百度飓风算法来袭 独家揭秘算法命中范围

【张亚楠】最近百度推出飓风算法,严厉打击恶劣采集站,很多站点不幸中招,流量一夜回到解放前。我研究了百度和Google的文档,详细定位了算法的命中范围。
百度飓风算法
百度公告
我们先来看下百度官方公告,内容如下:

  • 百度搜索于近日推出飓风算法,旨在严厉打击以恶劣采集为内容主要来源的网站,同时百度搜索将从索引库中彻底清除恶劣采集链接,给优质原创内容提供更多展示机会,促进搜索生态良性发展。
  • 飓风算法会例行产出惩罚数据,同时会根据情况随时调整迭代,体现了百度搜索对恶劣采集的零容忍。优质原创站点如发现站点索引量大幅减少且流量大幅下滑现象,可在反馈中心进行反馈。
  • 飓风算法分析

    从官方文档中来看,飓风算法的命中对象是站点,而不是网页;主要是针对以恶劣采集为内容主要来源的网站,而不是所有包含恶劣内容的站点。

    哪些内容算是恶劣采集

    恶劣采集内容,一般是指没有花费时间,精力,专业能力,人工整合的内容,或者说对用户没有任何附加价值的内容。

    这部分内容有以下几种类型:

  • 从其他站点采集的内容。包括整个页面内容都是采集、主题内容是采集,或者多篇采集拼凑成的内容。这种类型内容很容易被识别。
  • 采集之后轻度加工的内容。包括修改了部分词语,修改了部分句子,或者使用单词批量替换的形式(部分伪原创工具)。这种类型的识别难度稍微大一点。
  • 从某些动态站点采集的内容。包括采集其他搜索引擎的搜索结果(火端搜索),采集新闻feed流。
  • 注意几个要点:主体内容、恶劣采集、附加价值。
    哪些内容不算是恶劣采集

    群里也有朋友问,为什么有些网站也是采集的,但没有受到影响,比如某doc、某浪。其实只要做到某个要点,就不算是恶劣采集,这个要点就是:给用户带来附加价值。

    附加价值有站点增益和内容增益两种。这个时候可以引用百度搜索技术博客《浅谈互联网页面价值》的一段内容:

  • 某人发表了一篇针对某新闻事件的原创博客,随后被新浪转载到了新闻频道。从描述的内容上讲,这是一种重复。但这种重复仅仅是主体内容上的重复,一方面它的转载带来了访问速度、稳定性等方面的增益,并且之后的检索用户还有可能用“新闻事件+新浪”来检索此新闻。这可以被称之为站点增益。另一方面,它在转载过程中可能会改变页面的标题,而且依托其受众,在转载页面上,还有可能出现更多的有价值评论和回复等,还有可能存在指向其它相关事件的新闻链接。这些可以被称之为内容增益。因此即使主题内容没有任何变化,新浪的这次转载也是有价值的,其稀缺度也是较高的。
  • 同样,反过来说,如果转载的网站相当不知名,则其无法带来站点名/稳定性/速度的增益。更有甚者,转载之后在页面上加入大量广告妨碍阅读,或者只转载了内容中不完整的一部分,这样的转载,或者说采集,就是纯重复的,与采集源相比,就是没有检索价值的了。 综上所述,对于主体内容重复的页面,我们应该评价其是否存在站点增益和内容增益,只有对于大量完全无增益的重复页面,我们才应该认为其稀缺度较低。
  • 这里的要点是:页面价值、增益

    因此说,只要能够带来站点增益,内容增益,给用户带来附加价值,那就表明这个网页有其独特的价值,是不会被飓风算法命中的。

    最后

    百度的朋友透露,飓风算法主要是针对没有价值的采集,一旦中招没有任何解法。而被误伤的优质原创可以通过反馈中心申诉。如何避免被飓风算法命中。(我下一篇文章会讲。)

    百度最近的战略发生了调整,对内容生态的打造成了重中之重。而对恶劣采集内容的打击,也是势在必行。

    我预测,对采集的打击,对原创的支持,将是百度搜索内容部分的主旋律,飓风算法也会持续更新。

    下一篇将揭秘如何避免被飓风算法命中,敬请期待。

    ———————————–【百度飓风来袭】网站被百度飓风算法处罚怎么办——————————-
    某网站中了飓风算法
    前言

    在百度站长论坛,看到有很多朋友提问,网站中了百度飓风算法,被飓风“吹成太监”,该怎么办好。在上一篇文章分析了飓风算法的命中范围。这次我们来谈谈解决方法。

    被飓风算法影响怎么办

    针对飓风算法的影响,百度一个朋友透露说:
    飓风算法主要是针对没有价值的采集,一旦中招没有任何解法。而被误伤的优质原创可以通过反馈中心申诉。
    因此,一旦被飓风算法命中,只要不是明显误伤,短期内都没有办法解决。(被搜素引擎算法命中,一般都是普遍存在的,不被搜素引擎接受的做法,一般没办法申诉,Google也是如此。只有人工处理的能申诉。)

    如何避免被飓风算法命中

    采集会被算法惩罚,而内容完全原创,成本又非常高。那如何生成内容,而又不被飓风算法惩罚呢。其实还是围绕内容增益上去解决,有几个解决方法:

    增加用户点评模块
    网易跟帖截图
    页面增加用户点评模块,当有用户点评之后,点评内容也会成为网页内容的一部分,产生了额外价值。作为用户,在阅读完内容之后,也希望看一下真实用户的意见,比如这个内容是否属实,信息是否失效,有没有额外的提醒等。
    不过要注意的是,点评内容最好是在源码中实现,而不是在JS中(方便搜素引擎识别)。

  • 推荐工具:友言,wumii(不保证内容出现在源码中)
  • 实现难度:★★★
  • 安全程度:★★★★
  • 示例:网易新闻跟帖
  • 增加内容推荐模块
    网页内容推荐部分
    根据网页主题,添加相关的内容模块,比如延伸阅读,之前报道,相关阅读等。作为用户,可以更加详细完整的了解事件的发展,比如关于“张艺兴”的一篇新闻,可以了解他之前参加过什么活动,有什么绯闻,参与的极限挑战的进展情况等。这些对用户来讲,都是非常有价值的。

  • 实现思路:一种是人工编辑;一种是算法实现,比如根据TF-IDF提取出主体关键词,再拿关键词去跟历史内容匹配。
  • 实现难度:★★★★
  • 安全程度:★★★★
  • 示例:网易新闻下的延伸阅读
  • 内容整合
    网页的香港回归20周年专题
    根据主题,将多篇内容整合为一篇。跟之前内容相比,整合后的内容更加丰富,可以满足用户更多需求。比如一篇“梦见老虎”的内容,如果能够添加“梦见老虎吃人”、“梦见被老虎追”等内容,将会更可能命中用户的梦境。
    另一种比较常见的就是专题页,将相关主题的内容全部组织起来,按照重要程度安排内容布局。这种专题页有运营小伙伴编辑的,也有程序生成的(使用开源搜索引擎,比如Lucene,Sphinx,Xapian)。

  • 示例:网易 – 香港回归20周年专题
  • 申请百度原创

    如果确实是优质原创内容,还是推荐加入百度原创保护项目。目前这个项目在内侧阶段,需要百度邀请加入。如果对自己的内容非常自信,可以跟我联系,我可能会推荐给院长。

    后记

    头图来自某网站受算法影响的截图;
    随着更新频率提高,感觉内容质量有所下降,需要反思下。

    【张亚楠】微信公众号:seo技术流

    发表评论

    电子邮件地址不会被公开。