数据分析的全局观差
1、 数据分析的全局观差
SEO数据分析中我认为首先要考虑的一点：全局观，也就是要有发展的眼光来看待数据，例如百度的算法调整肯定是要符合搜索者的需要，那么只要我们的内容信息是完全符合搜索者的用户体验，那么我们的收录可能并不一定需要在量上做到很高，相反要在质上尽可能的满足。http://www.yixiin.com/brand/
要能够抓住重点，例如我们的网站被降权了，那么我们要做的是找出网站被降权的原因，然后我们所有的工作都要围绕这个目标来展开：查找可能原因，收集相关数据，分析数据，得出结论。
不能只片面强调一方面，很多朋友做SEO分析的时候可能因为自己知识面和经验的局限，分析的问题都十分的局限，我记得去年我还闹过这样的一个笑话，分析一个门户网站，忘记了分析网站的二级域名，这样片面的去分析，得出来的结论自然贻笑大方。
能够知微见著，透过数据分析出问题的本质，很多时候简单地看一个网站SEO做的好不好，我很多时候会查看代码中对于nofollow标签的运用与否来判断，因为好的SEO肯定会运用这个标签。
能排除不相关数据的干扰，很多时候我们SEO分析产生的错误就来自己于不相关数据的干扰，例如我的博客之前被降权，分析了很多原因，最终发现其实就只是因为服务器宕机造成，后来服务器稳定下来就恢复了。
这些都是全局观里面需要做的事情，但是很多人是因为其中的一项两项出问题，所以在SEO数据分析的时候一定要建立好的数据分析模型：确定问题——分解问题——得出结论——提出建议。
2、 轻信了预测的结果 http://www.yixiin.com/news/
没有正确的结论，只有越来越准确的结论。百度从自身商业考虑，不会公布自己的搜索引擎算法，那么我们在进行SEO分析很多时候都是靠猜测的，这个时候就容易轻信自己开始预测的结果，例如我们考前辈们介绍的经验关键词的密度要在2%-8%好，我们也按照这么去做，但是却发现网站还是出现排名的波动，且通过分析发现原因还有可能是关键词密度过高，这是为什么呢？
首先我们要分析搜索引擎的工作原理，搜索引擎分析网页相关性的时候，并不是按照我们设置的关键词进行的匹配，而是将网页中所有的字符进行统计匹配，所以最相关的词可能并不是我们所设定的关键词，而是其他被我们忽视的词语。如我们设定“SEO分析”这个词，而其实“SEO”这个词更相关。这样由于开始的假设都建立在了预测的结果上，就造成了偏差
