MarketRank：反 SEO 排名算法

以市场占有率极高的 Google 和百度为例，都有其不断迭代的搜索算法的官方文档可供网站开发和运营参考，比如 百度搜索算法大盘点 2013-2019。这种开诚布公是必要的，可以让站方有的放矢地优化自身排名，但坏处也不断显现，尤其是在移动互联网时代的信息孤岛化趋势之下，通过针对性的 SEO 就可以收获高排名，截获流量谋利，于是大量「内容农场」层出不穷，使得我们的搜索体验每况愈下。

没有针对长尾关键词和反向链接进行优化的高质量网站被抛在后面，这显然利好于做过针对性 SEO 优化网站（当然并非全都是投机钻营之辈）。这导致许多人认为是「垃圾邮件」或「内容农场」的网站位于 Google 和百度搜索结果的首位。没错，除却主动「作恶」的自掘坟墓之举，搜索引擎也是被玩坏了。

对此，人们还能作何尝试与改观？

我看到 Blog Surf 在这方面做了一次有趣的尝试，即个人博客搜索的最佳实践—— MarketRank。

当然不能忽视这种尝试所植根的土壤：英文互联网，以及尚且繁荣的个人独立博客内容生态。以我个人的感受，目前国内的个人博客圈萎缩严重，受制于大环境和备案审查等因素，写博客更多成为一种情怀。情怀的确不值钱，一篇精心打磨的文章，静静地躺在某个奇怪的域名地址下，原创，只此一家...等等，也有可能被营销号抄袭走啊，实现一处水源供全球，多平台赚取收益。

似乎扯远了。MarketRank，顾名思义，就是依据博客文章在 Reddit、Hacker News 和 Twitter 这些社区平台（Market）获得的点赞数来排名。当然这只是一个简单粗暴的描述。

MarketRank 的作者 DKB 提出了几个扩展解释的名词：原始市值（Raw Market Value）、通货膨胀（Inflation）、汇率（Currency Conversion）和我们熟悉的 GDP 。

原始市值（Raw Market Value）

任意网站的原始市值是它在在线社区中获得的主要分数。Reddit 和 Hacker News 的点赞数明显占优。在 Twitter 上有多个指标可供选择，MarketRank 选择 likes 作为主要得分。

通货膨胀（Inflation）

正如我在 最佳回复上榜记录 中对「最佳回复的判定因素」的考量一样，因为随着时间的推移，网站用户数量的变化，旧的帖子因为失去曝光率而无法获得如今理应更高的点赞数。这会导致用户投票的真实价值出现波动。随着平台获得更多用户，投票变得更容易积累，价值也越来越低。这种通胀因素当然是无法忽略的。

汇率（Currency Conversion）

如何合计 Twitter 和 Reddit 的一个点赞的价值？在我看来 Reddit 的价值要比 Twitter  高，那么设前者为 1 ，后者为 0.72 ，这样同一网站在不同市场的得分便可以合计，最终进行排名。

GDP

这个就不用中文翻译了，我们都熟，也是上面所说的「合计」的结果。有一个示例，显示了 Blog Surf 目录中按 GDP 排名的前 10 个域名。

接下来是检验理论的实践环节，DKB 给出了多种关键词在 Google 和 Blog Surf 搜索测试下的对比，第一组最为明显。也是 Blog Surf - 满足你「想找相关性高的博客文章」的需求 中列举的一类需求：了解图书评价。

尝试通过搜索 book review zero to one 找到一些关于 Peter Thiel 的《从零到一》的书评。

Google 和 MarketRank 都同意 Atlantic 的帖子是最好的，但在那之后的搜索结果两者就大相径庭了。Google 第一页结果的其余部分的 MarketRank 为 0，这意味着它们要么质量低，要么质量未知。

在第 2 页，我们发现 Farnam Street 和 Slate Star Codex，两者的 MarketRank 都不错。下表显示了每个 Google 结果的 MarketRank。

作者认为 Farnam Street 和 Slate Star Codex 文章的质量高于 Google 搜索结果首页上的大多数文章，这便是一个令人兴奋的结果，并且如果大胆猜测，《India Times》（第 4 行）比 Slate Star Codex 更关注 SEO。

如果有兴趣的话，你可以在此 MarketRank: The Anti-SEO Ranking Algorithm 了解其它更多实测对比。

总之，无论是从理论角度还是实测对比，对于某些关键词，MarketRank 能够产生比 Google 更好的排名。虽然其排名对象有着天然的局限性，重度依赖社区平台用户的赞成票，并且这些投票的价值也存在水分，但其反 SEO 的思路也是有成效并且值得借鉴和应用的。