用 Python 與 Advertools 做文本詞頻分析

By

來源聲明：本文根據 Holistic SEO〈How to Perform Text Analysis via Python and Advertools〉（Koray Tuğberk GÜBÜR；頁面日期含 2020-07-25／2024-09-08）編譯整理，不是逐句翻譯。原文連結：https://holisticseo.digital/python-seo/perform-text-analysis。文中「編輯解讀」為本站觀點。

作者認為分析文本有助判斷哪種句構與用詞較能服務使用者與搜尋系統。本稿不用深度 AI，而用 phrase-based：在內容裡找特定詞或片語，觀察結構、目的與情緒傾向。工具是 Elias Dabbas 的 Advertools，核心函式為 word_frequency()。

兩種頻率

Absolute Keyword Frequency：詞出現次數相對全文詞數的比例，接近傳統 keyword density 討論，也與 stuffing 風險相鄰。

Weighted Word Frequency：依另一欄位加權，例如電商裡帶來較高利潤的詞、社群貼文依讚或留言加權。即使出現次數較少，業務指標高的詞權重也可較高。SEO 可用它觀察「帶來流量或轉換的詞」而不是只看出現次數。

原文含操作示例與延伸閱讀（TF-IDF、爬站、robots.txt 測試等）。本篇只保留概念與用途，不複製完整程式碼區塊。

常見問題

  • 這篇文章教什麼工具？用 Elias Dabbas 的 Python 套件 Advertools，特別是 word_frequency()，做內容詞頻分析。
  • Absolute 與 Weighted Frequency 差在哪？Absolute 看詞在文本中的占比；Weighted 則依另一個業務指標（如營收、讚數）加重，即使詞出現較少也可能權重更高。
  • 這和關鍵字堆砌有何關係？作者把詞頻連到 keyword density 與 stuffing 風險，強調分析是為了看結構與語氣，不是鼓勵堆詞。
  • 文中有沒有上 AI 生成文本分析？作者說本稿用 phrase-based 方法；AI 方法留給未來文章。

編輯解讀

一句話重點：先分清「出現很多次」和「對業務很重要」兩種詞頻，再用腳本批次看內容庫。

這對你的網站意味著什麼：

  • 抽一組高流量與低流量 URL 的正文，跑絕對詞頻對照。
  • 若有營收或轉換欄位，改跑加權詞頻看差異。
  • 把結果當假設產生器，再回 Search Console 驗證，不要直接改成堆詞。

適用與不適用的情境：適合有資料能力的內容／SEO 團隊。不適合把它當排名保證公式。

需要注意的限制：Holistic SEO 教學文；工具為第三方開源／套件，文章本身仍有顧問品牌曝光利益。

延伸閱讀：

名詞與資料來源

  1. 可抓取連結與錨文字 — Google Search Central：〈Links crawlable〉 https://developers.google.com/search/docs/crawling-indexing/links-crawlable（檢索日期：2026-09-30）

Similar Posts