如何發現競爭對手使用（黑帽手法）可以檢舉他！

一些垃圾網站檔在你的【搜尋引擎排名】關鍵字輸入後的前面，你真的沒辦法超越他嗎？
告訴你一個最有用的方法：那就是檢舉他（讓他下地獄吧！）
在追蹤別人反向連結的時候常會發現黑帽網站，在這裡和大家分享，教你如何找出競爭對手的下三爛手法，檢舉他（讓他下地獄吧！）。
方法是：這種網站，初一看很正常，或是個政府的網站，相當正規啊，一開始大家也納悶，還以為友情連結或是評論上別人帶了連結了。但是開啟網站原始碼一看，好戲出現了：
你可以開啟他的原始碼，然後搜尋wow gold,結果你會發現有很多wow之類的網站連結隱藏再裡面，而且有個政府的連結：政府的網站連結也被改了。
這種不用說，是徹徹底底的黑帽做法，因為gov，edu和mil的網站相對權重比較高，所以，這也成了很多seo公司下手的對象。這樣的連結質量不用說，是很好的。
但是，畢竟是spam，而且是很嚴重的spam，我們也可以看到，黑這個政府網站的人要做的網站也已經被google懲罰，所以，建議大家不要用這種做法。
短期可行，但是紙還是包不住火的，也希望廣大seo少用這種做法吧。

請注意：gov，edu，mil的網站國外不要太豐富，美國航空航天局，海岸警衛隊，哈弗大學，耶魯大學等，都有很多可以留言和發表意見的地方，大家都可以拿來當資源，黑別人網站畢竟是不地道的，希望大家避免吧。

要提升網站的pagerank值...介紹pagerank值（搜尋引擎排名教學）

PageRank讓連結來"投票"

一個頁面的「得票數」由所有鏈向它的頁面的重要性決定。一個頁面的「得票數」由所有鏈向它的頁面的重要性決定。 到一個頁面的超連結相當於對該頁投一票。到一個頁面的超連結相當於對該頁投一票。 一個頁面的PageRank 是由所有鏈向它的頁面（「鏈入頁面」）的重要性經由遞歸算法得到的。一個頁面的PageRank是由所有鏈向它的頁面（「鏈入頁面」）的重要性經由遞歸算法得到的。 一個有很多鏈入的頁面會有很高的等級，相反如果一個頁面沒有任何鏈入頁面，那麼它沒有等級。一個有很多鏈入的頁面會有很高的等級，相反如果一個頁面沒有任何鏈入頁面，那麼它沒有等級。

2005年初，Google 為網頁連結推出一項新屬性nofollow ，令網站管理員和網志作者可以做出一些Google 不會計算為投票的連結；這些連結不算作"投票"。 2005年初，Google為網頁連結推出一項新屬性nofollow ，令網站管理員和網誌作者可以做出一些Google不會計算為投票的連結；這些連結不算作"投票"。 nofollow 的設定可以抵制評論垃圾。 nofollow的設定可以抵制評論垃圾。

Google 工具條上的PageRank 從0 到10。 Google工具條上的PageRank從0到10。 它似乎是一個對數標度算法。它似乎是一個對數標度算法。 這個算法的細節是不明的。這個算法的細節是不明的。 PageRank是Google 的商標，PageRank 技術已經申請專利 。 PageRank是Google的商標，PageRank技術已經申請專利 。

PageRank 算法中的點閱算法是由Jon Kleinberg提出的。 PageRank算法中的點閱算法是由Jon Kleinberg提出的。

[ 編輯 ] PageRank算法 [ 編輯 ] PageRank算法

[ 編輯 ] 簡單的 [ 編輯 ] 簡單的

假設一個由4個頁面組成的小團體： A ， B ， C和D 。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 ，那麼A的PR （PageRank）值將是B ， C及D的和。如果所有頁面都鏈向A ，那麼A的PR （PageRank）值將是B ， C及D的和。

    P R ( A ) = P R ( B ) + P R ( C ) + P R ( D ) P R ( A ) = P R ( B ) + P R ( C ) + P R ( D )

繼續假設B也有連結到C ，並且D也有連結到內含A的3個頁面。繼續假設B也有連結到C ，並且D也有連結到內含A的3個頁面。 一個頁面不能投票2次。一個頁面不能投票2次。 所以B給每個頁面半票。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。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)= \frac{PR(B)}{2}+ \frac{PR(C)}{1}+ \frac{PR(D)}{3}

換句話說，根據鏈處總數平分一個頁面的PR值。換句話說，根據鏈處總數平分一個頁面的PR值。

    PR(A)= \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D)}

最後，所有這些被換算為一個百分比再乘上一個係數q 。最後，所有這些被換算為一個百分比再乘上一個係數q 。 由於下面的算法，沒有頁面的PageRank會是0。由於下面的算法，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 。所以，Google通過數學系統給了每個頁面一個最小值1 ? q 。

    PR(A)=\left( \frac{PR(B)}{L(B)}+ \frac{PR(C)}{L(C)}+ \frac{PR(D)}{L(D )}+\,\cdots \right) q + 1 - q

所以一個頁面的PageRank 是由其他頁面的PageRank計算得到。所以一個頁面的PageRank是由其他頁面的PageRank計算得到。 Google 不斷的重複計算每個頁面的PageRank。 Google不斷的重複計算每個頁面的PageRank。 如果您給每個頁面一個隨機PageRank 值（非0），那麼經由不斷的重複計算，這些頁面的PR 值會趨向於標準和穩定。如果您給每個頁面一個隨機PageRank值（非0），那麼經由不斷的重複計算，這些頁面的PR值會趨向於標準和穩定。 這就是搜尋引擎使用它的原因。這就是搜尋引擎使用它的原因。

[ 編輯 ] 完整的 [ 編輯 ] 完整的

這個方程式引入了隨機瀏覽的概念，即有人上網無聊隨機開啟一些頁面，點一些連結。這個方程式引入了隨機瀏覽的概念，即有人上網無聊隨機開啟一些頁面，點一些連結。 一個頁面的PageRank值也影響了它被隨機瀏覽的概率。一個頁面的PageRank值也影響了它被隨機瀏覽的概率。 為了便於理解，這裡假設上網者不斷點網頁上的連結，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。為了便於理解，這裡假設上網者不斷點網頁上的連結，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的意義見上文)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籤的概率。為了對那些有鏈出的頁面公平， q = 0.15 ( q的意義見上文)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籤的概率。

所以，這個等式如下:

    {\rm PageRank}(p_i) = \frac{q}{N} + (1 -q) \sum_{p_j} \frac{{\rm PageRank} (p_j)}{L(p_j)}

p 1 , p 2 ,..., p N是被研究的頁面， M ( p i )是鏈入p i頁面的數量， L ( p j )是p j鏈出頁面的數量，而N是所有頁面的數量。 p 1 , p 2 ,..., p N是被研究的頁面， M ( p i )是鏈入p i頁面的數量， L ( p j )是p j鏈出頁面的數量，而N是所有頁面的數量。

PageRank值是一個特殊矩陣中的特徵向量。 PageRank值是一個特殊矩陣中的特徵向量。 這個特徵向量為這個特徵向量為

    \mathbf{R} = \begin{bmatrix} {\rm PageRank}(p_1) \\ {\rm PageRank}(p_2) \\ \vdots \\ {\rm PageRank}(p_N) \end{bmatrix}

R是等式的答案

    \mathbf{R} = \begin{bmatrix} {q / N} \\ {q / N} \\ \vdots \\ {q / N} \end{bmatrix} + (1-q) \begin{bmatrix} \ell(p_1,p_1) & \ell(p_1,p_2) & \cdots & \ell(p_1,p_N) \\ \ell(p_2,p_1) & \ddots & & \\ \vdots & & \ell(p_i ,p_j) & \\ \ell(p_N,p_1) & & & \ell(p_N,p_N) \end{bmatrix} \mathbf{R}

如果p j不鏈向p i , 而且對每個j都成立時，如果p j不鏈向p i ,而且對每個j都成立時， \ell(p_i,p_j) 等於0等於0

    \sum_{i = 1}^N \ell(p_i,p_j) = 1,

這項技術主要的弊端是，舊的頁面等級會比新頁面高，因為新頁面，即使是非常好的頁面，也不會有很多連結，除非他是一個網站的子網站。這項技術主要的弊端是，舊的頁面等級會比新頁面高，因為新頁面，即使是非常好的頁面，也不會有很多連結，除非他是一個網站的子網站。

這就是PageRank 需要多項算法結合的原因。這就是PageRank需要多項算法結合的原因。

Google PageRank是Google給網頁的計分機制，透過這個機制Google就能決定哪個網頁可能比較重要，比較是人們想要找的。
官方說法如下：

    PageRank 如同個別網頁價值的指示器，透過龐大的連結架構來信賴網站獨特地民主性質。簡單來說，Google 說明網頁 A 連結至網頁 B 時，則視為網頁 A 投給網頁 B 一票。當然，Google 會檢視票數來源，或是連結網頁接收的票數；同時它也會分析參予投票的網頁。透過「重要的」網頁來參予投票，並且說明其它的網頁也成為「重要的」網頁資料。

    重要、優質的網站會得到較高的 PageRank，同時 Google 會記住每次所處理的查詢情況。當然，如果查詢出來的網頁結果並不符合您的需求，重要的網頁對您也不具任何意義。因此，Google 將 PageRank 和精密的內文比對技術結合，來找出重要並且與您的查詢關聯的網頁。Google 會將出現於網頁上的字詞顯示出來，並且檢查所有的網頁內容﹝及連結到此網頁的其他網頁內容﹞以決定這樣的查詢結果是否最符合您的需求。

有趣的是許多可以查詢PageRank的工具或網頁，會給你一個1 ～10分的數字，數字越高也就是rank越高；但到底幾分背後，象徵著什麼意義？

以下是我從國外網站看來的簡單文字描述，希望讓讀者們對於這些抽像數字可以有較具體的感覺。

PageRank 0～2
表示目前未有太多外部連結連到這個網站；但這不意味你的網站在Google那邊排名就一定名落孫山。假如您討論的主旨夠專，範圍夠狹窄，還是很有可能網友在Google上面搜尋時，您可以排名在很前面。

PageRank 3
一般經營兩年以上的網站多能達到這個成績；這是很不錯的成績，但是在熱門搜尋領功能變數裡肯定還排不上邊。

PageRank 4
能達到這個數字，已經證明連結到您的網站外部連結「質」、「量」俱佳。所謂量容易瞭解，而「質」則是指反向連結本身的PageRank也相當高。

PageRank 5
這表示有不少「具權威性」的重量級網站，連結到您的網站；通常Google內定會有一些他們特別重視的大站，如果你能取得這些網站的連結分數就會飆很快。大概此時您的網頁內容在搜尋引擎排行上就有蠻不錯的表現。

PageRank 6
據說能突破5到6的網站非常少，從這裡開始您的網站已經進入另外一個不同的境界。除了您的反向連結夠多也夠重量之外，事實上您自己的網站也堂堂是個「很有份量」的大站！

PageRank 7～10
從這裡開始可以算是「神之領功能變數」了。小弟看過數字上到這的網站，多半是紐約時報（New York Times）、Apple.com、Yahoo.com…這種「想當然爾」的大站。台灣的聯合報、自由時報、中國時報三大報網站的PageRank也只有 6；顯見要進入這個領功能變數有多麼不容易。個人Blog要達到這個分數，我猜應該是近乎不可能的任務。除非真把Blog當事業，整天衝刺打拼。

要注意的是PageRank跟網站流量不一定有正關聯，也就是說您的網站可能流量不高，但憑藉著專業性夠，在該領功能變數社群裡面很多人認可提供連結，也能造就您極高的PageRank。
因此對廣告主來說，依流量放廣告有時候不一定比依PageRank放廣告來得有效益，原因在於後者有較低的資訊交易成本。
特別是當廣告對象也是小眾時，那在PageRank高的小眾網站上投放廣告很可能有驚人的成效。

搜尋引擎排名SEO教學（什麼是黑帽SEO？）

黑帽SEO的英文解釋是black hat SEO，然而什麼是黑帽做法，卻沒有一個明顯的界定。
因為排名算法是由搜尋引擎來決定的，什麼是黑帽SEO，只是使用者和SEO爭論的一個話題而已。
什麼是黑帽SEO？
隨著搜尋引擎的崛起和發展，搜尋引擎改善（SEO）也迅速的發展，而且漸漸的形成一種職業。
搜尋引擎和搜尋引擎改善（SEO）形成了「道高一尺，魔高一丈」的關係。
一方面，搜尋引擎改善（SEO）給搜尋引擎的蜘蛛程式在爬行網站和索引網站的時候帶來了極大的便利，經由搜尋引擎改善的網站容易的被搜尋引擎索引，並且擁有準確的訊息。
另一方面，SEOER的目的就是試驗並熟悉搜尋引擎的排名規律，從而經由改善網站獲得更高的排名和網站流量。
在SEOER進行網站改善的同時，一些SEO利用搜尋引擎的漏洞和缺陷，將一些不好的網站以次充好，獲得良好的排名。這就是黑帽SEO經常使用的伎倆了。
還好搜尋引擎的算法是不斷進步和完善的，如：在07年Google更新算法400多次，這就是搜尋引擎對SEO做出的反應而更新自己的算法，盡量的在搜尋結構中得到更關聯的網站。

經常黑帽SEO 的使用會受到搜尋引擎的懲罰，筆者曾經嘗試過使用黑帽SEO為網站獲得排名。黑帽SEO確實能夠在短期內迅速獲得良好的排名，但是那也只是暫時的排名。
搜尋引擎能夠辨別一些黑帽SEO技巧，從而把網站放入沙盒，回到以前搜尋引擎索引的該網站的資料從新來過。

與黑帽SEO相反的是白帽SEO，由於一些入門的SEO不能夠瞭解SEO改善是一個長期的過程，他們絞盡腦汁為網站獲得更高的排名，不惜使用一些過激的手法。

網站改善的最高境界還是白帽SEO和UEO（User experience optimization）使用者體驗改善，因為利用合理手段獲得良好排名的網站若果同時有很好的UEO，那麼帶來的不僅僅是流量，客戶的轉化也是非常的客觀的。
大家必須要瞭解一些常用的黑帽SEO做法。這樣做的目的並不是鼓勵大家使用黑帽SEO，而是告訴大家什麼樣的做法屬於黑帽SEO。從而在搜尋引擎改善的時候避免這類錯誤的產生，以免為自己的網站帶來不必要的損失。
其實，現在這些黑帽SEO方法對搜尋引擎來說已經是司空見慣，相信現在搜尋引擎排名的算法識別黑帽SEO是非常容易的。