网络架构搜索

        作为计算智能方法的代表，起源于上个世纪四十年代的人工神经网络经历了五六十年代的繁荣，七十年代的低潮，八十年代的再次复苏，到近十年的广泛关注，如今已经成为理论日趋完善，应用逐步发展的前沿方向。Hinton 等人2006 年在《Science》上发表的文章引发了深度神经网络研究的热潮。面对大数据的诸多挑战，以深度信念网络、卷积神经网络和递归神经网络为代表的深度神经网络模型在很多应用领域展示出明显的优势和潜力，特别是随着数据量和数据维数的增加，深度学习的优势愈加突出。例如，Google 借助深度学习开发的AlphaGo 能从海量的对弈中学习正确的决策，微软语音识别采用深度学习使识别错误率显著降低，百度基于深度学习开发的机器人“小度”在跨年龄人脸识别上超越了人类。

       经过多年的研究和发展，基于人工神经网络的识别方法也逐渐取代传统的模式识别方法。神经网络已成为当前比较先进的技术，用来解决许多具有挑战性的识别任务如文字识别、语音识别、指纹识别、遥感图像识别、人脸识别、手写体字符的识别等。其中主流的神经网络模型有卷积网络和递归神经网络，卷积神经网络由 Yann LeCun 在 1998 年提出，自从 AlexNe 在 2012 年的 ImageNet 比赛中使用了这一架构拔得头筹，卷积神经网络迅速流行起来并广泛应用到视觉任务。如今，最先进的卷积神经网络算法在进行图像识别时，甚至可以超过人类肉眼识别的准确率。递归神经网络网络提出于 1990 年，被视为循环神经网络的推广，递归神经网络可以引入门控机制以学习长距离依赖，适用于包含结构关系的机器学习任务，在序列识别方面有重要应用。

        深度神经网络和深度学习算法因为在科研工作与工程任务中都取得了显著的效果从而大受欢迎。它取代了传统的手动提取特征方法，够端到端地自动提取和学习特征。而其中取得显著成功的深度神经网络通常是由于它们成功的架构设计，研究的工作重心从提取特征转移到了寻找最优架构上。通常来说，模型的容量越大网络的性能就越好，能够拟合任意函数。因此为了提升网络性能，网络结构被设计的越来越复杂。例如，VGG-16 约有14亿浮点数参数，整个网络占用超过500兆存储空间，需要153亿次浮点操作来处理一个$224times224$大小的图像。虽然更深的网络层次和复杂的拓扑结构能够更有效地学习特征，但是网络规模的增大意味着人工设计网络时需要花费更多时间来反复试验，即使是专家也需要大量的资源和时间来创建性能良好的模型。

        神经网络架构搜索(NAS)是一种自动化学习网络结构的新方法，用于减少繁重的网络设计成本。目前为止，NAS方法设计的网络在识别任务上的表现已经超过了人工设计的架构。NAS可以视作自动机器学习（AutoML）的子领域，与超参数优化和元学习有明显的重叠。不同的NAS方法的区别主要在于三个维度：搜索空间、搜索策略和性能评估，我们对此分别进行了调研。

        搜索空间：搜索空间定义了网络的所有可选结构和操作，通常指数级大，甚至无界。在设计搜索空间时结合先验知识，即参考现有的针对当前任务的先进结构设计知识，能够有效减小搜索空间并简化搜索。但这也会引入偏好，从而限制网络学习到超越当前人类知识的结构。

        搜索策略：定义搜索空间后，搜索策略引导寻找高性能的模型架构，其中的难点是保证探索和利用的平衡。一方面，希望快速找到性能良好的架构，另一方面，需要避免过早收敛到次优的架构。

        性能评估：NSA的目的是找到一个在未知数据上具有良好泛化性能的架构，一旦模型生成，就需要对其性能进行评估。直观的方法是在训练集上训练收敛，并在验证集上得到其性能，但是这种方法会耗费巨大的算力，从而限制了可探索的网络结构。一些先进的方法关注于减小性能评估时的计算代价，但会引入误差。因此，平衡评价的效率和效果是一个需要研究的问题。

       从计算的角度来看，神经网络代表了一个通过一系列操作将输入变量 x 转换为输出变量 y 的函数。基于计算图语言，神经网络可以表示为一个有向无环图(DAG)，其中每个节点表示一个张量 z ，通过边连接其父节点 I(k)，每条边表示从候选操作集O中选择的一个操作 o 。节点 k 的计算公式为：

        其中候选操作集合$O$主要包括卷积、池化、激活函数、跳跃连接、拼接、加法等基本操作。此外，为了进一步提高模型的性能，一些先进的人工设计模块也可以作为候选操作，如深度可分离卷积、膨胀卷积、组卷积。基于操作的类型可以选择不同的超参数，例如输入节点选取、卷积核数量、尺寸、步长等。不同的搜索空间设计，选择和组合操作的方法也不同所以参数化的形式也不一样。一般来说，一个好的搜索空间应该能够排除人类的偏见，并且足够灵活，能够覆盖更广泛的模型架构。

        全局搜索空间搜索一个完整的网络结构，具有很高的自由度。最简单的例子是链式搜索空间，见图1左。固定的数量的节点按顺序堆叠，只有前一个节点的输出提供给后一个节点作为输入，每个节点代表一个层，并具有指定的操作。右图引入更复杂的跳跃链接和多支路结构，此时当前节点可以结合前面所有节点的输出作为输入，使得搜索的自由度显著增大。许多网络都是多分支网络的特例，比如

1）链式网络： ；

2）残差网络： ；

3）DenseNets：

        虽然整体结构搜索很容易实现，但它也有一些缺点。首先，搜索空间的大小与网络深度是指数级关系，寻找泛化性能好的深度网络计算成本高。此外，生成的架构缺乏可迁移性和灵活性，在小型数据集上生成的模型可能不适合较大的数据集。有研究提出，初始架构的选择在搜索全局结构时十分重要。在适当的初始条件下，可以获得与单元搜索空间性能相当的架构，但是初始架构选择的指导原则仍然不明确。

        基于单元的搜索空间受启发于人工设计知识，许多有效的网络结构都会重复使用固定结构，例如在RNNs中重复LSTM块或堆叠残差模块。因此可以只搜索这样的重复单元(cells)，整个神经结构的搜索问题被简化为在单元搜索空间中搜索最优的单元结构，从而极大的减小搜索空间。大多数研究对比了基于全局搜索空间和单元搜索空间的实验结果，证明在基于单元的搜索空间中可以获得良好的性能。单元搜索空间的另一个优势是能方便地在数据集和任务之间进行泛化，因为通过增减卷积核和单元的数量，架构的复杂性几乎可以任意改变。

        NASNet是最早提出的单元搜索空间之一，也是当前最热门的选择，之后的大部分改进只是在此基础上对操作选择和单元组合策略进行了少量修改。如图2所示，它由两种单元组成，分别为保持输入特征维度的标准单元(normal cell)，和减小空间维度的简化单元(reduction cell)。每个单元由b个块组成，每个块由它的两个输入和相应的操作定义。可选的输入包括前两个单元的输出和单元中先前定义的块的输出，所以它支持跨单元的跳跃连接。未使用的块被连接起来并作为单元格的输出，最终通过预定义好的规则级联这些单元。

        不同于上面将单元结构按照人工定义的宏结构进行连接，层次结构是将前一步骤生成的单元结构作为下一步单元结构的基本组成部件，通过迭代的思想得到最终的网络结构。Hier提出的层次搜索空间，通过合并低层单元生成高级单元实现单元级别和网络级别的同时优化。此方法具体分为3层。第一层包含一系列的基础操作；第二层通过有向无环图连接第一层的基础操作，构建不同的单元，图结构用邻接矩阵编码；第三层是网络级的编码，决定如何连接第二层的单元，组合成一个完整的网络。基于单元的搜索空间可以看作是这种层次搜索空间的一个特殊情况。

        强化学习方法（RL）能够有效建模一个顺序决策的过程，其中代理与环境相互作用，代理学会改善其行为从而使目标回报最大化。（图3）给出了一个基于强化的NAS算法的概述。代理通常是一个递归神经网络(RNN)，它在每一步t执行一个动作 来从搜索空间采样一个新的样本，同时接收状态 的观察值和环境中的奖励 ，以更新代理的采样策略。这种方法非常适合于神经结构搜索，代理的行为是生成神经结构，行为空间是搜索空间，环境是指对代理生成的网络进行训练和评估，奖励是训练后的网络结构对未知数据的预测性能，在最后一个行为之后获得。

42进化算法

        进化算法（EA）是一种成熟的全局优化方法，具有较高的鲁棒性和广泛的适用性。许多研究使用进化算法来优化神经网络结构。进化算法演化了一组模型，即一组网络；在每个世代中，至少从这组模型中选择一个模型，作为亲本在突变后作为生成子代。在对子代进行训练之后，评估它们的适应度并将它们添加到种群中。

        典型的进化算法包括选择、交叉、变异和更新等步骤。选择时一般使用联赛选择算法对父类进行采样，其中适应性最好的一个作为亲本。Lemonade对适应度使用核密度估计，使网络被选择的概率与密度成反比。交叉方式因编码方案的不同而不同。突变针对的是亲本的部分操作，例如添加或移除层，改变层的超参数，添加跳跃连接，以及改变训练超参数。对于产生的后代，大多数方法随机初始化子网络权重，而Lemonade把父网络学习到的权重通过使用网络态射传递给其子网络。Real等人让后代继承其父母的所有不受突变影响的参数，虽然这种继承不是严格意义上的功能保留，它可以加速学习。生成新的网络的同时需要从种群中移除一些个体。Real等人从群体中移除最差的个体，AmoebaNet移除最老的个体。也有一些方法定期丢弃所有个体，或者完全不移除个体。EENA通过一个变量调节最坏模型和最老模型的删除概率。

        基于代理模型的优化方法(SMBO)用一个代理模型来近似目标函数。即不需要训练采样到的网络结构，只需要训练一个代理模型，使用代理模型预测网络的性能。通常在实践中只需要得到架构的性能排序，而不一定要计算出具体的损失值，因此代理模型只需要预测相对得分并选出有前途的候选架构。然后只对预测性能好的架构进行评估，用它们的验证精度更新代理模型，这样只需要完全训练少量候选架构，大大减少搜索时间。代理模型通常训练为最小化平方误差：

        贝叶斯优化（BO）是用于超参数优化的最流行的方法之一。最经典的是基于高斯过程的BO，生成的神经结构的验证结果可以建模为高斯过程，然而，基于高斯的BO方法在观察次数上的推理时间尺度是立方的，并且不擅长处理变长神经网络。有些工作使用基于树或者随机森林的方法来在非常高维的空间中高效的搜索，并且在很多问题上取得了优异的效果。Negrinho利用其搜索空间的树形结构，并使用蒙特卡洛树搜索。虽然没有完整的比较，但初步的证据表明这些方法可以超越进化算法。

        上面的搜索策略搜是从一个离散的搜索空间提取神经结构样本。DARTS提出搜索空间的连续松弛，在连续可微的搜索空间上搜索神经架构如图4所示，并使用如下softmax函数来松弛离散空间:

松弛后，架构搜索的任务转化为网络架构与神经权值的联合优化。这两类参数分别在训练集和验证集上交替优化，表示为一个双层优化问题。

        为了对搜索过程进行引导，必须对产生的神经网络性能进行评估。一种直观的方法是训练网络至收敛，然后评估其性能。但是，这种方法需要大量的时间和计算资源。因此提出了几种加速模型评估的方法。

        为了减少计算负担，可以用实际性能的低质近似来估测性能。实现方法包括: 缩短训练时间、选择数据集的子集、在低分辨率的图像上训练、每层使用更少的通道数、堆叠更少的单元结构。在低质条件下搜索到的最优网络或单元，构建出最终结构在数据集上重新训练，得到目标网络。虽然这些低精度的近似能够减少训练花费，但性能被低估的同时不可避免地引入了误差。最近的研究表明，当这种低质评价与完全评价之间的差异较大时，网络性能的相对排名可能变化很大，并强调这种误差会逐渐增加。

        早停技术最初用于防止过拟合。一些研究通过在训练初期预测网络性能，在验证集上预计表现不佳的模型被强制停止训练，以此来加速模型评估。一种在早期估计网络性能的方法是学习曲线外推法。Domhan 等提出训练初期对学习曲线进行插值，并终止那些预测性能不好的网络结构的训练。Swersky等在评估学习曲线的好坏时，把网络架构的超参数作为参考因素。另一种方法根据梯度的局部统计信息实现早期停止，它不再依赖验证集，允许优化器充分利用所有的训练数据。

        代理模型可以被训练用预测网络性能。PNAS提出训练一个代理网络（LSTM）来预测网络结构的性能，他不考虑学习曲线而是基于结构的特点来预测性能，并在训练时推断更大的网络结构。SemiNAS是一种半监督NAS方法，利用大量的未标记架构进一步提高搜索效率。不需要在对模型进行训练，只使用代理模型来预测模型精度。预测网络性能的主要难点是：为加快搜索过程，需要在对较大的搜索空间进行较少的评估的基础上进行良好的预测。当优化空间过大且难以量化，且对每个结构的评估成本极高时，基于代理的方法就不适用。

        代理模型还可以用来预测网络权重。超网络（Hypernetworks）是一种神经网络，被训练来为各种架构生成网络权值。超网络在搜索过程中节省了候选体系结构的训练时间，因为它们的权值是通过超网络的预测得到的。Zhang等人提出了一种计算图表示，并使用图超网络(GHN)比常规超网络(SMASH)更快更准确地预测所有可能架构的权值。

        权重继承是让新网络结构继承之前训练完成的其他网络结构的权值。其中一种方法是网络态射，一般的网络设计方法是首先设计出一个网络结构，然后训练它并在验证集上查看它的性能表现，如果表现较差，则重新设计一个网络。可以很明显地发现这种设计方法会做很多无用功，因此耗费大量时间。而基于网络态射结构方法能够在原有的网络结构基础上做修改，修改后的网络可以重用之前训练好的权重。其特殊的变换方式能够保证新的网络结构还原成原网络，因此子网络的表现至少不会差于原网络，并且能在较短的训练时间内继续成长为一个更健壮的网络。具体地，网络射态能够处理任意非线性激活函数，可以添加跳跃连接，并且支持添加层或通道得到更深或更宽的等效模型。经典的网络态射只能使网络变大，这可能导致网络过于复杂，之后提出的近似网络态射通过知识蒸馏允许网络结构减小。进化算法经常使用基于网络态射的变异，或者直接让孩子继承亲本的权重，再执行一般变异操作，这样产生的网络具有一个更好的初始值，而不用重头开始训练。

网络推广渠道有哪些途径

推广网站的方法有：

一、导航网站登陆。对于一个流量不大，知名度不高的网站来说，导航网站能给你带来的流量远远超过搜索引擎以及其他方法。

二、友情连接。友情连接可以给一个网站带来稳定的客流。另外还有助于网站在GOOGLE等搜索引擎的排名。谈友情连接最好能连接一些流量比自己高的，有知名度的网站。再次是和自己内容互补的网站。然后再是同类网站，同类网站要保证自己网站的内容质量要有特点，并且可以吸引人，要不然不如不连同类网站。

三、搜索引擎登陆排名。搜索引擎给网站带来的流量将越来越大，登陆目前有登陆骑兵等许多软件。不过最有效的还是手工登陆。通过手工登陆到的网易，yahoo等搜索引擎都给其带来不少流量。其他一些门户网站目前采取了收费登陆，你可以根据自己的情况选择。

中小型企业如何做好网站优化推广

模式总是千变万化，但万变不离其宗，不管那些推广渠道都只是为了一个共同的目标：销售额。

一、数据库营销

数据库营销可包括IM推广、EDM邮件发送、SMS短信发送都属于线上电商推广常用方式，数据库营销通常对于销售额贡献度不大，转化率较低，但对于挖掘潜在人群，品牌发力等方面作用却相对不错，这里的不错是从投资回报率来说。

二、社会化媒体营销

社会化媒体营销，互联网发展至今，已经越来越发展成为人与人的关系，以人为本，用户为本成为web20时代最显著的标志，用户创造内容UGC社区也占据了互联网上绝大部分的网民。因此笔者私以为，做好社会化营销，通过用户传递价值已成为电子商务网站传播的重要渠道。另外从数据分析上也可以观察到这点。很大一部分的流量来源于直接输入，这部分流量通常都来自于这样的口口相传，IM传播啊，轻博客，收藏夹等。

社会化媒体营销包括的范围较广，博客、论坛、SNS、微博、轻博客、RSS分享都属于范畴，微博和轻博客可以说是新媒体营销，这样的媒体都包含众多类型人群，例如新浪微博的目标人群主要是20-40岁的精英人群，这部分人群同样也是网购的目标人群，另外微博上还会有微群等以同样目标聚集在一起的用户。通过促销、活动带动特定人群，制造裂变式营销，口口相传，只要有耐心，用发展的眼光看待新媒体营销，必将牢牢抓住用户。社会化媒体营销的例子还有像豆瓣一样的文青聚集地，针对小清新服装品牌初刻等电商网站来说，正是合适的目标人群。

三、网络广告

网络广告，只能说网络广告现在是越来越贵了。究竟是电商发展带动起来的，还是门户网越来越大牌，总之硬广不是一般电商公司可以投的起的了，转化率不好说具体有多少，品牌展示收到了多少效果也不好计算。烧钱的事建议电商还是少做，控制成本是网站长远发展的基石。但同时随着淘宝联盟、亿起发联盟CPS广告的兴起，CPS广告还是较为靠谱的，至少没有销售额，就没人能从我口袋里拿出广告费。CPA广告做的比较多，不管是哪种注册要求，作弊数据都是不能避免的。但是同联盟搞好关系，找好媒体，也能收到相当不错的效果，从直接销售额来看，还是可以达到一个比较好的投资回报率的。

四、手机客户端

3G时代，碎片化时间越来越多，手机客户端占据了我们空余时间，君不见地铁上到处都是手机控，手机看书、手机微博、手机人人网、手机LBS、手机淘宝中。手机客户端广告也赚了不少点击率，手机之前APP开发就已经风生水起，手机客户端自然也好风凭借力。随着智能手机的市场逐渐主流，手机客户端自然也是一块金字招牌。有决心，其他的事情做就好了，哪怕是外包技术开发，做电商最重要的永远是思路，让技术为我所用。

五、分销平台

分销平台，笔者一直从事在B2C电商中，对分销平台的概念理解不深，在10年团购初具雏形，11年千团大战的时候，笔者同团购网站进行了几次合作，对我来说，团购网站就可以看做是电商的一种分销平台，重要的是要做好前期策划和预期，后期要做好数据统计和分析等。

六、搜索引擎营销

搜索引擎营销。笔者八爪鱼本身是做站长起家，对搜索引擎一块本身就较为有兴趣。目前网上的垃圾信息(SPAM)越来越充斥网络，如何最快最准确的找到目标网站，这是搜索引擎使用率越来越高的原因。从数据分析上来看，至少有10%-30%的流量是通过搜索引擎达到的，从搜索引擎流量的转化率来看，由于定向精准，转化率也相对较高。搜索引擎营销还是要分作两种，一种是SEM，另一种是SEO。SEM来说对于建站初期的企业，没有关键词排名的情况下，SEM可以解决这个问题，但见效快的同时SEM成本也较高。SEO来说呢，见效慢，周期长，但是花费少，见效持久。当然建议在网站建设初期就将SEO的元素融入进去，代码精简，URL地址尽量不要超过四层，做好网站地图，设置好关键词，SEO必然是营销中越来越重要的一环。

七、资源合作

资源合作。比较多了，垂直论坛合作;提供商品作为积分礼品兑换;试用品网站合作等。方式多种多样。灵活掌握为宜，不多说了。

八、分类信息网站

分类信息网站，这块在我还做教育培训的时候涉及到过，分类信息网站发帖置顶，右侧广告价格当时也不高，做过一个季度，当时转化率不是很高，就停了，当然现在分类网站的比当年发展壮大多了。针对不同行业也有不同的效果，涉猎比较少，还请大家多指点。

如何做好互联网的SEO营销推广

所周知，每一个网站的发展过程都是需要经历过这样三个时期，网站初期、网站中期、网站后期三种。那么在这三种时期中我们该如何去快速的获取到一个好的排名呢？下面网络优化公司解析网站发展的三个过程：

1网站初期的建设。在这里小编就不讲那些太普及的东西，例如域名的选择、空闲的选择这些片面的。今天给大家说点优化中比较少讲到的内容。

一个初期的建设，选择开源 程序有很多，例如DEDECMS，帝国，ZBLOG，WP等，这些开源程序用的人比较多，操作比较简单，而且漏洞更新比较勤快，是足已满足我们做网站的需 求，这些程序比较适合个人做一些网站。当我们的网站正式上线之后，我们就需要对网站进行合理的布局以及网站定位，那么接下来，我们要做的工作就是网站内容的更新和网站外链的发布工作。

对于一个新站而言，小编建议大家多多写一些原创内容，因为我们都知道蜘蛛是比较喜欢新颖的内容。对于网站外链的建设，其实我们并不需要去各个网站、论坛发布大量的外链，因为随着搜索引擎算法的升级，搜索引擎自身已经可以识别外链的质量。所 以我们如果要去发外链的话，就必须要去发一些高质量的外链。例如一些权重较好的论坛，A5，站长之家等网站的投稿。都是比较不错的，比较受蜘蛛的喜爱。一定要选择专业的网站设计师，而不要只专注于知名网络公司，企业要明白，网站是人设计出来的。好的网页设计师会在网站制作之前清晰的告诉你网站的架构和目录部署，有助于你的企业网站日后维护与改版。在网站架构中最重要的是两点：

1、优质的url策略

网站静态化是必不可少的，尤其对于中小企业网站，现在的技术完全可以达到整站静态化。网站的目录结构尽量不要超过3层，栏目或者分类纵深太多的可以考虑适当加深。

2、合理的站内链接

网站内部的网页与网页之间要有站内链接，让访客可以方便的访问网站中的任何一个页面，当然我们这样做的目的不仅是方便访客，更重要的是给搜索引擎的蜘蛛提供索引。

3、合理的关键词布局

每个页面都需要有单独的title和meta，对这些内容要进行合理的优化和完善。

第三步：优质的网站内容

对于一般的企业来讲，写出10篇-20篇企业的原创文章应该不是什么难度太大的问题，即使你做的是本行业站点，那么也请你一定要把原创内容尽量增加到大部分比例。所以企业网站在维护中一定要多发布关于本企业、本行业产品、动态的原创文章。

第四步：网站链接必不可少

这个链接既包括内链也包括外链。

内链就是网站内部通过一些关键词，导航等相互链接，一般情况下会在文章中设置一些标签，然后通过标签可以点击进入一些相关的文章中或者首页。

外链主要通过交换友情链接，投放一些带有自己链接的软文等来实现。

不管怎么样做链接，一个原则就是链接的文字一定要是你的网站关键词中的一个，这样才能有助于网站关键词排名的提升。当我们网站一步步的走向正规之后，并不能够去松懈的，我们要多多的对自己网站进行分析和总结。多多的观察自身以及对手网站的内容和建设，有哪些 地方需要我们去加强。

安徽瑶贝广告传媒全网销网络表示每一天都有无数的站长在为自己的网站优化工作着，每天都有成百上千的新网站上线，我们该如何在这个互联网时代赢得一席之地呢答案无疑就 是做好自己网站的规划，而不是有一个想法就去改一个想法。而是要去规划好自己网站的一切工作，然后，有条不紊去一一实现，切不可操之过急。

网站如何做SEO搜索引擎推广

我们先了解几种推广方式，推广总体上可分为两种，一种为付费的，一种为免费的。付费的推广见效快，大多周期比较短，如竞价不花钱就没流量；免费的推广见效周期长，细水长流，比如SEO，不花钱，也能有源源不断的流量。

搜索推广

搜索引擎在我国是使用频率非常大的的平台，其中以百度人群最广，在人们日常遇见问题、想了解某个项目、搜新闻等都会用搜索引擎。搜索引擎推广主要就是sem与seo，sem掌握搜索引擎的付费推广，也就是竞价，按点击付费。而seo则是做，竞价下方的快照排名，大家常说的自然排名，自然排名就是一种免费的推广方式，点击不需要收费，但需要专业seo人员，通过一定的优化策略和技术手段，将排名做上首页。

①做sem基本全靠钱来买流量，你出价越高排名就越靠前，自然获取到的流量就大，资金足够时可以随意投放无所顾忌，遍地撒网。但在资金不足时，就要精打细算了，要通过数据分析判断，要投放哪些时段、要投放哪些城市、哪些词汇流量比较多、哪些词汇流量比较精准，这样才能保障在资金不足时，抓取到最有效的流量和咨询。

②做seo也是很多企业的推广方式之一，搜索引擎主要流量大多来自于首页，因为人们的大部分需求用搜索引擎首页的页面内容就差不多能够满足，只有少数流量会流向第二页，所以首页就成了企业大佬们互相竞争的位置，在一些热门行业竞争已经达到白热化，无数的网站就为了首页的十个位置挤破了头。做好网络推广，研究排名、做排名就是工作之一。

email邮件推广

在很早以前就被广为使用，一直被认为是互联网上最广泛和最受欢迎的应用，事实上很多人上网仅仅是为了收发邮件。不过近年来邮件推广慢慢不行了，很多人直接屏蔽广告邮件或是拉黑，邮件已经沦为广告灾区，基本上除了正常的收发邮件，没有人再去看额外的邮件了。

邮件推广有免费也有付费的，免费的就是自己在所在的QQ群群发邮件，这是比较常用的方法，付费的就是通过第三方平台，覆盖式的到处发邮件，遍地撒网。

软文推广

在自媒体盛行的时代，软文推广不得不说是一大利器，而且花费甚少，甚至不花钱，想要做好网络推广，这一块也是我们必须要去接触的。软文推广是一种价值量高带营销的文章，软文之所以叫做软文，精妙之处就在于一个字，好似绵里藏针，收而不露，克敌于无形，不会让读者对广告产生厌恶情绪。

将我们做好的软文传播与博客、论坛、头条、新闻媒体等媒介上，以达到快速传播的目的，一篇好的软文很可能产生爆文，为你带来百万流量，价值不容忽视。

社交软件推广

社交软件是用户载体和活跃度最高的平台之一，在这上面做推广，效果立竿见影。一个热门就可能给你带来成百上千的客户。所以正在做推广的你也要关注这些平台的走向，研究如何做好推广的方法。

1、网站架构分析：网站结构符合搜索引擎的爬虫喜好则有利于SEO优化。网站架构分析包括：剔除网站架构不良设计、实现树状目录结构、网站导航与链接优化，网站设计的语言最好采好DIV+CSS样式，代码很有层次和简洁。

2、向各大搜索引擎登陆入口提交尚未收录站点。在搜索引擎看SEO的效果，通过site:你的域名，知道站点的收录和更新情况。通过

domain:你的域名或者link:你的域名，知道站点的反向链接情况。更好的实现与搜索引擎对话，建议采用Google网站管理员工具。

3、网站目录和页面优化：SEO不止是让网站首页在搜索引擎有好的排名，更重要的是让网站的每个页面都带来流量，长尾关键词采用内页优化。

4、

内容发布和链接布置：搜索引擎喜欢有规律的网站内容更新，所以合理安排网站内容发布日程，每天更新的时间段，发布文章内容的原创性高，是SEO优化的重要

技巧之一。链接布置则把整个网站有机地串联起来，让搜索引擎明白每个网页的重要性和关键词，实施的参考是第一点的关键词布置。友情链接和站外链链的战役也

是这个时候展开。

5、高质量的友情链接：建立高质量的友情链接，对于SEO优化来说，可以提高网站PR值以及网站的更新率，都是非常关键性的问题。

6、建立网站地图SiteMap：根据自己的网站结构，制作网站地图，让你的网站对搜索引擎更加友好化。让搜索引擎能过SiteMap就可以访问整个站点上的所有网页和栏目。

7、网站流量分析：网站流量分析从SEO结果上指导下一步的SEO策略，同时对网站的用户体验优化也有指导意义。

外链指的是你的网站外部 也就是不是网站内部内容 而是别的网站

论坛等有指向你的网站的链接 通常就叫外链

好方法：是开博客养网站，以前很多人这样做，不段更新你的博客，发的文章都有关键字连接到你的网站上，这样的外链，不会被K

，也很容易实现，质量也不错 。