PR值全稱為PageRank(網頁級別),PR值是Google用于標識網頁的等級、重要性、網站的好壞的重要標準之一。級別從0到10級為滿分。PR值越高說明該網頁越受歡迎。例如:一個PR值為1的網站表明這個網站不太具有流行度,而PR值為5到10則表明這個網站非常受歡迎(或者說極其重要)。一般PR值達到4,就算是一個不錯的網站了。Google把自己的網站的PR值定到9,這說明Google這個網站是非常受歡迎的,也可以說這個網站非常重要。那么PR值是怎么計算的呢?
一、百度權重
百度權重是站長工具推出的針對網站優化關鍵詞排名預計給網站帶來流量,劃分出0-9十個等級的第三方網站歡迎度評估數據。百度官方目前只公開了競價推廣用戶提供0-10不同分值關鍵詞質量度的評級。權重數值越大,說明網站自然流量越大,自然流量大,那么相應的關鍵詞排名就相對靠前,權重,流量,關鍵詞排名三者之間是相輔相成的。關鍵詞的數量越多,積累的權重也會越高,不過,這還要看關鍵詞的流量,如果關鍵詞的流量非常的低,即便排名很靠前,權重也不會積累到很多,不過可以積少成多。
百度權重的規則:
權重0 | 無 | 權重1 | 百度預計流量1~99 |
權重2 | 百度預計流量100~499 | 權重3 | 百度預計流量500~999 |
權重4 | 百度預計流量1000~4999 | 權重5 | 百度預計流量5000~9999 |
權重6 | 百度預計流量10000~49999 | 權重7 | 百度預計流量50000~199999 |
權重8 | 百度預計流量200000~999999 | 權重9 | 百度預計流量1000000以上 |
二、360權重
360搜索引擎其實并沒有官方的權重查詢,站長工具給出的權重其實是根據網站的關鍵詞在360搜索引擎的排名情況,以及關鍵詞所帶來的流量,計算出的權重,僅作為網站數據分析的參考。雖然官方沒有公布權重,但是可以肯定的是網頁重要性標準的諸多算法中PR算法肯定是應用在里面的。
無論是自己算法還是參考谷歌的PR,都是對PR算法修正與完善。作為站長,不能一味的盲目追求PR,切不要以為PR值就代表著網站的一切,相反的是只有把用戶體驗做到極致,解決用戶的痛點,google才能對頁面提供重要性的衡量標準,PR值是只是頁面重要性判斷的結果,不是實現頁面重要性的方法,切不要顛倒主次。
三、google PR值的算法
1、PR值計算方法
假設一個由4個頁面組成的小團體:A,B, C 和 D。如果所有頁面都鏈向A,那么A的PR(PageRank)值將是B,C 及 D的和。
PR(A) = PR(B) + PR(C) + PR(D)
繼續假設B也有鏈接到C,并且D也有鏈接到包括A的3個頁面。一個頁面不能投票2次。所以B給每個頁面半票。以同樣的邏輯,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
換句話說,根據鏈處總數平分一個頁面的PR值。
PR(A) =PR(B) /L(B)+PR(C) /L(C)+PR(D)/L(D)
最后,所有這些被換算為一個百分比再乘上一個系數q。由于下面的算法,沒有頁面的PageRank會是0。所以,Google通過數學系統給了每個頁面一個最小值1?q。
PR(A) =(PR(B) /L(B)+PR(C) /L(C)+PR(D)/L(D)+...+PR(N)/L(N))q+1-q
所以一個頁面的 PageRank 是由其他頁面的PageRank計算得到。Google 不斷的重復計算每個頁面的 PageRank。如果您給每個頁面一個隨機 PageRank 值(非0),那么經過不斷的重復計算,這些頁面的 PR 值會趨向于正常和穩定。這就是搜索引擎使用它的原因。
其中,PR(A):指網頁A的佩奇等級(PR值)
PR(B)、PR(C)...PR(N)表示鏈接網頁A的網頁N的佩奇等級(PR)。N是鏈接的總數,這個鏈接可以使來自任何網站的導入鏈接(反向鏈接)。
L(N):網頁N往其他網站鏈接的數量(網頁N的導出鏈接數量)
q:阻尼系數,介于0-1之間,google設為0.85.
從上面的公式我們可以看到網頁A的PR是由鏈接它的其他網頁L(N)所決定的。在網頁L(N)中如果有一個鏈接指向網頁A,那么A就得到了一個“投票氣而這個投票來自網上任何一張網頁。每個“投票”都是表示一份“支持”。越多的鏈接指向網頁A,網頁A的PR值或者等級就越高。沒有鏈接就是沒有一個網頁支持A。
但是不同網頁的PR值不同,所以不同的網頁給網頁A的投票權重是不一樣的。
2、完整的PR值計算方法
這個方程式引入了隨機瀏覽的概念,即有人上網無聊隨機打開一些頁面,點一些鏈接。一個頁面的PageRank值也影響了它被隨機瀏覽的概率。為了便于理解,這里假設上網者不斷點網頁上的鏈接,最終到了一個沒有任何鏈出頁面的網頁,這時候上網者會隨機到另外的網頁開始瀏覽。
為了對那些有鏈出的頁面公平,q = 0.15(q的指阻尼系數)的算法被用到了所有頁面上,估算頁面可能被上網者放入書簽的概率。
所以,這個等式如下:
p1,p2,…,pN是被研究的頁面,M(pi)是鏈入pi頁面的數量,L(pj)是pj鏈出頁面的數量,PageRank值是一個特殊矩陣中的特征向量。這個特征向量為
R是等式的答案
如果pj不鏈向pi, 而且對每個j都成立時,等于 0