当梦想照进现实

百度飓风算法来袭 独家揭秘算法命中范围

2017.07.13

百度飓风算法来临

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(少量恶劣采集内容不会被命中)。

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:

  1. 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。
  2. 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。
  3. 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。

另外,飓风算法会迭代更新,有一些目前没命中的网站,保不齐下一次不会命中。

参考文章

  • 浅谈互联网页面价值http://www.chinaz.com/web/2011/0608/186736.shtml
  • Google的搜索质量评分指南2017版(暂无中文版)
  • 百度官方公告《百度推出飓风算法,严厉打击恶劣采集》http://zhanzhang.baidu.com/wiki/1050
Comments
Write a Comment