百度统计系统是否作假搜索引擎真的没搞鬼

时间：2023-07-17 09:17:32 其他范文收藏本文下载本文

以下是小编精心整理的百度统计系统是否作假搜索引擎真的没搞鬼，本文共3篇，供大家阅读参考。

百度统计系统是否作假搜索引擎真的没搞鬼

篇1：百度统计系统是否作假搜索引擎真的没搞鬼

即使Google这样的搜索引擎，盈利模式也严重依赖竞价排名的点击费用，

所以很多投放搜索引擎广告的客户都怀疑自己的广告投入中，很多部分都是搜索引擎通过技术手段点击掉的。

我的一位朋友就认为自已抓住了百度数据作假的证据，在他的百度统计报告中，来自搜索引擎百度的点击量有266次，但他公司网站上安装的511a流量统计器上显示只有190个IP来自百度，即使把这些IP都算成是百度竞价推广的点击，那还相差76次，误差高达近30%!这到底是怎么回事?

首先我认为百度统计本身就会有一定误差，比如5%以内是很有可能的，毕竟百度广告网络访向规模这么大，统计完全无误似乎很难。但误差接近30%也是不正常的，不过由此就得出百度统计系统作假的结论却不公平。

事实上我认为百度没有理由在统计方面主动人为系统造假，因为这样的行为是不可能被长期隐瞒的，一旦揭发，作为一家在美国上市的公司，股票将遭受公众无情地抛弃，也会引起监管部门的强力惩罚，这不符合百度的利益。而作为本地分公司或代理，虽然可以在点击收费中获得利益，但他们可没有能力修改百度竞价后台数据。那为什么百度统计和511a统计会出现不一致呢?

这件事用技术方式解释起来很麻烦，我只能简单打一个比方告诉我朋友，百度好比是一家租车公司，每一次点击就相当于你租了一辆车，你租车是想开到酒店住宿，但是很可能出现以下情况:

1.租车的人太多，路被堵塞了(比如出现网络访问不畅);

2.前面路口出现交通事故，让你堵死了(比如网络路由服务器出现问题);

3.在半路上你发现要访问的酒店地址是错误的〔好比你提交的网站URL地址是错的);

4.到了酒店，没有停车位，没法停车(好比网站访问人瞬时过多，没办法访问);

5.好不容易找到停车地，却发现酒店停业整顿(好比网站因各种原因无法访问，比如域名解析服务器出现问题，网站空间服务器出现问题);

6.你进了酒店，却发现很多人排队，你懒得等走了(好比网站首页还在打开过程中你就把网页给关了);

7.你领了房卡，却发现酒店电脑没有更新信息让你入住(好比流量统计器统计出现误差，流量统计器本身也有至少10%的误差);

8.其实你不是从租车公司直接租的车，你是从租了他的车的人手上转租的(好比你不是通过百度访问，而是通过网站联盟访问的)，

无论哪种情况，你都不认为你租车最终目的达到了吧，可你都得出租车费吧?百度统计不准也是这些原因造成的。

特别要解释一点，流量统计器往往装在网页的页脚文件中，也就意味着网页不全部打开到底部，流量统计器是不会被激活进行统计的。假如你安装的流量统计器也有这样的问题，你将流量统计器装到网页顶部页眉文件中，让网页一打开就执行流量统计器，那么统计误差可以大大缩小。

一般遇到这样的问题，我要提醒各位得为自己公司的网站买一个好一点的空间和租用相对大一点的访问带宽，这样，网站访问速度快，并且空间服务器稳定可靠，保证网站访问畅通。不至于让客户因为网站速度慢，失去耐心，没有打开网站就离开页面，白白浪费广告投入。

作者：张志

篇2：百度拼写检查系统在搜索引擎中的分析总结

摘要：在网络营销中，经过分析得出百度的分词系统采用双向最大匹配分词，但是后来发现推理过程中存在一个漏洞，而且推导出来的百度分...

摘要：在网络营销中，经过分析得出百度的分词系统采用双向最大匹配分词，但是后来发现推理过程中存在一个漏洞，而且推导出来的百度分词算法步骤还是过于繁琐，所以网站推广编辑进一步进行分析，看看是否前面的推导有错误，

拼写检查：

（1）用户输入查询，如果是多个子字符串，不作拼写检查;

（2）对于用户查询，先查分词词典，如果发现有这个单词词条，OK，不作拼写检查;

（3）如果发现词典里面不包含用户查询，启动拼写检查系统;首先利用网络营销拼音标注程序对用户输入进行拼音标注;

（4）对于标注好的拼音在同音词词典里面扫描，如果没有发现则不作任何提示;

（5）如果发现有词条，则按照顺序输出权重比较大的几个提示结果;

拼音提示：

（1）对于用户输入的拼音在同音词词典里面扫描，如果没有发现则不作任何提示;

（2）如果发现有词条，则按照顺序输出权重比较大的几个提示结果;

后台作业：

（1）通过标注完的词条，建立同音词词典，比如上面的”长大“，会有两个词条： zhang daà长大” ， chang daà长大。

（2）前面的文章我们说过，百度分词使用的词典至少包含两个词典一个是普通词典，另外一个是专用词典（专名等），百度利用拼音标注程序依次扫描所有词典中的每个词条，然后标注拼音，如果是多音字则把多个音都标上，比如”长大“，会被标注为”zhang da/chang da“两个词条。

（3）利用用户查询LOG频率信息给予每个中文词条一个网站推广权重;

（4）OK，同音词词典建立完成了，当然随着分词词典的逐步扩大，同音词词典也跟着同步扩大

那么以前的分析有什么漏洞呢？我们推导百度分词有反向最大匹配的依据是百度将“北京华烟云”分词为《北，京华烟云》，从这里看好像采用了反向最大匹配，因为正向最大匹配的网络营销结果应该是《北京，华，烟云》，但是由此就推论说百度采用了双向最大匹配还是太仓促了，前面文章我们也讲过，百度有两个词典，一个普通词典，一个专有词典，而且是专有词典的网络营销词汇先切分，然后将剩余片断交给普通词典去切分，

所以上面的“北京华烟云”之所以被切分成《北，京华烟云》，另外一个可能是：京华烟云这个词汇是在专有词典里面存储的，所以先分析，这样得出“京华烟云”，剩下“北”，没什么好切分的，所以输出《北，京华烟云》。

这里只是假设，那么是否确实“京华烟云”在专有词典呢？我们再看一个例子网站推广“山东北京华烟云”，百度切分的结果是《山东，北，京华烟云》，如果“京华烟云”在普通词典，如果是反向切分，那么结果应该是《山，东北，京华烟云》，如果是正向切分应该是《山东，北京，华，烟云》，无论如何都分不出《山东，北，京华烟云》。这说明什么？说明“京华烟云”是在那个专有词典，所以先切分出“京华烟云”，然后剩下的“山东北”交由普通词典切分，明显是正向最大匹配的网络营销结果输出《山东，北》。当然按照我们在第一篇文章的算法推导“山东北”的切分也会得出《山东，北》的结论，但是明显比正向最大匹配多几个判断步骤，既然效果一样，另外一个更加简洁的方法也能说得通，那当然选择简便的方法了。所以初步判断网站推广百度采取的是正向最大匹配。

我们继续测试采用何种分词算法，为了减少专有词典首先分词造成的影响，那么查询里面不能出现相对特殊的网络营销词汇，构筑查询“天才能量级”，这里应该没有专有词典出现过的词汇，百度切分为《天才，能量，级》，看来是正向最大匹配的结果。另外，如果所有查询词汇都出现在专有词典，那么采取的是何种方法？这样首先就得保证词汇都出现在专有词典，这么保证这一点呢？我们构造查询“铺陈晓东方”，百度网络营销切分为《铺，陈晓东，方》，可以看出“陈晓东”是在专有词典的所以先切分出来。另外一个例子 “山东京城”，百度切分为《山东，京城》，说明“东京”是在普通词典的.OK，构造查询“陈晓东京华烟云”，通过前面分析可以看出网络营销两个词汇都在专有词典里面，百度切分为《陈晓东，京华烟云》，说明对于专有词典词汇也是采取正向最大匹配或者双向最大匹配。那么使用反向最大匹配了吗？构造查询例子“陈晓东方不败”，首先我们肯定“陈晓东”和“东方不败”都是在专有词典出现的，如果是正向切分，那么应该是《陈晓东，方，不败》或者《陈晓东，方，不，败》如果是反向切分则是《陈，晓，东方不败》，可以看出百度的切分是《陈晓东，方，不败》或者《陈晓东，方，不，败》，说明网络营销中采用的是正向最大匹配。通过分析，百度的词典不包含“不败”这个单词，所以实际上百度的切分结果是《陈晓东，方，不，败》，很明显这和我们以前推导的网站推广算法是有矛盾的，所以以前的分析算法确实有问题，所以结论是百度采取的是正向最大匹配算法。

另外，GOOGLE也是采用正向最大匹配分词算法，不过好像没有那个专用词典，所以很多专名都被切碎了。

从这点讲，GOOGLE在中文词典构建上比百度差些，还需要加把子力气才行，不过这也不是什么多难的。

总结：在网络营销中，重新归纳一下百度的分词系统：首先用专有词典采用最大正向匹配分词，切分出网站推广部分结果，剩余没有切分交给普通词典，同样采取正向最大匹配分词，最后输出结果。