內容重複是優化中的大忌,轉載文章通常拿不到好權重,這也是偽原創長期流行的原因。下面這組圖表把重複內容的成因與處理方式講得相當清楚,值得逐一拆解。

這一類主要針對博客這種媒體型站點。用 WordPress 時,我們常把全文毫無保留地放在首頁,而不是只輸出摘要。這樣做容易被誤判為重複內容——因為同一篇文章在首頁、歸檔頁、標籤頁、單篇頁都完整出現了一次。

Session ID、追蹤參數這些東西如何造成重複?同一個產品頁,如果爬蟲可以透過多條鏈接路徑抵達,會帶來兩個問題:
其一,多種 URL 會稀釋鏈接的廣泛性。假設這個產品頁有 50 條導入鏈接,卻分散在三種 URL 形式上,那麼權重就被攤薄到三個不同地址上,而不是集中在一個。
其二,搜索結果可能呈現不友好的網址,比如一大串 session ID。英文站點尤其明顯——像 semwatch.org/sem 這樣簡潔的網址,不只是對搜索引擎友好,更重要的是用戶看得懂、記得住,這對品牌塑造有直接幫助。

一般來說,判斷一份內容是原創還是複製會經過四步:
發現:爬蟲找到新內容後,立刻與已收錄的內容做比對。
丟棄:先放棄那些來自鏈接農場、專為廣告而建的站點,以及被列入黑名單的來源。
解剖:分析頁面的入站鏈接,判斷鏈接的質量與來源。
決定:回顧此前收錄的頁面與相關鏈接,確定哪一個才是絕對原創。

爬蟲會透過某個特定頁面爬到幾十個相關頁面,靠的是內容之間的關聯鏈接。有些人想走捷徑:把大量頁面互鏈起來,即使內容彼此無關,並在整個站點過度使用同一個關鍵詞,指望藉此抬高排名。實測下來,這種做法對排名幫助不大,反而讓站點的主題訊號變得模糊。

差別在於:不是用同一個詞反覆互鏈,而是用多樣、有價值且各不相同的關鍵詞(比如「折扣滑雪板」「兒童滑雪板」)鏈回原內容。這樣搜索引擎能清楚判斷該頁與周邊頁面的關聯強度, AND 用戶也能沿著有意義的線索繼續瀏覽。這不只是為了搜索引擎友好,更是為用戶體驗和站點未來的資訊架構打基礎。

來源:Dynamical.biz

來源:SEOmoz.org
這兩張圖指向同一個問題——網址規範化。關於這個主題,前輩們很早就有過系統性的分析,值得完整讀一遍再動手。

當同一內容確實存在多個可用網址時,用 301 把權重集中到唯一地址,是最乾淨的解法。它比任何前端技巧都可靠,也是處理重複內容時最應該優先考慮的手段。