiàn)。但是，我們?nèi)匀幌Ｍ軌蛴靡粋€特定的值來表示分類器策略的好壞，于是Area Under roc Curve(AUC)就出現(xiàn)了。顧名思義，AUC的值就是處于ROC曲線下方的那部分面積的大小。

可以預見的是，AUC的值介于0.5（隨機分類器的AUC值）到1.0之間，通常情況下，我們認為較大的AUC代表了較好的效果。

MAP也是評估檢索策略效果的方式之一，與AUC不同的是，除了考慮召回結(jié)果的整體準確率之外，MAP也考量召回結(jié)果條目的順序。MAP是Mean Average Precision@K的縮寫，要了解MAP，我們需要逐步了解Prec@K和AP@K的概念。

Prec@K表示設(shè)定一個閾值K，在檢索結(jié)果到第K個正確召回為止，排序結(jié)果的相關(guān)度。假設(shè)某次的檢索結(jié)果如下：

注：綠色表示搜索結(jié)果與搜索詞相關(guān)，紅色表示不相關(guān)。

在這個案例中Prec@1=1、Prec@3=2/3、Prec@5=3/5。也許你已經(jīng)發(fā)現(xiàn)了，Prec@K也只能表示單點的策略效果，為了體現(xiàn)策略的整體效果，我們需要使用AP@K。

Average Precision@K是指到第K個正確的召回為止，從第一個正確召回到第K個正確召回的平均正確率。下面我們用兩個排序案例來理解AP@K。假設(shè)存在以下兩個排序，我們直觀的理解，結(jié)果1是優(yōu)于結(jié)果2的，那么這種優(yōu)劣會如何體現(xiàn)在AP@K值中呢？

對于結(jié)果1，AP@K=(1.0+0.67+0.75+0.8+0.83+0.6)/6=0.78，對于結(jié)果2，AP@K=(0.5+0.4+0.5+0.57+0.56+0.6)/6=0.52，可以看到，效果優(yōu)的排序結(jié)果的AP@K值大于效果劣的那一組。

對于一次查詢，AP@K值可以判斷優(yōu)劣，但是如果涉及到一個策略在多次查詢的效果，我們需要引入另一個概念MAP@K（Mean Average Precision@K），簡單的說，MAP@K的計算的是搜索查詢結(jié)果AP@K值的均值。假設(shè)某個策略在兩個不同查詢下的輸出結(jié)果如下：

在以上案例中，查詢1的AP@K=(1.0+0.67+0.5+0.44+0.5)/5=0.62，查詢的2的AP@K=(0.5+0.4+0.43)/3=0.44，則我們計算這個策略的MAP@K=(0.62+0.44)/2=0.53。對使用MAP@K進行評估的系統(tǒng)，我們認為MAP@K值較高的策略效果更好。

搜索引擎一般采用PI（per item）的方式進行評測。簡單地說就是逐條對搜索結(jié)果進行分等級的打分，回顧MAP指標，我們對每個條目的值是的評價是用0或1表示，相較于MAP指標，D CG能夠讓我們讓多值指標來評價。

在DCG指標的計算中，假設(shè)我們現(xiàn)在在谷歌上搜索一個詞，然后得到5個結(jié)果。我們可以對這些結(jié)果進行3個等級的區(qū)分：Good（好）、Fair（一般）、Bad（差），然后賦予他們分值分別為3、2、1，假定通過逐條打分后，得到這5個結(jié)果的分值分別為3、2 、1 、3、 2。如果要我們評價這次查詢的效果，可以用Cumulative Gain值來評估。

CG是在這個查詢輸出結(jié)果里面所有的結(jié)果的等級對應(yīng)的得分的總和。如一個輸出結(jié)果頁面有P個結(jié)果，CG被定義為：

不難看出，CG并不考慮在搜索結(jié)果的排序信息，CG得分高只能說明這個結(jié)果頁面總體的質(zhì)量比較高并不能說明這個算法做的排序好或差。在上面谷歌的例子中，CG=3+2+1+3+2=11，如果調(diào)換第二個結(jié)果和第三個結(jié)果的位置CG=3+1+2+3+2=11，并沒有改變總體的得分。

因此，如果我們要評估返回結(jié)果質(zhì)量還要考量輸出排序的話。首先，我們要說明什么是好的排序？一般來說，好的排序要把Good的結(jié)果排到Fair結(jié)果上面、Fair結(jié)果排到Bad結(jié)果上面，如果有Bad的結(jié)果排在了Good上面，那當然排序就不好了。

在一個搜索結(jié)果列表里面，比如有兩個結(jié)果的打分都是Good，但是有一個是排在第1位，還有一個是排在第40位，雖然這兩個結(jié)果一樣都是Good，但是排在第40位的那個結(jié)果因為被用戶看到的概率是比較小的，他對這整個搜索結(jié)果頁面的貢獻值是相對排在第一位那個結(jié)果來得小的。

為了能夠完成評估排序的目的，我們需要采用DCG（Discounted Cumulative Gain）值。

DCG的思想比較容易理解，等級比較高的結(jié)果卻排到了比較后面，那么在統(tǒng)計分數(shù)時，就應(yīng)該對這個結(jié)果的得分有所打折。一個有P（P≥2）個結(jié)果的搜索結(jié)果頁面的DCG定義為：

為什么要用以2為底的對數(shù)函數(shù)？這個并沒有明確的科學依據(jù)，大概是根據(jù)大量的用戶點擊與其所點內(nèi)容的位置信息，模擬出一條衰減的曲線。

那么在上面百度的例子中：DCG=3+(1+1.26+1.5+0.86)=7.62。但是DCG在評估策略效果的過程中，因為不同搜索模型給出的結(jié)果有多有少，仍然會造成無法對比兩個模型的效果。為了避免這種情況，我們進一步優(yōu)化這個指標，成為nDCG（normalize DCG），顧名思義，就是將一個策略的效果標準歸一化，以方便不同策略的效果對比。公式如下：

公式中的iDCG（ideal DCG）就是理想的DCG。iDCG如何計算？首先要拿到搜索的結(jié)果，然后對這些結(jié)果進行排序，排到最好的狀態(tài)后，算出這個排列下的DCG，就是iDCG。因此nDCG是一個0-1的值，nDCG越靠近1，說明策略效果越好，或者說只要nDCG<1，策略就存在優(yōu)化調(diào)整空間。因為nDCG是一個相對比值，那么不同的搜索結(jié)果之間就可以通過比較nDCG來決定哪個排序比較好。在上面的例子中，理想的排序應(yīng)該是3 、3 、2 、2 、1，那么iDCG=3+3+1.26+1+0.43=8.69，nDCG=DCG/iDCG=7.62/8.69=0.88。

以上給大家介紹一些常見的評價方式，但是這幾種評估方式并不一定能覆蓋所有場景，一般情況下，我們需要根據(jù)自己的需要適當?shù)膶@些評估方式做些許的改進來更加符合具體場景的要求，比如在nDCG中調(diào)整評分的層級或分數(shù)，甚至根據(jù)自身用戶的特征調(diào)整衰減函數(shù)的計算方式等等。但在所有的評估改進中，一般無法忽略召回率、正確率和排序三個基本維度的效果。我們不能照搬前人成果，活學活用，才是產(chǎn)品經(jīng)理應(yīng)該做的事情。

以上就是關(guān)于搜索排名得分怎么算相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。

推薦閱讀：

手機qq怎么加群號不顯示搜索（手機qq怎么加群號不顯示搜索記錄）

搜索關(guān)鍵詞優(yōu)化排名（搜索關(guān)鍵詞優(yōu)化排名怎么設(shè)置）

搜索最多的詞（搜索最多的詞匯）

品牌設(shè)計ppt案例

小組組徽logo