巧妙利用这1点，掌握数据分析法

最终，仅是通过数据的几次细分，他们就将抽象的流量提升意图，具体成了明确改进需求。特别是对大公司的跨部门协作来说，越清晰的需求代表着越高的靠谱几率，模糊的需求容易被应付了事。

数据细分，能分析一整件事情中哪块更重要，并将要做的事情清晰化的有力手段。数据对比分析，也是一个常用的利器。例如招聘，它的需求有非常明显的季节性，春节前后分别对应低谷高峰，此时百度上面招聘类的搜索量也会随之极大幅度的起伏。因此正常情况下，此类SEO流量也会跟着节前少、节后多。

但是凡事并没有那么理所当然，节前招聘类SEO流量下降，那绝对有人会紧张。哪怕可能已经考虑到季节性因素了，看着流量趋势图也挺可能会想，是不是降的太多了点啊？好吧，为了抚平自己或他人的不安情绪，就需要进行数据分析，看流量的下降是否除了季节性因素之外还有其他因素。分析的方法可以有很多，比如排除搜索量因素后，看收录、排名、点击率三个方向有没有变动；或者分析大量行业词的搜索趋势变化。

常用的方法有：
例如网站是智联招聘，取来源关键词包含“智联”的作为“品牌词流量”，不包含“智联”的作为“常规SEO流量”。（常规SEO流量 = 收录 x 排名 x 点击率 x 搜索量）但品牌词流量基本不受收录影响、排名固定接近第一、点击率也差不多是100%固定的，所以可以推出：品牌词流量 = 搜索量这一公式，因此品牌词流量的变化，可以用来度量搜索量的起伏。

通常情况下，如果常规SEO流量的变化趋势和品牌词流量差不多，那么能引起流量波动的主要原因就是季节性因素。当然还有个别情况，比如网站进行大规模推广可能让品牌词流量大幅提升；网站加入导航站、购买品牌词PPC等可能导致品牌词流量一定程度下降。在这些特殊情况下，上面提到的分析方法就不能用了，需要靠自行鉴别，不能全部依靠数据。只要有了分析的方向，其他相对而言都不是太大的问题。尽管涉及到SEO，各类不同数据的获取渠道都不尽相同，显得很麻烦，但毕竟也都是具有确定性的技术活。

我们要解决什么问题、要从何切入去解决、数据在整个过程中能扮演怎样帮助我们的角色，这是需要用最多时间去思考的。