前天晚上十一点多，以前一同事给我发消息，说刚做完一个新站，天天更新，雷打不动，一个多月了，收录还是个位数。他发了个后台截图过来，我一眼就看见问题了——网站优化栏目标题挨个换着，点进去正文差不多，估计是复制粘贴改了改标题就发了。

　　我说你这不是更新，是给搜索引擎添堵。他还不服气，说内容都是自己家的产品，怎么算重复呢。

　　自己家产品也不行。你抄你自己，搜索引擎一样烦你。

　　这事得从它的逻辑说起，不然你总觉得是它“不喜欢你”。

　　搜索引擎衡量一个页面值不值得放上首页，按的是一套挺死板的账。它每天从几十亿个页面里挑十个给用户，你的网站就算写了三页几乎一样的文章，它凭什么给你三个位置?一个页面能讲的，也就那一件事。它从你这里挑一个它觉得最像样的留下，剩下的，不收录。

　　不收录还是轻的。更麻烦的是它会在整站头上记一笔：内容重复度高，持续观察。你后面真写了点好东西，它也可能因为你给它的“印象分”打了个六折，收录得比谁家都慢。

　　你天天累死累活地更新，回头它觉得你这站“没什么新鲜的可抓”——这买卖，亏到姥姥家了。

　　还有后果在站内看不出来，得放大看——权重分散。前阵子有个做仪器的老站，做了十几年，好好的，被人整个镜像走了。图、文字、结构，连后台路径都一模一样。站长一开始没当回事，觉得我有原版我怕谁。结果呢，搜索引擎分不清谁是妈了，权重被摊到好几个域名上，正主排名一路往下掉，镜像站反而露脸了。原理说穿了也简单——一篇文章正常该有一份权重，你多复制四个地方，它只能掰碎了分给五个，谁也没吃饱。

　　这种事摊到你头上的概率不高，但重复内容摊到谁头上的概率，真不低。

　　我当年就干过一回蠢事。那会儿做网站编辑，主编说这篇长文你扩展成三篇，我图省事，复制了两份，每份改个开头结尾，中段的字一个字没动，还觉得挺聪明。结果半个月过去，三篇一篇没收录，原来那篇本来有收录的，也被波及了，排名掉出首页。后来才琢磨明白，搜索引擎看的是正文相似度，不是标题。你以为你改头换面了，它眼里你连妆都没化。我那主编当时还骂搜索引擎抽风，现在回头看，抽风的那个是我。

　　现在好多人还在干这事，换了个名字叫“伪原创”。洗别人的稿子，换几个词，打乱下顺序，再加两句自己的话，就敢发。我跟你讲，认得出的。它靠的是分词、特征提取、结构比对，你段落从头到尾调转一遍，它照样能比对出句子的相似度。你换个同义词，主干句式还在。真拿去让有经验的编辑过目，一眼就看穿是洗的，你觉得机器看不出来?

　　所以别琢磨怎么“伪原创”，琢磨怎么“原创”才是正门。你实测过的数据，踩过的坑，亲自验证过的东西，这些是别人抄不走的。搜索引擎现在重视的就是这个——它越来越会判断哪篇是“真的亲手干过”，哪篇是“编出来的”。同一件事，写得再全，不如一句“我具体测了一回”有分量。

　　那已经存了一堆垃圾了，咋办?

　　先把网址理顺。域名带不带www，你定一个就行，另一个301指过去;http和https也是，留一个版本。后台能删的参数删掉，删不掉的用工具告诉蜘蛛别抓。就这一道，你站里的重复少一半。

　　再收拾内容。两篇写同一件事的，合并成一篇，有用的信息拼一起，废话删了，旧地址301指到新地址。有些页面确实得留着不想删的，就在页面上加一行canonical标签，告诉它“这个才是正版，另一个是副本”。那一行标签不复杂，很多人不知道，但实打实管用。

　　至于那些采集来的、洗来的、自己抄自己的，别舍不得，该删就删，该改就改。一篇有价值的，顶一百篇滥竽充数的。这不是我一家之言，是这套系统从第一天到现在的基本原则——它能给出的位置就那么多，凭什么给“连你自己都懒得读第二遍”的页面?

　　我后来接“收录不好”这类的活儿，第一件事从来不查外链、不看标题，就是先让把整个站的内容拉出来，看相似度。十回有八回，病根就埋在这。有些站的文章是供应商给的，原封不动就发了;有些是客服部从同行那抱回来的;还有些电商站，一个模板套几百个产品，就是把产品名换一下，其他一个字都不改。全是重复内容的窝。你问站长，他理直气壮说这么多年都这么干的。以前是以前，搜索引擎现在对这套的容忍度低多了，以前没出事，是他运气好，不是这事对路。

　　有人还问，那我转载别人的文章，注明来源行不行?比不署名强点，但也就是强点。你就算注明了，它还是优先收录原作者那篇，你这个顶多算个副本。偶尔转一篇有价值的，不亏，天天转，那你这个站定性就是“搬运站”，权重别指望了。

　　最后还是那句话：别堆。文章不在多，在每篇里头有点别人没有的东西。你要是拿不准自己站有没有重复内容，把两篇你觉得可能像的对着读一遍——你读着觉得差不多，那它也这么觉得。

　　行了，越写越长了，得收住。后台还挂着那个老站的重复详情页没合并完，先去弄那个。别的，想起来再说。