教你击败百度飓风算法
【张亚楠】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。
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：
- 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。
- 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。
- 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和内容增益两种。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。
———————————–【百度飓风来袭】网站被百度飓风算法处罚怎么办——————————-
前言
在百度站长论坛，看到有很多朋友提问，网站中了百度飓风算法，被飓风“吹成太监”，该怎么办好。在上一篇文章分析了飓风算法的命中范围。这次我们来谈谈解决方法。
被飓风算法影响怎么办
针对飓风算法的影响，百度一个朋友透露说：
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。
因此，一旦被飓风算法命中，只要不是明显误伤，短期内都没有办法解决。（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，一般没办法申诉，Google也是如此。只有人工处理的能申诉。）
如何避免被飓风算法命中
采集会被算法惩罚，而内容完全原创，成本又非常高。那如何生成内容，而又不被飓风算法惩罚呢。其实还是围绕内容增益上去解决，有几个解决方法：
增加用户点评模块
页面增加用户点评模块，当有用户点评之后，点评内容也会成为网页内容的一部分，产生了额外价值。作为用户，在阅读完内容之后，也希望看一下真实用户的意见，比如这个内容是否属实，信息是否失效，有没有额外的提醒等。
不过要注意的是，点评内容最好是在源码中实现，而不是在JS中（方便搜素引擎识别）。
- 推荐工具：友言，wumii（不保证内容出现在源码中）
- 实现难度：★★★
- 安全程度：★★★★
- 示例：网易新闻跟帖
增加内容推荐模块
根据网页主题，添加相关的内容模块，比如延伸阅读，之前报道，相关阅读等。作为用户，可以更加详细完整的了解事件的发展，比如关于“张艺兴”的一篇新闻，可以了解他之前参加过什么活动，有什么绯闻，参与的极限挑战的进展情况等。这些对用户来讲，都是非常有价值的。
- 实现思路：一种是人工编辑；一种是算法实现，比如根据TF-IDF提取出主体关键词，再拿关键词去跟历史内容匹配。
- 实现难度：★★★★
- 安全程度：★★★★
- 示例：网易新闻下的延伸阅读
内容整合
根据主题，将多篇内容整合为一篇。跟之前内容相比，整合后的内容更加丰富，可以满足用户更多需求。比如一篇“梦见老虎”的内容，如果能够添加“梦见老虎吃人”、“梦见被老虎追”等内容，将会更可能命中用户的梦境。
另一种比较常见的就是专题页，将相关主题的内容全部组织起来，按照重要程度安排内容布局。这种专题页有运营小伙伴编辑的，也有程序生成的（使用开源搜索引擎，比如Lucene，Sphinx，Xapian）。
- 示例：网易 – 香港回归20周年专题
申请百度原创
如果确实是优质原创内容，还是推荐加入百度原创保护项目。目前这个项目在内侧阶段，需要百度邀请加入。如果对自己的内容非常自信，可以跟我联系，我可能会推荐给院长。
后记
头图来自某网站受算法影响的截图；
随着更新频率提高，感觉内容质量有所下降，需要反思下。