|
|
本帖最后由 adouer 于 2018-6-20 13:40 编辑
之前活跃在advertcn还是几年前，那个时候做过采集也跟风做过edm，大约3,4年前因工作问题不做网站也很少登录论坛了。上个月终于下定决心重新做起。
先聊一下4月份做的暂时搁置的youtube/dailymotion视频项目:
搬运了两天抖音，发现展示和播放都还不错，但是马上发现youtube对版权(抖音背景音乐涉及版权问题)限制的很严格就放弃了，试着仿别人发电视剧电影片段也放弃了，这些严格按youtube规定的话都是不合格的，人家放了并不见得我学了就没事儿。之后写了个程序自动把中文文章转视频，发了七八个，但浏览量都是个位数，目前来看，这个东西慢慢来应该是没什么问题。但听说最近不怎么审核中文频道，所以打算过段时间再看。
网站项目:
我的网站项目其实就是个低配版的大洲的采集程序。我最近一直在看网站相关的东西，我发现采集站没什么问题，也会被收录的，事实上很多大站就是采集，只不过他们不叫采集，叫整合，叫信息聚合。我的网站项目主要工作是做一个低端的Mr. 9.SM: 采集-清洗-(伪原创)-(聚合)-发布。目前已见雏形，采集清洗聚合之类的是高度自定义的，用scrapy做了一个通用采集爬虫，实践证明这个并不好，我期待的是采集高质量的内容，后期应用时转变为寻找几个目标信息源，然后写一个专门的爬虫，这个有点儿类似用火车头定义采集规则。清洗-伪原创-聚合这一套就是用各种nlp程序处理一通，然后入库等待发布。主要用的就是把长文章进行摘要然后把相似长文章摘要聚合起来，以及把文章段落化，然后生成新文章。发布的话有两个方案，一个是直接用wordpress做cms，另一个是自己用django写了一个功能异常简单的cms(还需完善，主要问题是没有好看的模板)。
实战:用这个框架做了两个网站，一个是全采某商品价格网站，整了10万个商品，按品牌搞了2万个页面，接了个django的网站+全文搜索，可以说是丑到家，google收录6000页，但是流量很低，一天50多个，感觉是废了，来的关键词特别冷门，各种型号。这个站的缺点是商品牌子都是大牌，我的站只有品牌和参数，价格，缺乏内容以及长尾。 第二个网站是定时采集国内两个行业站的新闻栏目，自动做了英德法三语翻译，然后发布到了wordpress做的行业新文站，wordpress插件多，这个cms用起来比较舒服。目前的问题是每天能发布400篇文章，感觉用不了多久怕我的低配vps扛不住了，需要做一些wordpress优化，看了一些方法，主要是cache之类的，不知道我的小内存vps能不能扛得住。效果的话，刚做了4,5天，现有内容5000篇，google才收录了200页，我感觉得等一两个星期才能看到效果。目前才来了两个海外访客。
下一步:
继续优化流程，做下一个新网站，现在有的网站让他自己跑一段时间看看效果。
下一个新网站的方向是用现用程序采集翻译一批高质量的英文技术论坛，里面纯在大量长尾关键词，做个几个月应该是有流量的，不过流量的质量可能不怎么样，也不清楚能放什么广告，淘宝客什么的都需要备案才能获得广告，我应该放不了。
|
|
发表于 2018-6-20 01:10:20
发表于 2018-6-23 11:51:04
发表于 2018-6-23 09:22:56
