關(guān)于采集站采集文章更新維護(hù)的一些問答

時(shí)間：2022-05-28 04:03:01 | 來源：網(wǎng)絡(luò)營銷

時(shí)間：2022-05-28 04:03:01 來源：網(wǎng)絡(luò)營銷

從2013年開始，百度算法就被升級多次，其中尤為原創(chuàng)星火計(jì)劃讓人們開始知道了百度已經(jīng)開始在強(qiáng)抓狠抓站長要搞好網(wǎng)站的原創(chuàng)工作。這一度讓無數(shù)站長感到震驚，因?yàn)樵瓌?chuàng)的內(nèi)容對于不少草根站長來說是一項(xiàng)非常難以完成的任務(wù)，只有那些有著豐富的編輯資源才有可能解決原創(chuàng)問題，對于草根站長們來說，可沒有這么多錢的投入，所以在互聯(lián)網(wǎng)上出現(xiàn)了一致的哀嘆之聲。

不過我卻在百度推出原創(chuàng)星火計(jì)劃之后，并沒有發(fā)現(xiàn)那些全部搞原創(chuàng)的網(wǎng)站就能夠活得很自然，網(wǎng)站的排名就會靠前，網(wǎng)站內(nèi)容的收錄數(shù)量就會增多。相反一些依然靠著采集內(nèi)容的老站卻同樣過得非常舒心，網(wǎng)站的排名依然不錯，那么是不是表明百度算法中的原創(chuàng)星火計(jì)劃失效呢？當(dāng)然我們也發(fā)現(xiàn)的那些原創(chuàng)內(nèi)容沒有被收錄也大多出現(xiàn)在剛上線的新站群體中，所以質(zhì)疑百度算法似乎還為時(shí)過早了點(diǎn)。

我認(rèn)為之所以出現(xiàn)新站原創(chuàng)不收錄，而老站采集也有排名的現(xiàn)象并不會隨著百度智能化水平的提升就會徹底解決，因?yàn)檫@涉及到算法的核心內(nèi)容，下面我就借助億企邦來分享一下關(guān)于采集站靠采集文章更新維護(hù)的一些問答。

1、原創(chuàng)好？還是采集好？

當(dāng)然是原創(chuàng)好，因?yàn)榘俣仁沁@么說的，誰叫人家是裁判。

可為什么原創(chuàng)了很多文章，還是不收錄？收錄了沒排名？

一個搜索引擎，它的核心價(jià)值是要為用戶提供他/她最需要的結(jié)果。搜索引擎是有統(tǒng)計(jì)網(wǎng)民需求的，對于網(wǎng)民需求量小或者幾乎沒有需求的內(nèi)容，即使你是原創(chuàng)也可能被搜索引擎忽略，因?yàn)樗幌肜速M(fèi)資源在無意義的內(nèi)容上。

對網(wǎng)民需求量大的內(nèi)容，收錄應(yīng)該會比較多、比較快，但是，正因?yàn)槭珍浂?，即使你是原?chuàng)，也可能很難擠進(jìn)排名。

2、既然原創(chuàng)好，為什么要采集？

（1）、雖然原創(chuàng)好，但只要方法適當(dāng)，采集的效果并不會比原創(chuàng)差多少，甚至比沒掌握到方法的那些原創(chuàng)好很多（具體可查看億企邦《原創(chuàng)內(nèi)容就一定是優(yōu)質(zhì)內(nèi)容嗎》的相關(guān)介紹）。

（2）、精力有限，原創(chuàng)很難保證長期大量更新，如果請個編輯，投入產(chǎn)出比可能是負(fù)數(shù)。

3、收錄和索引到底什么關(guān)系？

收錄表示蜘蛛來抓取過、分析過。索引表示蜘蛛分析之后，認(rèn)為內(nèi)容有一定價(jià)值。

只有進(jìn)入索引的內(nèi)容才有可能出現(xiàn)在搜索結(jié)果中，展現(xiàn)給用戶。也就是說只有索引的內(nèi)容才有機(jī)會帶來流量。

4、市面上采集器那么多，應(yīng)該用哪個好？

每個采集器都有它的獨(dú)特之處，所謂存在即合理。請根據(jù)自己的需求來選擇即可。我的采集器是自己開發(fā)的，開發(fā)的過程中考慮了以下幾方面，使用其他采集器的也可作參考：

（1）、直接提供已分類的海量關(guān)鍵詞，這些關(guān)鍵詞都是百度已經(jīng)統(tǒng)計(jì)的有網(wǎng)民需求的詞(有百度指數(shù))，或者是這些詞的長尾詞，來自百度下拉框或相關(guān)搜索。

（2）、直接按關(guān)鍵詞采集，智能分析網(wǎng)頁正文進(jìn)行抓取，不需要自己寫采集規(guī)則。

（3）、抓取到的正文經(jīng)過規(guī)范的標(biāo)簽清理，段落全部以標(biāo)簽呈現(xiàn)，亂碼一律去除。

（4）、根據(jù)采集到的內(nèi)容自動配圖，圖片一定是與該內(nèi)容相關(guān)度非常高的。以這種方式代替?zhèn)卧瓌?chuàng)，既不影響可讀性，又使文章圖文并茂，做到比原創(chuàng)所提供的信息更豐富。

（5）、正文內(nèi)容中的關(guān)鍵詞自動加粗，也可自定義要插入的關(guān)鍵詞。但沒有做句子重排、段落重排等影響可讀性的所謂“偽原創(chuàng)”功能。

（6）、可直接使用關(guān)鍵詞和其相關(guān)詞組合作為標(biāo)題，也可抓取目標(biāo)網(wǎng)頁標(biāo)題。

（7）、可進(jìn)行微信文章采集。

（8）、不用觸發(fā)或者掛機(jī)。

（9）、集成百度站長平臺主動推送，加快收錄。

5、不同的網(wǎng)站程序，比如織夢、WordPress、dz、zblog、帝國cms或者其他，對SEO有什么影響?

理論上沒有影響。因?yàn)樗阉饕娌⒉恢滥闶鞘裁闯绦?，或者它可以通過一些規(guī)則識別出來，也不可能因?yàn)槌绦虮旧淼牟煌绊懰呐袛唷?br>
那什么會影響SEO呢？答案是模板。因?yàn)榛旧线@些程序都有模板機(jī)制，同樣程序可以輸出不同的頁面，不同的程序也可以輸出同樣的頁面，這就是模板。模板確定之后，你的每一個頁面就按照這個框架來輸出，也就是整個html結(jié)構(gòu)已經(jīng)確定。而這些html，正是搜索引擎要重點(diǎn)關(guān)注的，它得從這些html中得到它想要的信息。因此，一套好的模板非常重要。

6、采集站的模板設(shè)計(jì)應(yīng)該注意哪些細(xì)節(jié)？

（1）、權(quán)重結(jié)構(gòu)順序。整個頁面的html中(注意是html，而不是顯示出來的版面)，越靠前的位置，權(quán)重越高。由此引申出來，“title”、keyword、description三個標(biāo)簽，因?yàn)樽羁壳?，?quán)重最高。其次通常是導(dǎo)航，也是基本上是最靠上的，權(quán)重也非常高。再次就是文章標(biāo)題和正文。這是根據(jù)html的前后來排序的。

（2）、因?yàn)樗阉饕媸紫纫裱璚3C標(biāo)準(zhǔn)，所以，W3C定義的一些本來就是用來表示重要信息的標(biāo)簽，權(quán)重自然就高，比如，特別是h1，用來表示當(dāng)前頁面最重要的信息，一般每個頁面只能有一個，其權(quán)重估計(jì)與title相當(dāng)，也通常是用來放當(dāng)前頁面的標(biāo)題，當(dāng)然也有為了提高首頁權(quán)重，用h1來放置logo或首頁鏈接，都是可以的。另外還有em、strong這樣的標(biāo)簽，用來表示強(qiáng)調(diào)，一般認(rèn)為strong權(quán)重高于標(biāo)簽，同樣也是加粗作用，但我們認(rèn)為從SEO的角度看是沒有權(quán)重加強(qiáng)的。

（3）、css或者js代碼對搜索引擎來說通常是無意義的，盡量使用單獨(dú)的文件來存放，或者在允許的情況下放到html尾部。

7、采集站結(jié)構(gòu)規(guī)劃應(yīng)該注意哪些問題？

（1）、URL設(shè)計(jì)。URL也是可以包含關(guān)鍵詞的，比如你的網(wǎng)站是關(guān)于電腦的，你的URL中可以包含“PC”，因?yàn)樗谒阉饕嫜劾锿ǔＪ?ldquo;電腦”的同義詞。URL不要太長，層次盡量不要超過4層，這個就點(diǎn)到為止。

（2）、欄目設(shè)計(jì)。欄目通常是與導(dǎo)航相關(guān)聯(lián)的，設(shè)計(jì)時(shí)應(yīng)該考慮網(wǎng)站整體的主題，用戶可能會對哪些內(nèi)容感興趣，欄目名稱最好是網(wǎng)站的幾個主關(guān)鍵詞，這樣也方便利用導(dǎo)航的權(quán)重。

（3）、關(guān)鍵詞布局。理論上每一個內(nèi)容頁都應(yīng)該有它的核心關(guān)鍵詞，同一個欄目下的文章，盡可能圍繞欄目關(guān)鍵詞展開，億企邦提供大家一個簡單粗暴的辦法就是直接用欄目關(guān)鍵詞的長尾詞。

8、動態(tài)、偽靜態(tài)、靜態(tài)，這三者哪個好？

這個不能一概而論，推薦使用偽靜態(tài)或靜態(tài)。這三者的區(qū)別，是是否生成靜態(tài)文件，以及URL格式是否動態(tài)。生成靜態(tài)文件，本質(zhì)上是為了加快訪問速度，減少數(shù)據(jù)庫查詢，但會不斷增加占用空間；偽靜態(tài)只是通過URL重寫修改URL，實(shí)際上還是每次都要經(jīng)過程序運(yùn)算、查詢數(shù)據(jù)庫再輸出頁面，對加快訪問速度完全無效。動態(tài)與偽靜態(tài)的差異只在于URL，帶問號加參數(shù)。

所以關(guān)注兩個點(diǎn)就好：網(wǎng)站打開速度是否夠快？你是否需要節(jié)約服務(wù)器空間？

不同的網(wǎng)站程序，數(shù)據(jù)庫操作的效率可能不同。一般來講，內(nèi)容頁數(shù)量在1萬以內(nèi)的，頁面打開速度都是比較快的，數(shù)據(jù)量更大一些，達(dá)到5萬、十萬甚至更多，通常就要考慮靜態(tài)化了（具體可查看億企邦《wordpress程序在win和Linux系統(tǒng)下的偽靜態(tài)設(shè)置方法技巧》的相關(guān)介紹）。

9、有哪些途徑改善訪問速度？

（1）、上面已經(jīng)說到的靜態(tài)化。

（2）、通常很多網(wǎng)站模板中都有隨機(jī)調(diào)用文章或者類似的版塊，事實(shí)上對數(shù)據(jù)庫來說，隨機(jī)是一項(xiàng)比較重的負(fù)擔(dān)，在模板中應(yīng)該盡量減少隨機(jī)文章的調(diào)用。如果不可避免，可以考慮從數(shù)據(jù)庫上優(yōu)化，對有索引的字段排序通常比沒有索引要快很多。

（3）、將圖片、js、css等不經(jīng)常修改的文件，放到專用的靜態(tài)服務(wù)器上，多個js、或者多個css能合并的盡量合并到一個文件，減少http連接次數(shù)。

（4）、使用各類云加速產(chǎn)品。對普通網(wǎng)站來說，免費(fèi)的百度云加速或者360的云加速都還可以。

10、文章比較多，網(wǎng)站已經(jīng)開啟靜態(tài)，但是每次全站更新都要花很長時(shí)間怎么辦？

我的做法是使用緩存機(jī)制，這里只提供一個思路，可能需要自己二次開發(fā)。

網(wǎng)站設(shè)定為偽靜態(tài)，每一個請求到達(dá)時(shí)，程序檢查是否存在對應(yīng)的緩存html文件，如果該文件的生成時(shí)間是多少小時(shí)或幾天以前，我們判定它需要更新，這時(shí)候執(zhí)行正常流程，程序查詢數(shù)據(jù)庫，生成html后，寫入到緩存文件，再輸出到客戶端。

當(dāng)下一次訪問到達(dá)時(shí)，比如1分鐘以后又來一個訪問相同頁面，再次檢查緩存文件時(shí)間。從時(shí)間上可以判斷文件非常新，完全不用更新，則直接讀取文件內(nèi)容輸出到客戶端。這樣每個頁面都可以實(shí)現(xiàn)自動生成，也只有第一個訪客會感受到速度慢，后面的訪客訪問時(shí)都相當(dāng)于是靜態(tài)訪問，速度是非?？斓?。

如果是獨(dú)立服務(wù)器，還可以考慮自動檢測服務(wù)器負(fù)載，如果負(fù)載本來就高，那就算判斷出來需要更新，也暫時(shí)不更新，改為直接輸出。

11、圖片是引用遠(yuǎn)程網(wǎng)址好還是放在自己服務(wù)器好？

這個也是各有優(yōu)劣。引用遠(yuǎn)程網(wǎng)址，可以節(jié)約自己的帶寬，但很可能會因?yàn)閷Ψ椒?wù)器緩慢、或刪除資源、或防盜鏈，圖片無法顯示。

如果下載到自己服務(wù)器，當(dāng)然一切都自己掌控，但是圖片會非常占用空間，總體上可能比生成靜態(tài)所占的空間更大，而且如果訪問量大，圖片是最吃帶寬的。

12、采集站內(nèi)鏈應(yīng)該怎樣優(yōu)化？

內(nèi)鏈?zhǔn)前俣裙俜酵扑]的優(yōu)化手段之一，所以這是一定要做的。通常表現(xiàn)的形式是正文中出現(xiàn)某個關(guān)鍵詞，給這個關(guān)鍵詞加上一個鏈接，指向另一個正好是這個關(guān)鍵詞相關(guān)內(nèi)容的頁面。因此就誕生了一些所謂的優(yōu)化手法，強(qiáng)行在正文中插入一些關(guān)鍵詞和鏈接，以此進(jìn)行類似互推的操作。

還有的為了提高首頁權(quán)重，到處都放上網(wǎng)站名稱，并做上首頁鏈接，以為這樣可以提高目標(biāo)頁面的權(quán)重。但是這些很可能都是適得其反，因?yàn)樗阉饕鏁y(tǒng)計(jì)每個鏈接的點(diǎn)擊率。如果放在醒目位置點(diǎn)擊卻很少的鏈接，有可能會判斷為作弊。所以，請只在正文中本來就有的關(guān)鍵詞上做內(nèi)鏈，就可以了。

13、段落重排、句子重排、同義詞替換這些偽原創(chuàng)手法到底好不好？

不好。因?yàn)樗阉饕嬉呀?jīng)智能，已經(jīng)不是簡單的數(shù)據(jù)庫檢索，它會自然語義分析，凡是語義解析比較困難的句子或者段落，它是可以判斷為可讀性差的，所以我認(rèn)為這些“偽原創(chuàng)”可能是自作聰明。

14、評論模塊基本上沒有人用，該要還是不要？

要。評論模塊最頭疼是事情是垃圾評論，通常真正發(fā)言的訪客很少，垃圾評論一大堆，整天和營銷軟件斗智斗勇。這里提供一個我已經(jīng)實(shí)現(xiàn)的方案，對收錄可能有一定幫助(沒有依據(jù)的，只是猜測)：

保留評論框、但禁止評論。所有評論由自己的網(wǎng)站程序生成。前面提到搜索引擎會自然語義分析，其中有一項(xiàng)重要的能力，就是情感判斷。搜索引擎會計(jì)算每條評論的情感值，是positive(積極)還是negative(消極)，具體傾向是10%還是90%。如果評論內(nèi)容表達(dá)的是積極情感，則可以給你的正文加分，反之則減分。至于怎樣自動生成積極的評論，就八仙過海各顯神通吧。

這是在網(wǎng)絡(luò)社交發(fā)展起來后的必然趨勢，用這種方式來反映一個頁面的用戶體驗(yàn)度。同理還有分享、點(diǎn)贊等，原理類似。

15、綠蘿算法之后，外鏈到底還有沒有用？

有用。參見搜索引擎三定律之相關(guān)性定律。既然是定律，就不會改變。誰的內(nèi)容被引用得多，誰就是權(quán)威。在主動推送出現(xiàn)之前，外鏈應(yīng)該算是蜘蛛認(rèn)識一個頁面內(nèi)容的第一渠道（具體可查看億企邦《網(wǎng)站的站外SEO優(yōu)化為什么要做外鏈》的相關(guān)介紹）。

16、外鏈一定要錨文本或者裸鏈嗎？

不是。搜索引擎肩負(fù)重任，要努力發(fā)現(xiàn)真正有價(jià)值的東西，排除那些沒價(jià)值的東西。所以有可能你直接提交的鏈接沒收錄，在別人地方隨便發(fā)個純文本網(wǎng)址，被它發(fā)現(xiàn)了，還計(jì)算了加分。

除了錨文本和裸鏈，還可以用關(guān)鍵詞+網(wǎng)址的形式發(fā)純文本。這樣在網(wǎng)址前面的那個關(guān)鍵詞是會自動與該網(wǎng)址關(guān)聯(lián)的。

還有，有些鏈接雖然加了nofollow屬性，但是在百度計(jì)算外鏈的時(shí)候，還是會計(jì)算的。

17、采集站需要做外鏈嗎？

外鏈有沒有效果，當(dāng)然有，如果外鏈沒有效果，百度推出外鏈查詢工具做什么，外鏈為什么要購買，第一發(fā)外鏈的地方少了，第二發(fā)外鏈的成本大了，所以直接購買外鏈來增加網(wǎng)站收錄和排名，很多朋友又說購買外鏈會導(dǎo)致網(wǎng)站K站，我可以肯定回答你，不會K站，如果會K站，你直接把你競爭對手搞死。

另外，外鏈鏈接的方式也非常重要，首先采集站大多數(shù)是用文章排名的，所以我們購買的外鏈一樣要鏈接到文章頁面，并且按照前面的規(guī)矩做，每篇文章都有一個關(guān)鍵詞，那么這就是外鏈的錨文本了。如果全部連接到首頁，而首頁沒有關(guān)鍵詞，這就沒什么意義了。

18、搜索引擎統(tǒng)計(jì)網(wǎng)民需求以什么來標(biāo)識？

關(guān)鍵詞。每一個人搜索一個關(guān)鍵詞時(shí)，就表明他/她對這個詞相關(guān)的內(nèi)容有需求。而且，使用搜索引擎的人，通常是有問答需求、檢索查詢需求。當(dāng)然搜索引擎內(nèi)部肯定有非常龐大的分析系統(tǒng)，對這些需求進(jìn)行精確的定位，詳見百度指數(shù)。

比如搜索的關(guān)鍵詞是“手機(jī)”，很有可能是想要買手機(jī)或者查某款的價(jià)格，也可能只是想要下載漂亮的壁紙。但是，如果是想要壁紙，就會有更精確的關(guān)鍵詞“手機(jī)壁紙”，以下拉框或者相關(guān)搜索的形式呈現(xiàn)出來。

19、自己網(wǎng)站上原創(chuàng)的精選文章老是被其他站長采集，怎么辦？

比如說，有個網(wǎng)站天天來采集我的博客網(wǎng)站上的原創(chuàng)文章，結(jié)果全讓他收錄了，我自己網(wǎng)站卻沒收錄，怎么辦呢？對此，我也分享幾個解決方法：

（1）、聯(lián)系對方站長，讓其停止采集行為，這個直接些，有時(shí)候我們也經(jīng)常是直接給對方站長打電話。

（2）、既然是原創(chuàng)文章，那么文章中可以多加一些自己站內(nèi)不同形式專有的名詞或者特征文字或網(wǎng)址等，盡量讓他沒辦法直接通過采集程序替換掉這些文字或網(wǎng)址。

（3）、改模板了：采集也無非針對你頁面特征布局了，可以直接在模板的不同地方加上不同的標(biāo)簽屬性，如原來的內(nèi)容部分標(biāo)簽為<div id="content"></div>他分析內(nèi)容時(shí)可能就是用這個來界定，如果是，那么直接改下如<div style="" id="content">即在不破壞原有CSS的情況下破壞原有界定符，那么他就行重新制作采集規(guī)則了，當(dāng)然也可直接整體改版（自己從采集者的角度來分析你自己的模塊結(jié)構(gòu)，然后針對性的作些修改）。

（4）、通過程序限制了，直接在PHP或者ASP中限制單IP單次連接次數(shù)等（具體可查看億企邦《有效防止文章被復(fù)制采集的方法技巧》的相關(guān)介紹）。

（5）、屏蔽他的IP，但是他還是可以通過代理服務(wù)器訪問，也可以本地采集。

20、原創(chuàng)不收錄，采集的文章排名卻很好，是怎么回事？

首先對于新站來說，百度雖然能夠在新站提交相應(yīng)的申請之后會進(jìn)行收錄，但是并不表明你的網(wǎng)站就一定會是高質(zhì)量的網(wǎng)站，而是將這些網(wǎng)站收入到百度的考察沙盒中，如果這些網(wǎng)站的原創(chuàng)水平能夠一直保持，那么這個新站在百度沙盒所呆的時(shí)間就會越短，而新站在百度沙盒的期間就算是被百度收錄，也不會從搜索結(jié)果中釋放出來，這就給廣大站長朋友們造成新站的原創(chuàng)竟然還沒有被收錄的假象，實(shí)際上隨著網(wǎng)站的持續(xù)運(yùn)營，而且原創(chuàng)內(nèi)容的有序增加，同時(shí)也保障了原創(chuàng)的質(zhì)量，那么這些原創(chuàng)的內(nèi)容會隨著網(wǎng)站走出沙盒而被一道收錄的。

而對于那些通過采集竟然就能夠獲得排名的老站，似乎同樣和百度的原創(chuàng)星火計(jì)劃格格不入，因?yàn)椴杉o百度搜索引擎蜘蛛的印象就好像互聯(lián)網(wǎng)的寄生蟲，依靠別人的創(chuàng)作而獲得利益，所以百度搜索引擎對于這方面的網(wǎng)站打擊的都比較厲害。

可是對于一些老網(wǎng)站而言，他們的采集更注重一些方法，并沒有隨意改變原作者的信息，同時(shí)還保留了他們的信息，而且這些采集的內(nèi)容對于網(wǎng)站本身來說都有極高的相關(guān)性，而且能夠得到廣大用戶的喜歡，比如很多采集的內(nèi)容也能夠獲得巨大的瀏覽量，因?yàn)樵诨ヂ?lián)網(wǎng)的世界中，搜索引擎也要尊重分享精神，從某種意義上來說采集的內(nèi)容也是一種對別人的分享，只要你做出來版權(quán)的說明。

當(dāng)然這些老站除了在采集上有了很多的限制之外，同時(shí)還在外鏈建設(shè)以及其他網(wǎng)站的推薦方面做了很多工作，所以這些網(wǎng)站就已經(jīng)構(gòu)成了現(xiàn)在知名的平臺，所以這些網(wǎng)站上的內(nèi)容具有進(jìn)一步擴(kuò)撒用戶范圍的作用，所以這些老網(wǎng)站就算是進(jìn)行了內(nèi)容采集，但是也并不影響其排名（具體可查看億企邦《采集的文章內(nèi)容該如何快速收錄和排名》的相關(guān)介紹）。

所以說當(dāng)出現(xiàn)原創(chuàng)新站不收錄，而老站就算是有一定的采集內(nèi)容，同樣也能夠獲得不錯的排名，對于這種現(xiàn)象的存在反而說明了百度算法的智能化，對于任何的規(guī)定都沒有搞一刀切，所以體現(xiàn)了一種互聯(lián)網(wǎng)精神。

億企邦點(diǎn)評：

轉(zhuǎn)載和采集，分流了優(yōu)質(zhì)原創(chuàng)站點(diǎn)的流量，不再具屬原創(chuàng)作者的名稱，會直接影響到優(yōu)質(zhì)原創(chuàng)站長和作者的收益。長期看會影響原創(chuàng)者的積極性，不利于創(chuàng)新，不利于新的優(yōu)質(zhì)內(nèi)容產(chǎn)生。鼓勵優(yōu)質(zhì)原創(chuàng)，鼓勵創(chuàng)新，給予原創(chuàng)站點(diǎn)和作者合理的流量，從而促進(jìn)互聯(lián)網(wǎng)內(nèi)容的繁榮，理應(yīng)是搜索引擎的一個重要任務(wù)。