最近各大搜索引擎深受采集站毒害，在論壇上，很多站長(zhǎng)也都在討論如何采集，甚至有站長(zhǎng)出采集教程，教大家采集，還有專門的采集軟件工具。主機(jī)吧查了下，之所以采集這么受歡迎，是因?yàn)椴杉男Ч?，很多網(wǎng)站一天啥也不干，專門采集別的網(wǎng)站的內(nèi)容，流量就花花的來(lái)。

當(dāng)大家都在討論采集的時(shí)候，也就是采集最危險(xiǎn)的時(shí)候。

這不，最近搜狗就推出了打擊采集的算法。

為促進(jìn)搜索內(nèi)容生態(tài)健康發(fā)展，保障用戶的瀏覽體驗(yàn)，搜索將于6月17日推出石破算法。該算法旨在對(duì)包含惡劣采集行為的鏈接、網(wǎng)站進(jìn)行識(shí)別，根據(jù)網(wǎng)站作弊程度落實(shí)相應(yīng)的清洗打壓措施。惡劣采集標(biāo)準(zhǔn)解讀與示例如下，煩請(qǐng)合作方自查并于算法上線前完成全面整改。

1. 內(nèi)容邏輯混亂：采集不同文章進(jìn)行拼湊或相同文章的重復(fù)片段堆疊成一篇文章，文章前后無(wú)邏輯關(guān)系，致使用戶理解困難；

圖1.1 正文內(nèi)無(wú)相關(guān)關(guān)系

圖1.2 內(nèi)容重復(fù)堆疊

2. 內(nèi)容結(jié)構(gòu)混亂：采集后未進(jìn)行編輯導(dǎo)致的文章排版混亂、無(wú)關(guān)信息冗雜、功能丟失等問(wèn)題，難以為用戶提供有效信息；

圖2.1 缺少問(wèn)答結(jié)構(gòu)

3. 網(wǎng)站由大量采集內(nèi)容構(gòu)成：網(wǎng)站缺少原創(chuàng)/獨(dú)有內(nèi)容，即多為批量采集并未進(jìn)行編輯整理的內(nèi)容，整體內(nèi)容質(zhì)量較低 ；

圖3.1 相同采集內(nèi)容反復(fù)應(yīng)用

圖3.2 批量生成文章配圖

4. 跨領(lǐng)域采集：網(wǎng)站采集大量與主要經(jīng)營(yíng)領(lǐng)域無(wú)關(guān)內(nèi)容用以獲取流量的行為也會(huì)被判定為惡劣采集；

圖4.1 主營(yíng)設(shè)計(jì)領(lǐng)域網(wǎng)站采集大量無(wú)關(guān)內(nèi)容

百度的很久之前就是打擊采集的算法，不過(guò)效果不是很好，如果采集還在瘋狂的話，相信要不了多久，百度一定會(huì)升級(jí)算法的。