2010年4月13日,百度貼吧站長俱樂部裡,知名SEO專家ZAC代站長發問:「自己的原創內容排名常常比不過轉載或抄襲的,站長能做些什麼預防或改進?我的站每天都更新原創內容,而百度每天也都更新,但是其他人的轉載被收錄了以後,我的文章就搜索不到了。我堅持了近4個月的原創,但百度仍然把我扔到了500多位!」

兩年前ZAC代表站長就原創收錄問題與百度代表Lee的對話
兩年多過去,情況毫無改觀,甚至更糟。各種「複製采集偽原創」頁面輕易被搜尋引擎以關鍵詞索引方式推到使用者面前,原創首發站反而名落孫山。這客觀上縱容了一批瞄准搜尋引擎缺陷、以「複製采集偽原創」為基礎所謂SEO的不斷泛濫。
不出所料,8月10日的百度「站長門診開放日」上,原創識別又成了站長們追問工程師Lee的焦點。而Lee的回答,也基本是兩年前那句「這個,只能說百度的策略還不是很完善,我們也一直在改進」的翻版——「我們正在設計一套較完善的原創識別算法」。
值得注意的是,這個說法與7月2日百度網頁搜尋反作弊團隊發布的《針對低質量站點的措施已經生效》幾乎互相矛盾。當時那份公告語氣笃定:「對提供優質、原創資源的站長來說,因為我們降低甚至清除了低質量站點的排名,你們將從百度得到更多的流量」。不到兩個月,工程師的表態就把這句話推翻了。
而且兩次面對同樣的提問,回應方式都是繞開主題:兩年前談的是「從用戶體驗角度,有些轉載未必比原創差……只是國內的轉載,很多是掐頭去尾,使原創者比較受傷」,重點落在轉載不規範;今年談的則是「(百度接到的聲稱自己是原創投訴)80%多都是無效的,甚至大量聲稱老中醫3-5天治愈絕症的網站,通篇內容讀不通」。
Lee說的都是實話,但真實的細節累積並不等於真實的全貌。投訴無效比例高,不代表高品質原創不存在,更不是原創首發無法被識別的正當理由。俗話說沒有金剛鑽別攬瓷器活,這樣的表態恰恰說明原創識別與去重能力沒有實質進步。
也因為清楚這是通病,許多草根原創者會在文末標注版權與首發網址,並以向行業站投稿的「內容同步」方式引導搜尋引擎與轉載者——雖然拿到的多為純文字連結,但工程師曾說「是否能識別和處理純文本形式的鏈接?答案是可以的,至於鏈接是什麼形式,並不重要」,這給了他們信心。
然而結果令人失望:在高權重投稿站的文章生成與被收錄時間都明顯早於偽原創站的情況下,原創首發頁仍被忽略,偽原創站排名居高不下——其中不少頁面只是隨手截取文章片段,根本沒把主題講完整,更談不上什麼「更好的用戶體驗」。
原創頁面的識別認定一直是搜尋引擎的弱項,但並非所有人都表現得這麼糟。面對同樣泛濫的偽原創環境,對於有版權聲明網址指引的原創首發頁(再加上發布時間、連結普遍性、來源站權重等判準),國外搜尋引擎並沒有出現那種搜索結果前排被偽原創大量占領、原創首發無影無蹤的情況。
這說明,在把網址推薦給使用者之前必須完成的原創識別與去重工作,基本沒有做到位。工程師的說法更像是在為現狀尋找台階。
相比之下,別家更好的表現也說明問題不在技術不能,而在觀念不重視——它在意的是更多原創內容,卻缺乏應有的版權意識。這才是原創識別長期落后的主因。
原創首發頁面的認定技術若能提升,反作弊能力也會同步增強,直接挫敗那些靠各種手段騙取排名者的圖謀,也能給認真做內容的人信心。只有當搜尋引擎以行動尊重中小原創站長的勞動,才會有更多站長願意把精力從「複製采集偽原創」轉回到真正體現網站核心價值的原創上。這一步很難,但對搜尋引擎的長期發展是值得走的一步。