谷歌算法始於PageRank，這是1997年拉里·佩奇(Larry Page)在史丹福大學讀博士學位時開發的。佩奇的創新性想法是：把整個網際網路複製到本地資料庫，然後對網頁上所有的連結進行分析。基於入連結的數量和重要性、及錨文本對網頁的受歡迎程度進行評級，也就是通過網路的集體智慧確定哪些網站最有用。隨著谷歌迅速成為網際網路上最成功的搜尋引擎，佩奇和谷歌的另一名創始人塞吉·布林(Sergey Brin)將PageRank這一簡單概念看做谷歌的最根本創新。PageRank具有其優勢，為帶來高質量的搜尋結果做出了貢獻。但這種過度依靠外鏈分析單一算法也具有弊端，那就是很多站長採取作弊手法來增加網站的外鏈，因此網路上有很多垃圾外鏈。為了應對這種情況谷歌13年更新了其核心算法，那就是蜂鳥算法（Hummmingbird)。在此套算法中，PageRank仍舊起很大作用，但是已經不是唯一的排名機制！隨著時間的推移，外鏈在排名中所起的作用將逐漸衰落！
基本介紹
算法簡介,算法創始,背景知識,最佳化搜尋,識別語義,不斷創新,排名因素,
算法簡介
谷歌搜尋算法
這是一個很普通的搜尋，谷歌每天要處理成千上萬的這種搜尋。但事實上這一搜尋過程十分複雜，可能使一些搜尋引擎誤解。如果把這些單詞輸入到必應，第一個結果是美國國家橄欖球聯盟的歷年球員名單，其中有一個名叫Lawyer Milloy。搜尋結果中的下面幾頁，也沒有與律師Siwek相關的內容。
這一對比顯示出谷歌算法的強大，甚至可以說是智慧型，而這是通過反覆的修正實現的。看起來谷歌擁有解讀用戶需求的神奇力量——不論是多么生僻的搜尋，或是有拼寫錯誤。谷歌將這種能力稱為搜尋質量，並且多年來一直竭力完善算法，以產生精確的搜尋結果。
2013年9月27日，谷歌公布已推出“蜂鳥”(Hummingbird)算法，徹底革新代替舊版搜尋算法，以應對來自網路用戶更長、更複雜的查詢。
算法創始
但這並不是故事的全部。人們信賴PageRank是因為它是可以進行確認的，但要提供最有用的結果還需要其他技術。這涉及對某些信號、上下文的利用，這樣對於任何查詢，搜尋引擎都能將最有用的結果排在最前面。
背景知識
網路搜尋是一個多方過程。首先，谷歌機器人獲取每個可訪問網站的內容。這些數據將被分解成一個索引(通過文字進行組織，就像書本的目錄)，這樣就可以根據內容找到任何頁面。每當用戶鍵入一個查詢，谷歌就會在索引中搜尋相關頁面，然後返回一個包含多達數百萬頁面的列表。最複雜的是對列表進行排序，也就是決定哪些頁面應該出現在最上面。
此時，上下文便有了用武之地。所有搜尋引擎都會引入上下文，但沒有一個像谷歌那樣引入得那樣多、套用那樣自如。PageRank本身也是一個信號，同時也是頁面的一個屬性(指其相對於其他網頁的重要性)，該屬性可以幫助確定其與查詢內容的相關性，其中的一些信號在現在看來是顯而易見的。
最佳化搜尋
谷歌工程師發現，一些最重要的信號可能來自谷歌本身。PageRank將受歡迎程度植入了搜尋引擎：成千上萬的網站民主地決定將連結指向哪些網站。但辛格表示，谷歌工程師還利用了另一種民主 ——成千上萬使用谷歌搜尋的用戶。用戶在搜尋過程中產生的數據被證明同樣很有價值，這些數據包括他們點擊哪些結果、不滿意時對關鍵字的更改、查詢關鍵字與所處地理位置的關係等。這一過程的最直接例子就是谷歌所說的“個性化搜尋”——這是一個可選功能，利用用戶的搜尋歷史和地理位置來確定他想要找的內容(使用這項功能需要先登錄谷歌賬號)。更通常的方法是，谷歌利用其收集的大量數據支持其算法，谷歌對此有極深的理解，可以解讀隱秘查詢的複雜意圖。
識別語義
谷歌以善於鼓勵這些創新而聞名，每年公司都會舉辦“瘋狂搜尋創意”內部展示活動，以便鼓勵那些離奇但有套用潛力的創新。但大多數時候，改進的過程是充滿艱辛的，需要矢志不渝的精神，需要面對嘗試過程中的打擊。有一個不成功的搜尋已經成為傳奇：2001年，辛格得知輸入“audrey fino”時無法搜到預期內容，而只是返回一些讚揚奧黛麗·赫本(Audrey Hepburn)的印度網頁，因為在印度語中“fino”是好的意思。辛格說：“我們知道audrey fino是個人名，但我們的系統沒這么聰明。”
這一失敗使辛格花了多年時間，試圖改進谷歌對姓名的搜尋結果——因為姓名占總搜尋量高達8%。為了解決這一問題，他不得不掌握“bi-gram拆分”，也就是將多個詞分割成獨立的單元。比如，“new york”合在一起組成一個bi-gram，指的是紐約。但也有三個字的情況，比如“new york times”，意思是紐約時報，很明顯二者指的不是同一樣東西。如果用戶輸入的是“new york times square”，意思又變成了紐約時代廣場。人類可以很容易做出區分，而谷歌不是由人工控制的，它依靠的是算法。
“Mike Siwek”這一搜尋可以解釋谷歌是如何解決這一問題的。辛格輸入顯示代碼的命令後，我們就可以看到信號是如何決定搜尋結果排序的：通過bi-gram可以確定mike siwek是一個人名，lawyer是一個同義詞，mi是一個地名。辛格說：“從工程師的角度進行解構，系統會對這些詞進行分割，它會發現lawyer不是姓氏，siwek不是中間名。同時lawyer也不是密西根的一個鎮，因此它是attorney的同義詞。”
這是谷歌從無數次搜尋中獲得的可貴知識。石頭可以是“rock”，可以是“stone”，還可以是“boulder”(漂石)。如果用戶輸入“rokc”，谷歌仍會知道他想找的是“rock”。但如果在“rokc”前加“little”，谷歌則會知道這是“Arkansas”(阿肯色州)的首府。“Arkansas”的縮寫是 “ark”，與諾亞方舟同形，但谷歌會將二者區分開來。辛格說：“搜尋中最重要的是理解用戶的意圖，因此你不是在匹配詞語，而是在匹配意思。”
谷歌一直在不斷改進。近期，谷歌工程師莫琳·海曼斯(Maureen Heymans)發現了“Cindy Louise Greenslade”的搜尋結果的問題。用戶輸入這些單詞時，算法會認為應該找一個名叫Cindy Louise的人，於是在加利福尼亞的加登格羅夫市找到了一名心理學家，卻沒有把姓名為“Cindy Louise Greenslade”的人的網頁放在結果的前十名。海曼斯發現，這是因為“Cindy Louise Greenslade”習慣將名字縮寫成“Cindy L. Greenslade”。她表示：“我們的搜尋引擎應該更聰明一點。”於是她增加了一個信號，用來尋找中間名的縮寫。現在正確的結果已經被排在了第五位。
不斷創新
在任何時候，谷歌高效運轉的測試系統都會進行幾十個這種改進。谷歌在全世界專門僱傭了上百人，這些人坐在家裡的電腦前判斷更改後的結果是更好還是更差。但谷歌還有一個更大的測試團隊，這就是成千上萬的谷歌用戶，他們不知不覺地加入了這項長期的質量實驗。
每當工程師想測試一項技術調整時，他們會在一小批隨機用戶中運行這些算法，而絕大多數的用戶扮演的是參照組的角色。需要測試的更改太多，因此谷歌放棄了一次只測試一項技術調整的策略。搜尋質量工程師派屈克·賴利(Patrick Riley)表示：“在大多數搜尋過程中，你同時都處於多個‘實驗組’和‘參照組’之中。”但他隨後又做出了更正：“事實上，所有搜尋都被捲入了實驗之中，因此用戶每次用谷歌搜尋，都作了一次‘小白鼠’。”
這種靈活性——增加信號、更改代碼、立即測試的能力——就是谷歌團隊為什麼說他們可以應對來自必應、Twitter和Facebook的任何挑戰的原因。事實上，在過去的六個月中，谷歌進行了200多項改進，其中一些似乎在模仿(但超越了)它的競爭對手(谷歌表示這只是巧合，稱其多年來一直在增加新功能)，其中之一就是實時搜尋。
佩奇數月前曾表示谷歌應該每一秒鐘都搜尋整個網路，因此使這一功能備受期待。當用戶搜尋具有時效性的話題時，谷歌結果頁面的10個藍色連結中會有一個“最新結果”框。該框帶有拖動條，顯示的是從新聞媒體、部落格和Twitter等獲得最新內容。同樣，谷歌使用信號來確保最有用的tweet(Twitter上發布的訊息)出現在實時信息框中。
除了實時搜尋，谷歌還引入了一項新功能，稱作“Goggles”。該功能可以將用戶手機上拍攝的照片視作搜尋請求。谷歌一直努力將搜尋變成一種隨時隨地的行為，“Goggles”也是該努力的一部分。有了攝像和語音識別功能，智慧型手機就會變成你的眼睛和耳朵。只要找到正確的信號，任何東西都可以變成搜尋請求。
排名因素
Google 排名取決於以下各項，如果您的網站能夠做到的話，在排名是有相當的位置的了。
關鍵字：
1.url中的關鍵字（第一和第二個字是最有價值的......）
2.域名中的關鍵字（英文網站的優勢）
（Head部分）
3.Title tag中的關鍵字及與頁面正文的相關性（最佳長度為55個英文字元，包含空格等其他字元）
4.Description tag的撰寫，是否包含相關關鍵字及是否能很好的概述正文內容（最佳長度為155個英文字元，包含空格等其他符合。現在谷歌在搜尋結果中不再完全依賴網頁原有的title 及description，可根據搜尋詞摘取網頁內容來自定義title及description）
5.Keywords tag中的關鍵字（小於10個字，單個關鍵字必須在頁面Body部分出現2次以上才有效，否則可能會被評估為Spam而受到處罰，官方曾說明說不再依據此參數評價，但其實仍在使用）
(Body部分)
6.關鍵字在Body文字部分的密度（5 - 20% - (all keywords/ total words)）
7.單個關鍵字密度（1 - 6% - (each keyword/ total words)）
8.在H1、H2、H3中的關鍵字（使用H1、H2、H3字型）
9.關鍵字字型尺寸（使用黑體、粗體、斜體......）
10.關鍵字接近度（2個關鍵字之間鄰近的是最佳）
11.關鍵字短語順序
（其他部分）
12.關鍵字在Alt文字中（圖形中的Alt屬性）
13.關鍵字在外部站點連結中（錨文本）
導航－內部連結部分：
14.內部頁面的關鍵字（連結頁面應該包含關鍵字）
15.所有內部連結必須是有效的
16.結構樹（任何頁面不超過4層深度連結）
17.低級頁面之間適當的連結
導航－外部連結部分：
18.外部頁面的關鍵字（連結須指向優秀站點，不要連結frame）
19.外部連結的錨文本（應該在此上展開主題和敘述）
20.連結穩定性（避免連結隨時變換）
21.所有外部連結是有效的
22.少於100個外部連結（官方稱限制100個，實際容許2－3次2000個）
頁面上的其他因素：
24.域名等級（.edu是最高等級，其次是.org，而.com由於包含很多spam信息，所以會受到嚴格審查）
25.檔案尺寸（頁面尺寸絕對不要超過100K，小於40K的為最佳）
26.URL中的連字元（1個或2個是最佳的，4個以上將被認為是spam，10個很可能被降級）
27.頁面更新率（對於新聞、零售、拍賣等站點更新越快越好）
28.頁面數量的更新率（老頁面與新頁面的比值）
29.連結的的更新率（尚未能分析）
30.更新頻率（更新頻率=蜘蛛的抓取頻率）
31.頁面主題
32.關鍵字衍生.....
33.語義關聯（同義詞等...）
34.潛在的語義索引
35.URL長度（儘可能的小，在IE中只允許2000個字元以內，最好控制在100字元以內）
36.站點大小（Google認為站點越大說明更大的資金支持、更好的組織、更好的架構，因此它會是好的站點）
37.站點年齡（越老越好）
38.頁面的年齡與站點上其他頁面的年齡排名不利因素（三）
39.在圖像的form中有文字描述，但Body中沒真正的文字描述；
40.鏡像站點
41.過度最佳化
42.連結一個壞站點（不要連結frame....，定期檢查每個外部連結站點在Google的狀態）
43.重定向或刷新metatags（除非用戶點擊，否則不要自動跳轉頁面）
44.不要使用一些不文明的辭彙
45.毒藥單詞
46.過多的橫向連結（在你的WEB伺服器中有多個站點，它們的橫向連結會被視為無效的投票）
47.圖片、文字的反盜鏈
48.關鍵字重複填充（降級處理）
49.關鍵字稀釋（頁面存在過多的非相關關鍵字，將會降低你真實內容的重要性）
50.頁面內容編輯會降低一致性（定期會對老的cache與新的cache進行比對，如果發現關鍵字、主題變化了，
將會影響它的評價，這是針對SEO的有效工具）
51.內容改變頻率（ 過於頻繁是不利的）
52.錨文本更新率（過於頻繁是不利的）
53.動態頁面（這是搜尋引擎的缺陷，可採用縮短URL,減少變數等辦法，最好不要使用動態頁面）
54.過多的JS代碼（不要使用重定向和隱藏連結功能）
55.Flash頁面（搜尋引擎的蜘蛛是不能抓取flash內容的，如果要用flash頁面，須同時有一個靜態入口頁面）
56.使用frame
57.Robot中設定了“no index”的tag
58.單個像素的連結（會被認為是一個鬼祟的連結）
59.不可見的文字（文字與背景色相同，頁面上不可見，但能被蜘蛛檢索到）
60.門頁
61.內容重複（通常選一個最老的推送到前面，把其他的推送下去）
62.HTML代碼需符合W3C標準
目前，國內外的SEO都在研討網站排名的要素，聽說有一百多種。不過可以把握的技巧無非都是最根本的那幾種。目前，只需你可以針對你的網站把以上的辦法都做好，那么在google上得到一個好的排名應該是天經地義的事情
關鍵字：
1.url中的關鍵字（第一和第二個字是最有價值的......）
2.域名中的關鍵字（英文網站的優勢）
（Head部分）
3.Title tag中的關鍵字及與頁面正文的相關性（最佳長度為55個英文字元，包含空格等其他字元）
4.Description tag的撰寫，是否包含相關關鍵字及是否能很好的概述正文內容（最佳長度為155個英文字元，包含空格等其他符合。現在谷歌在搜尋結果中不再完全依賴網頁原有的title 及description，可根據搜尋詞摘取網頁內容來自定義title及description）
5.Keywords tag中的關鍵字（小於10個字，單個關鍵字必須在頁面Body部分出現2次以上才有效，否則可能會被評估為Spam而受到處罰，官方曾說明說不再依據此參數評價，但其實仍在使用）
(Body部分)
6.關鍵字在Body文字部分的密度（5 - 20% - (all keywords/ total words)）
7.單個關鍵字密度（1 - 6% - (each keyword/ total words)）
8.在H1、H2、H3中的關鍵字（使用H1、H2、H3字型）
9.關鍵字字型尺寸（使用黑體、粗體、斜體......）
10.關鍵字接近度（2個關鍵字之間鄰近的是最佳）
11.關鍵字短語順序
（其他部分）
12.關鍵字在Alt文字中（圖形中的Alt屬性）
13.關鍵字在外部站點連結中（錨文本）
導航－內部連結部分：
14.內部頁面的關鍵字（連結頁面應該包含關鍵字）
15.所有內部連結必須是有效的
16.結構樹（任何頁面不超過4層深度連結）
17.低級頁面之間適當的連結
導航－外部連結部分：
18.外部頁面的關鍵字（連結須指向優秀站點，不要連結frame）
19.外部連結的錨文本（應該在此上展開主題和敘述）
20.連結穩定性（避免連結隨時變換）
21.所有外部連結是有效的
22.少於100個外部連結（官方稱限制100個，實際容許2－3次2000個）
頁面上的其他因素：
24.域名等級（.edu是最高等級，其次是.org，而.com由於包含很多spam信息，所以會受到嚴格審查）
25.檔案尺寸（頁面尺寸絕對不要超過100K，小於40K的為最佳）
26.URL中的連字元（1個或2個是最佳的，4個以上將被認為是spam，10個很可能被降級）
27.頁面更新率（對於新聞、零售、拍賣等站點更新越快越好）
28.頁面數量的更新率（老頁面與新頁面的比值）
29.連結的的更新率（尚未能分析）
30.更新頻率（更新頻率=蜘蛛的抓取頻率）
31.頁面主題
32.關鍵字衍生.....
33.語義關聯（同義詞等...）
34.潛在的語義索引
35.URL長度（儘可能的小，在IE中只允許2000個字元以內，最好控制在100字元以內）
36.站點大小（Google認為站點越大說明更大的資金支持、更好的組織、更好的架構，因此它會是好的站點）
37.站點年齡（越老越好）
38.頁面的年齡與站點上其他頁面的年齡排名不利因素（三）
39.在圖像的form中有文字描述，但Body中沒真正的文字描述；
40.鏡像站點
41.過度最佳化
42.連結一個壞站點（不要連結frame....，定期檢查每個外部連結站點在Google的狀態）
43.重定向或刷新metatags（除非用戶點擊，否則不要自動跳轉頁面）
44.不要使用一些不文明的辭彙
45.毒藥單詞
46.過多的橫向連結（在你的WEB伺服器中有多個站點，它們的橫向連結會被視為無效的投票）
47.圖片、文字的反盜鏈
48.關鍵字重複填充（降級處理）
49.關鍵字稀釋（頁面存在過多的非相關關鍵字，將會降低你真實內容的重要性）
50.頁面內容編輯會降低一致性（定期會對老的cache與新的cache進行比對，如果發現關鍵字、主題變化了，
將會影響它的評價，這是針對SEO的有效工具）
51.內容改變頻率（ 過於頻繁是不利的）
52.錨文本更新率（過於頻繁是不利的）
53.動態頁面（這是搜尋引擎的缺陷，可採用縮短URL,減少變數等辦法，最好不要使用動態頁面）
54.過多的JS代碼（不要使用重定向和隱藏連結功能）
55.Flash頁面（搜尋引擎的蜘蛛是不能抓取flash內容的，如果要用flash頁面，須同時有一個靜態入口頁面）
56.使用frame
57.Robot中設定了“no index”的tag
58.單個像素的連結（會被認為是一個鬼祟的連結）
59.不可見的文字（文字與背景色相同，頁面上不可見，但能被蜘蛛檢索到）
60.門頁
61.內容重複（通常選一個最老的推送到前面，把其他的推送下去）
62.HTML代碼需符合W3C標準
目前，國內外的SEO都在研討網站排名的要素，聽說有一百多種。不過可以把握的技巧無非都是最根本的那幾種。目前，只需你可以針對你的網站把以上的辦法都做好，那么在google上得到一個好的排名應該是天經地義的事情
