互聯網鼓勵原創,搜索引擎尤其希望把優質的原創內容推薦給用戶。16號,百度站長平台的Lee發表了一篇《談談原創項目那點事》,核心目的就是鼓勵站長支持原創。那麼百度如何判斷內容是否原創?筆者就這篇文章談談自己的理解,歡迎拍磚。
一、採集泛濫。採集現象主要集中在新聞、資訊、小說等領域。現在的採集工具越來越複雜,一般站點很難完全防住。做站做內容的人都遇過這種情況:自己原創更新一篇,幾天後查排名,由於權重等原因,轉載了這篇文章的站反而排在前面。對多數中小型站點來說,搜索流量佔總流量的比重很高,如果長期原創卻拿不到應有的排名與流量,站長自然會失去原創的動力,原創比例隨之下降。
二、提升用戶體驗。大家都知道原創的重要性,但寫原創費時費力。有需求就有市場,於是市面上出現了大量偽原創工具,原理是打亂文章結構、重新組合、替換關鍵詞,硬把舊文變成「新文」。這類內容的共同問題是可讀性差,用戶體驗低,同時也拉低了搜索結果的整體質量。提升用戶體驗是個永恆話題,搜索引擎目前做得未必盡如人意,但方向一直沒變。對站長來說,只有增加原創內容、改善體驗,站點才能走得長遠。
三、鼓勵原創作者與原創內容。正如第一點所說,只有對堅持原創的站點與內容給予適當的權重和排名,讓原創者真正享受到原創帶來的回報,他們才有動力堅持下去。
1、冒充原創、篡改關鍵信息。堅持原創的往往是中小型站點,但由於蜘蛛爬行頻率、搜索引擎重視程度等原因,原創文章發表後被其他站轉載時,版權信息、關鍵詞常常被改寫,反過來冒充原創。轉載站在權重上佔優,搜索引擎很難判斷究竟誰抄了誰。
2、偽原創工具批量生產「原創」。無論用什麼方式判斷,面對網上數以億計的內容,最終都得靠程序來識別。是程序就有漏洞,有漏洞就能被摸出規律,於是各類偽原創工具層出不窮,把文章重新組合後搖身變成「原創」。而且工具本身也在隨算法變化而不斷升級,判斷難度因此進一步加大。從百度的描述看,工具生產的所謂原創內容存在語句不通順、可讀性差等問題,正是這段時間重點整治的對象。如果你還在用這類工具,建議盡快停手。
3、站點結構差異化。每個站的結構都不同。搜索引擎抓取內容時,通常會先分析同一站內哪些部分是通用元素、哪些才是真正有價值的內容,然後提取有價值的部分入庫。但不同站點結構差異大、HTML標籤含義與分布不同,提取標題、作者、時間等關鍵信息的難度差別也就很大。所以每個站都需要一個合理的結構:簡單、清晰、明確,既方便搜索引擎抓取,也讓用戶瀏覽更順暢。
1、單獨成立原創項目組。按百度的說法,這個部門會長期存在,為原創判斷提供技術、產品、運營、法務等各方面的支持。
2、原創識別「起源」算法。這是關鍵所在。先通過內容相似程度,把網上主題相近、內容相似的文章(無論原創或採集)聚合在一起;再綜合作者、發布時間、鏈接指向、用戶評論、作者與站點的歷史原創情況、轉發軌跡等因素判斷原創;最後由價值分析系統評估內容價值高低,指導最終排名。
3、原創星火計劃。這個計劃需要百度與站長共同維護生態:站長推薦原創內容,搜索引擎通過算法乃至人工判斷後給予優待,雙方一起推進環境改善。簡單說,就是站長推薦、百度驗證,這既是算法改進的過程,也是讓原創內容更快被發掘的過程。
想獲得百度鼓勵原創政策的照顧,站長至少要做到幾件事:站內結構優化到位、堅持原創產出、鼓勵用戶評論、保證內鏈通暢,如果可以,保留每篇文章的發布時間。還有一點很重要:如果文字屬於轉載,請保留原始出處的鏈接指向,這將直接影響站點自身的原創判斷。