漏断更残的图书主页-查字典图书网

SEO部分摘要

2017-03-13

首先我上aizhan.com，点击关键词挖掘链接，输入我所知道的医疗行业的词根，比如“医”，或者“药”，我最喜欢用aizhan.com的原因就是关键词挖掘，可以基于词根搜索出一批指数词，而百度指数是不提供这种查询的。基于这些词根，我看到了很多热门的指数词，并能够体会到用户需求的强烈度。此外，还看到了这些词是哪个网站排在了前面，比如三九健康，比如寻医问药。
然后再回到关键词挖掘的页面，进行挖掘，如此重复。大概一个小时左右，我就可以了解这个行业在网络上，用户的需求分布在哪里，哪些网站解决了哪些主要的搜索目标，而丁香园在里面排在大概怎样的位置。
　　题外话，我前些年访问最频繁的网站大概就是爱站了，有段时间几乎每天都上去，主要就两件事，一个关键词挖掘，一个百度排名分析，来回反复，能够短时间了解一个领域或一个产品的用户诉求，以及领域内网站的流量和价值排名。如果你善于使用爱站，其实你对用户需求、对竞争分析就会上一个台阶。当然，如果对其中的数据不放心，也可以同时用百度指数、360的爱搜指数做对比。
爱站是一个好工具，此外，Alexa以前被中国人“玩坏了”，但其实这也是个好工具。很多人说Alexa数据不准，但你要明白所有采样的数据都存在不准的情况，但是依然有可以借鉴的价值，比如你可以对比Alexa和ChinaRank的数据，以及其他第三方数据，对比起来，有些偏差就可以理解。另外，Alexa的数据不只是排名而已，很多人以为看Alexa就看排名，我最关心的是访问的频道分布，以及访问的上下游，而这个上下游，其实很多时候很关键。你不想知道你的竞品网站流量从哪里来的吗？但是有几个互联网行业的人知道去Alexa看网站的流量上下游呢？
　　用爱站，用百度指数，在看数据之余，要理解指数背后的逻辑。所谓的关联词，所谓的长尾词，所谓的词根扩展词，它们告诉了我们什么，对我们做需求分析和竞品分析有怎样的帮助。如果你只是去看，而不去思考，这个数据毫无价值。此外，一个非常好的调研工具，是百度知道，在知道上，有大量的提问和大量的答复，如果你善于搜索，这些提问和答复，就是你调研的目标。

货币不是房价变化的决定因素

2017-01-26

第三讲的内容摘要
货币政策对房价的上扬没有起到关键作用。
下面我谈谈这方面的证据。证据之一是国际比较。人们没有意识到，房价的暴涨暴跌并不是美国独有的。世界上很多国家的房价都经历了暴涨暴跌，而且与其货币政策并没有紧密的联系。例如，英国的房价上涨相比美国有过之而无不及，但货币政策比美国紧缩，这与房价上涨的货币政策论不符。又如，德国和西班牙使用同样的货币（欧元），拥有同一个中央银行（欧洲中央银行），货币政策也相同，但是德国的房价在整个危机期间非常稳定，而西班牙房价激增的幅度远超美国。因此，这些国外的证据至少说明“货币政策很大程度上导致了房地产泡沫”这一说法不太合理。证据之二是泡沫的大小。利率和住房抵押贷款利率的变化确实能影响房价和房产需求，这一点在历史上不乏证据。但是如果你关注包括住房抵押贷款利率在内的利率的变化幅度和房价变动的幅度，基于历史数据分析两者的关系，就会发现房价上涨只有一小部分可以用利率变动来解释。换言之，21世纪初房价的上扬幅度很大，而货币政策导致的利率变动幅度较小，所以前者不能用后者来解释。我要引用的最后一个证据是泡沫的时机。罗伯特·希勒是一位以研究包括房地产泡沫在内的经济泡沫著称的经济学家，他认为泡沫从1998年就开始了，也就是在2001年的经济衰退和美联储下调利率之前。而房价在2004年政策紧缩之后增长迅速，所以时间对不上。对此有两种可能的解释。一种解释是1998年正是技术泡沫的中间阶段，刺激股价飙升的乐观心理预期同样可能会导致房价飙升。一些经济学家提出了另一种可能的解释：20世纪90年代后期，一场非常严重的金融危机席卷了一些亚洲国家和其他新兴市场经济体。危机平息之后，许多新兴市场国家开始大量积累外汇储备，这意味着它们需要得到安全的美元资产，于是对包括住房抵押贷款在内的资产的需求激增。这种需求是来自国外的，因为一些国家决定获取更多美元资产来充当外汇储备。有趣的是，在整个国家所能找到的与房价上涨关系最紧密的就是资金流入，这些资金流入国内，用来购买其认为安全的住房抵押贷款和其他资产，时间恰好也是在1998年初左右。

第一本介绍蚂蚁金服的书，想了解一下也只有这个选择

2017-05-04

余额宝那部分，感觉人的作用挺大的，换两个主管也许就不是和天弘基金合作了，赶上“钱荒”真是天赐良机，滴滴打车那年北京大雪也是很重要的一次机会；余额宝后来动静很大，外人知道马云和银行沟通了，但具体如何分化，威逼利诱？如果是自己会怎么解决？并不能给出一个答案，阅历太少，还需努力；知道印度发展的挺好的，没想到GDP已经排第五了

一些记录

2016-09-24

搜索引擎工作原理：深度优先，广度优先。实际结合使用
影响因素：权重，更新度，导入链接，首页点击距离(减少层级)
关键词相关性判断：冥王星的权重比我们高(看常见程度，的，很这类字无用)，词频密度，位置(标题或描述)
相关内容推荐，看了这篇的也看了别的，锚文字，翻页改成1,2,3,4,5,10,20,30,40,50(减少层级)
标题字数不超过30字，不堆砌，倒置面包屑导航(索尼手机-数码产品-亚马逊)描述不超过70字，H1标签
增加外链：加上一些插件，线上工具

工具基本都是火狐
xenu查链接是否打不开等
SEO for Firefox搜索时使用
SEO toolbar，Search status, SeoQ uake(支持百度)浏览网页时使用
站长帮手：外链分析工具，网站收录查询，搜索引擎模拟抓取工具
爱站，chinaz站长工具关键词
关键词排名查询工具
Moz工具看外部链接
Majesty SEO收费

阅读过程中的一些记录

2017-01-06

经营性现金流量：息税前利润+折旧-税金
自由现金流量：经营性现金流量-净营运资本变动(流动资产-流动负债)-资本性支出(股债)
资本性支出=资产(期末减期初)+折旧=固定资产的购入-售出

分析财报的指标
内部增长率ROA*b/(1-ROA*b)
b为利润再投资率，即留存比率
无外部融资
可持续增长率ROA改为ROE，无外部股权融资，负债权益比不变

股价=EPS/R+NPVGO(增长机会)
DDM模型：P=D/(r-g)，g为股利增长率，g=b*ROE，也可以是历年均值
发放股利股价应下跌。
高科技，零售，汽车周期性(即高贝塔值)；公用事业，铁路，食品，航空非周期性。股票的标准差大(电影公司看票房)，贝塔值不一定大，周期性弱。固定成本不抗周期。财务杠杆增大权益的贝塔不改变资产的贝塔

消息面：反应可能有立即，延迟，过度三种情况。假设消息为拿到订单，公司如果公告订单每年带来现金流的净现值，那么股价一步到位。不然看个人分析能力，最后市场博弈出一致的价格，有效市场假定悲观者和乐观者相互抵消。(熊市悲观，对好消息视而不见，牛市相反)中国散户情绪化，所以会过度。可以套利

定增可能是因为发现净现值大于零的项目，正常情况下公司价值提高。但是管理层可能知道公司被高估，所以发行新股；也可能是负债率不低，考虑风险(反过来说明公司谨慎或者财务状况不佳)。

当前金价300元，成本350,金矿可以买入，因为可以选择开采或停业。隐性期权(选择权是值钱的)。

并购的协同效应：收入增加，成本减少，税负下降，资本成本减少。
并购也可能有利债权不利股权
小公司并购创造价值，大公司毁灭