今天我想和大家聊聊SEO最新研究的实际效果。主角是TF-IDF。玩SEO的老鸟应该不陌生，但是很少有SEOer把这种快速加词游戏的一切都告诉你。所以今天尤菲会告诉你到底是怎么做到的。
目前，尤菲主要将这种算法和工具用于《如何写好月度数字营销报告》一文经过全面测试，实战效果一如既往的好。测试当天，你会得到首页排名。先看效果，如图:
数字营销报告写作排名效果图
以搜索数字营销报告的撰写为例。SERP给出的页面排在首页。其实这里需要引入指数的概念。指数分为上指数和下指数。上面的索引是搜索引擎排名的页面，会带来更多的流量，所以会排在首页，而下面的索引一般是语料库的底部，所以按照正常逻辑，不会有排名。所以大部分玩家经常会遇到为什么我的页面被索引了却没有排名。之所以要先给大家介绍索引的概念，是因为索引是排名的第一步。知道了这些，就更容易理解TF-IDF的工作原理了。首先介绍一下整体概念:
什么是TF-IDF？
TF-IDF是一种用于信息检索和文本分析的技术，可以用来评估单词对文档的重要性。
TF-IDF主要表述的中心思想是:一个词在一篇文章中出现的频率越高，在其他文章中出现的频率越低，这个词对当前文本的重要性就越高，TF-IDF值就越大。
上图就是一个例子。我们先分析一下原术语的标题，从标题中很容易推断出文章的目的是为撰写月度数字营销报告有困难的用户提供通用思路，帮助用户培养撰写月度数字营销报告的思维能力。所以从题目来看，主要的核心关键词是月度数字营销报告，延伸需求是写作和思考。为什么要用这样的称呼？内部的核心机制是搜索引擎的工作原理:搜索引擎目前所依赖的算法仍然是触发索引模块处理被查询文本的原理。总之核心当然是现在有一定的升级。回到主题，那实际上是针对关键词的分词技术，所以从字面上看，搜索引擎会自动将句子切割成如下单词:
数字营销，月报，写作，SEO，SEM，运营，报告，创意
如何计算TF-IDF
所以从切词的结果来看，每个词都有其对应的词频，也就是TF值。什么是TF值？顾名思义，
TF是指关键词在文档中出现的频率，某种意义上大约等于关键词密度。
TF值越高，这个关键词在文章中的重要性越高。具体计算公式:
TF=*100%
假设，通过搜索这些词，我们在文章中找到了数字营销、月报、写作、SEO、SEM、运营、报告、思路。这些词的出现次数分别为:20次、10次、15次、8次、5次、12次、4次，而文章总字数约为7500字。因此，TF值计算如下:
TF=0.00267
TF=0.00133
TF=0.002
TF=0.00107
TF=0.00067
TF=0.0016
TF=0.00053
因此，单词对文档的影响的重要性将根据最终计算的值进行排序。自然是数字营销>写作>运营>月报> SEO >报表> SEM。按照这个逻辑，是不是意味着文章中布局的关键词越多，排名就越好？答案是否定的，因为还有一种可能，就是“的”、“是”、“如果”、“我”、“了”等大多数词出现在一篇文章或文献中，我们认为是不相关的，出现频率也很高，根据TF的计算公式，这个值肯定会很高。按道理这个词肯定会被判定为更重要的词，但实际上并非如此，所以我们
IDF =日志
从功能上看，IDF代表了文字和文档的区分。如果一个词在一篇文章中出现，在其他文章中很少出现，则认为该词对当前文档的判别能力强，即IDF值大，否则认为该词对文档的判别能力差。对于“的”、“是”、“如果”、“我”、“了”等一般的词，这些词的IDF值非常小，因为它们几乎会出现在任何文档中。
所以最后一个词的TF-IDF值可以通过TF值和IDF值相乘得到。
TF-IDF=TF*IDF={*100%}*{log}
TF-IDF综合考虑“一个词的重要性与它在文档中的出现频率成正比，与它在所有文档中的出现频率成反比”两个因素来衡量一个词的重要性。如果一个词的TF和IDF值都很高，说明这个词不仅是常用词，还是高频词，对于当前文档来说是一个重要的词。所以这篇文章的关键词和文章的相关性越强，整体内容就越有用。
同样，假设上述词在整个语料库中有1亿个文档，这些关键词的文档分别为2W、5W、4W、3W、6W、1W、10W，根据计算公式就可以计算出IDF值，这里就不一一论证了。所以一个关键词和文章的相关度越高，TF-IDF值就越高。
TF-IDF实际效果
回到我们文章的主题，我们可以随便切词，根据这些词进行组合，都可以把SERP排名的结果一个一个的拿到首页。
撰写数字营销月报排名效果图
SEM操作报告思维
所以在清楚了解这个算法之后，再回到SEO的日常业务中，我们会清楚的知道，使用这个算法会有效的指导我们做好SEO。目前我们已经根据这个原理封装了一个工具。下面是该文档的演示，如下所示:
02:06以上是数字营销社区FUNIOIN对TF-IDF的介绍以及如何使用工具。不知道的可以关注一下，和FUUNION一起留言！
