教你擊敗百度颶風算法
【張亞楠】最近百度推出颶風算法，嚴厲打擊惡劣采集站，很多站點不幸中招，流量一夜回到解放前。我研究了百度和Google的文檔，詳細定位了算法的命中范圍。
百度公告
我們先來看下百度官方公告，內容如下：
- 百度搜索于近日推出颶風算法，旨在嚴厲打擊以惡劣采集為內容主要來源的網站，同時百度搜索將從索引庫中徹底清除惡劣采集鏈接，給優質原創內容提供更多展示機會，促進搜索生態良性發展。
- 颶風算法會例行產出懲罰數據，同時會根據情況隨時調整迭代，體現了百度搜索對惡劣采集的零容忍。優質原創站點如發現站點索引量大幅減少且流量大幅下滑現象，可在反饋中心進行反饋。
颶風算法分析
從官方文檔中來看，颶風算法的命中對象是站點，而不是網頁；主要是針對以惡劣采集為內容主要來源的網站，而不是所有包含惡劣內容的站點。
哪些內容算是惡劣采集
惡劣采集內容，一般是指沒有花費時間，精力，專業能力，人工整合的內容，或者說對用戶沒有任何附加價值的內容。
這部分內容有以下幾種類型：
- 從其他站點采集的內容。包括整個頁面內容都是采集、主題內容是采集，或者多篇采集拼湊成的內容。這種類型內容很容易被識別。
- 采集之后輕度加工的內容。包括修改了部分詞語，修改了部分句子，或者使用單詞批量替換的形式（部分偽原創工具）。這種類型的識別難度稍微大一點。
- 從某些動態站點采集的內容。包括采集其他搜索引擎的搜索結果（火端搜索），采集新聞feed流。
注意幾個要點：主體內容、惡劣采集、附加價值。
哪些內容不算是惡劣采集
群里也有朋友問，為什么有些網站也是采集的，但沒有受到影響，比如某doc、某浪。其實只要做到某個要點，就不算是惡劣采集，這個要點就是：給用戶帶來附加價值。
附加價值有站點增益和內容增益兩種。這個時候可以引用百度搜索技術博客《淺談互聯網頁面價值》的一段內容：
- 某人發表了一篇針對某新聞事件的原創博客，隨后被新浪轉載到了新聞頻道。從描述的內容上講，這是一種重復。但這種重復僅僅是主體內容上的重復，一方面它的轉載帶來了訪問速度、穩定性等方面的增益，并且之后的檢索用戶還有可能用“新聞事件+新浪”來檢索此新聞。這可以被稱之為站點增益。另一方面，它在轉載過程中可能會改變頁面的標題，而且依托其受眾，在轉載頁面上，還有可能出現更多的有價值評論和回復等，還有可能存在指向其它相關事件的新聞鏈接。這些可以被稱之為內容增益。因此即使主題內容沒有任何變化，新浪的這次轉載也是有價值的，其稀缺度也是較高的。
- 同樣，反過來說，如果轉載的網站相當不知名，則其無法帶來站點名/穩定性/速度的增益。更有甚者，轉載之后在頁面上加入大量廣告妨礙閱讀，或者只轉載了內容中不完整的一部分，這樣的轉載，或者說采集，就是純重復的，與采集源相比，就是沒有檢索價值的了。 綜上所述，對于主體內容重復的頁面，我們應該評價其是否存在站點增益和內容增益，只有對于大量完全無增益的重復頁面，我們才應該認為其稀缺度較低。
這里的要點是：頁面價值、增益
因此說，只要能夠帶來站點增益，內容增益，給用戶帶來附加價值，那就表明這個網頁有其獨特的價值，是不會被颶風算法命中的。
最后
百度的朋友透露，颶風算法主要是針對沒有價值的采集，一旦中招沒有任何解法。而被誤傷的優質原創可以通過反饋中心申訴。如何避免被颶風算法命中。（我下一篇文章會講。）
百度最近的戰略發生了調整，對內容生態的打造成了重中之重。而對惡劣采集內容的打擊，也是勢在必行。
我預測，對采集的打擊，對原創的支持，將是百度搜索內容部分的主旋律，颶風算法也會持續更新。
下一篇將揭秘如何避免被颶風算法命中，敬請期待。
———————————–【百度颶風來襲】網站被百度颶風算法處罰怎么辦——————————-
前言
在百度站長論壇，看到有很多朋友提問，網站中了百度颶風算法，被颶風“吹成太監”，該怎么辦好。在上一篇文章分析了颶風算法的命中范圍。這次我們來談談解決方法。
被颶風算法影響怎么辦
針對颶風算法的影響，百度一個朋友透露說：
颶風算法主要是針對沒有價值的采集，一旦中招沒有任何解法。而被誤傷的優質原創可以通過反饋中心申訴。
因此，一旦被颶風算法命中，只要不是明顯誤傷，短期內都沒有辦法解決。（被搜素引擎算法命中，一般都是普遍存在的，不被搜素引擎接受的做法，一般沒辦法申訴，Google也是如此。只有人工處理的能申訴。）
如何避免被颶風算法命中
采集會被算法懲罰，而內容完全原創，成本又非常高。那如何生成內容，而又不被颶風算法懲罰呢。其實還是圍繞內容增益上去解決，有幾個解決方法：
增加用戶點評模塊
頁面增加用戶點評模塊，當有用戶點評之后，點評內容也會成為網頁內容的一部分，產生了額外價值。作為用戶，在閱讀完內容之后，也希望看一下真實用戶的意見，比如這個內容是否屬實，信息是否失效，有沒有額外的提醒等。
不過要注意的是，點評內容最好是在源碼中實現，而不是在JS中（方便搜素引擎識別）。
- 推薦工具：友言，wumii（不保證內容出現在源碼中）
- 實現難度：★★★
- 安全程度：★★★★
- 示例：網易新聞跟帖
增加內容推薦模塊
根據網頁主題，添加相關的內容模塊，比如延伸閱讀，之前報道，相關閱讀等。作為用戶，可以更加詳細完整的了解事件的發展，比如關于“張藝興”的一篇新聞，可以了解他之前參加過什么活動，有什么緋聞，參與的極限挑戰的進展情況等。這些對用戶來講，都是非常有價值的。
- 實現思路：一種是人工編輯；一種是算法實現，比如根據TF-IDF提取出主體關鍵詞，再拿關鍵詞去跟歷史內容匹配。
- 實現難度：★★★★
- 安全程度：★★★★
- 示例：網易新聞下的延伸閱讀
內容整合
根據主題，將多篇內容整合為一篇。跟之前內容相比，整合后的內容更加豐富，可以滿足用戶更多需求。比如一篇“夢見老虎”的內容，如果能夠添加“夢見老虎吃人”、“夢見被老虎追”等內容，將會更可能命中用戶的夢境。
另一種比較常見的就是專題頁，將相關主題的內容全部組織起來，按照重要程度安排內容布局。這種專題頁有運營小伙伴編輯的，也有程序生成的（使用開源搜索引擎，比如Lucene，Sphinx，Xapian）。
- 示例：網易 – 香港回歸20周年專題
申請百度原創
如果確實是優質原創內容，還是推薦加入百度原創保護項目。目前這個項目在內側階段，需要百度邀請加入。如果對自己的內容非常自信，可以跟我聯系，我可能會推薦給院長。
后記
頭圖來自某網站受算法影響的截圖；
隨著更新頻率提高，感覺內容質量有所下降，需要反思下。