超级蜘-蛛-池之网站中了“飓风算法”

2017年7月7日，百度正式推出“飓风算法”，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。

一、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，采集新闻feed流。

注意几个要点：主体内容、恶劣采集、附加价值。

二、哪些内容不算是恶劣采集?

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。

三、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。自百度推出“飓风算法”，首先中招的有这些大家熟悉的站。

7月7日中枪网站，大部分是范文类

7月6日中枪网站，大部分是范文类

躺枪案例：t262.com

躺枪案例：sanwen8.cn

被飓风算法影响怎么办？

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：

1、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)。

示例：网易新闻跟帖

2、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。

示例：网易新闻下的延伸阅读

3、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

4、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。

如果你的网站已经中了“飓风”，如何恢复网站排名呢?以武汉seo看来，你只能照如此做，然后看百度的反应吧。

1、如果你采集了，请自行删除采集内容，并用robots.txt进行处理，坚持原创，坐等百度给你伸出橄榄枝;

2、警告：如果你的内容都是抄袭的，而且每天发布数量较多(超过100条且没多少原创)，即便没采集，估计将来也会中飓风，百度目前的思想是建立一个绿色生态，他老人家并不希望互联网上有大量重复的内容，因为没有价值。

3、随着数据的增加，百度也肯定恼火大量重复内容给搜索引擎带来的困扰，因为你去做搜索引擎，也不希望遇到这种麻烦，成本问题、算法问题、大站建立站群骗取流量问题，都头疼。

4、时代变了，将来能够存活下来的站点，一定是有较多高质量原创内容的网站，内容为王的时代已经开启革命，也只有这样，百度才有玩内容推介资本，才不会被大量自媒体分走流量和客户，事关存亡，百度不会希望中国也出现一个facebook，微信自媒体、头条等，一个是社交流量，一个是原创生态，都越来越强大。