在网络黄金时代，浏览器能说是现实生活的一小部分。除此以外，浏览器经过20十多年的连绵不断，依然牢牢地占有着网络流量出口处，不得已让人感慨。
所以，提出诉讼浏览器，他们单厢想不到一间矮小上的超大型子公司和一间被黑出xiang的巨霸子公司。不足以想必浏览器的积极作用。
做为商品人，为此总之无法无动于衷，也如果介绍介绍其组织工作基本原理。
浏览器组织工作基本原理大体能分成3个关键步骤
1. 两栖类与截取
2. 后处理
3. 次序
简而言之一图胜聪悟，没图我说个……
PS：上图归纳自《SEO两栖作战公钥》。
上面详尽描述：
两栖类与截取
简单地说：就是浏览器蜘蛛沿着网络络两栖类并截取其两栖类的页面，将这些截取的页面存储起来。
说到这，你可能会问：为甚么叫「蜘蛛」？
为了截取尽量多的页面，浏览器会跟踪页面上的链接，从一个页面两栖类到下一个页面，好像蜘蛛在蜘蛛网上两栖类那样，这就是浏览器蜘蛛这个名称的由来。
浏览器在跟踪网络上的链接时，会使用一定策略，因为现在的网络链接太多。最简单的两栖类遍历策略有两种，一种是深度优先，一种是广度优先。
还有一点值得一提：浏览器访问网站页面时类似于普通用户使用的浏览器。浏览器蜘蛛截取的数据存入原始页面数据库，其中的页面数据与用户浏览器得到的HTML完全一样。
后处理
由于截取的页面数量太大（以亿为单位），无法快速实时次序，所以需要后处理。这就是商品设计中的「复杂性守恒原则」，他们没办法让用户等待十几秒甚至更久，就只能在后台处理上下功夫。
在一些资料中，「后处理」也被称为「索引」，因为「索引」是后处理最主要的内容。
后处理的过程比较复杂，值得一提的有这么几点：
- 去重：对于内容相似度高的，浏览器不喜欢，因为用户不喜欢这样的内容。所以，浏览器的去重算法很可能不止于页面级别，而是进行到段落级别。因此，混合不同文章、交叉调换段落顺序也无法使转载和抄袭变成原创。所以，少抄袭，多原创吧。
- 正向索引：能简称为「索引」。通过这个关键步骤，浏览器将页面及关键词形成词表结构存储进索引库。简化的索引词表形式如下。你看，这样就得到了每个文件（如每个页面）的对应关键词。这样用户就能搜索了吗？还不行。
- 倒排索引：正向索引虽然提供了文件与关键词的对应关系，但无奈用户搜索的是关键词，因此浏览器还需根据这些对应关系找到某关键词对应的文件，这样的计算量无法满足实时返回排名结果的要求。因此，还需要倒排索引。倒排索引与正向索引刚好相反，它以关键词为关键，简单来说如下表：
得到了倒排索引，就能很快地根据用户搜索的关键词找到对应文件，但这样就够了吗？别天真啊。
通过上述关键步骤，其实只得到了页面本身的内容。说白了，就是页面本身告诉浏览器自己如何如何。
俗话说：王婆卖瓜，自卖自夸。
就像他们网购时不仅会看店家给的商品介绍，还会看看买家的评论一样，页面内容质量，也需要其他人的评价——这里的「其他人」指「其他页面。」所以，他们还需要链接关系计算。
- 链接关系计算：每个页面上都有链接，不同页面之间用链接互相关联起来，这些关联关系，就形成了其他页面对某个页面的评价。这些复杂的链接指向关系形成了网站和页面的链接权重。
排名
发现没有：排名，是用户是用户唯一能感觉到的关键步骤，两栖类与截取、后处理，都在后台完成。正因如此，用户才会感到用起来十分快捷。
排名的过程也比较复杂，其中值得一提的有如下几点：
- 搜索词处理：说白了，就是处理用户输入的关键词。这一步对用户来说更为关键，因为浏览器还不够智能，需要他们去学习一些高级指令，以获得更为精准的内容。
但由于每个关键词对应的文件数量都可能是巨大的（如几亿个），处理如此庞大的数据量，无法满足用户对「快」的需求。同时，用户并不需要所有内容，他们往往只查看前几页内容，甚至很多用户只查看第一页的前几条内容。因此，选择一定数量的内容进行处理，很有必要。这就涉及到选择初识子集。
但如何选择呢？这是一个问题。
- 选择初识子集：选择出示子集，关键在于「权重」。所以说权重有多重要，即使页面做得好，但权重不高，连做备胎的机会都没有。
- 相关性计算：这是排名过程中最重要的一步，最终搜索结果页面的排名基本按照相关性从高到低次序。
但到此就结束了吗？还没有哦。
- 排名过滤及调整：为了保证用户搜索结果更符合用户需求，浏览器需要过滤掉那些处心积虑钻空子的页面，在这一步，浏览器会找出这些页面并施加惩罚。典型的例子是百度的11位。所以，过度优化有风险。
- 查询及点击日志：通过这一步，浏览器记录了用户的一些数据，从而为后续的优化提供依据。这和商品日常组织工作中的数据埋点有些相似。
本文由 @ITDoer 原创发布于人人都是商品经理。未经许可，禁止转载
评论已关闭！