做seo我们通常想到最落地的事就是每天更新原创文章。
原创文章虽然是让人头疼的事情，但更让人头疼的是，你明明是自己写的文章，已经够原创了，但是百度还是不收录。
而别人明明是采集的文章，甚至一点没改，反而收录的很好。
抛开网站权重，洪雨来说说到底为什么。
首先，飓风算法，针对的就是站群形式的采集站和垃圾站。
但，当你仔细查阅百度对这个算法的描述，你会发现，其实百度不是说不让采集，而是让你采集以后加上转载出处，不是不让采集，而是版面要整理好，让浏览者体验好。百度打击的是那些没有体验的烂站。
好了，事实上，中国互联网发展到今天，该写的文章几乎都写的差不多了，有些行业你让他挖空心思也写不出什么新东西了，你还不让别人采集，你这不是要人命吗。所以百度还是很人性的，允许采集但不能明说。
然后洪雨说本次的重点。
页面的原创度，现在已经是百度收录一个很重要的评判标准。
如果你是做优化的，很早应该就听说过模板原创这个点。就是做网站，如果有开发能力，最好原创模板来做站。因为代码是原创的，每个页面就算没有文章也都是全网少有的，百度一定更喜欢收录这样的站。
在前些年，这个点一直没有被人们重视，其实百度也对这个点在意的少些，因为有大量的原创内容需要收录。
但随着整个互联网内容的相对饱和，原创内容的逐渐减少，百度的算法自然对代码也是原创的网站有一定的倾向。
之前的泛站群，就有模板原创功能，说白了就是代码伪原创。虽然网站看起来都一样，但是里面的代码差别很大，当你查看的时候，会发现大量的无用html和css代码。
因为标签都不全，所以这些东西都不会显示出来，不过百度蜘蛛确实都爬取过了。
不过这种方法近期销声匿迹，洪雨不做这些，所以不知道具体情况，或许因为做泛站的人少了，或许因为大部分人不知道，或许是因为百度屏蔽了不完整代码的，或许是因为洪雨分析的站少孤陋寡闻……
再说说红极一时的文章乱码原创方法。
在早期，人们用的方法是用纯乱码，穿插的文章里，或者直接就是满篇的乱码。
这些乱码是从哪里来的呢？
举个例子，你随便找一个软件，或者压缩包，然后修改文件后缀名为.txt。用文本文档打开这个txt，你会发现里面全是乱码，发布这些乱码，绝对的百分百原创，百度喜欢的不得了。
当然，这样垃圾到不能再垃圾的内容，很快被百度屏蔽了，因为实现起来很简单，因为那些字谁都不认识，一过滤就行了。
近期，比较厉害的是加ascll码，对于这些编码浏览器会自动给转换的，但有的ascll码是被舍弃的，浏览器是不认的，所以不显示，浏览者也看不到。不过在网页源码中还是存在，那么蜘蛛就能爬取到。
蜘蛛一看，好家伙，这是个啥，从来没见过，全网独一份那么先收录再说。不过现在也销声匿迹了，估计跟当年的乱码一样，要么被屏蔽，要么没有盛行起来。
最近分析网站，洪雨发现一个能够综合代码和文章，实现全页面原创的方法，洪雨这里提出一个概念，页面原创比例。
原理很简单，首先……
第一步，就是在页面的开头构建大量随机css标签随机定义，但不调用，这样增加了代码原创度，但浏览者看不到页面的任何变化。
第二步，对文章的代码处理，文章的每句话都进行单独的标签标注。比如字号，字体，颜色，字间距，行间距……可以用css也可以直接用html的标签。
这样你会发现，本来100字的文章，占整个页面代码比例10%。用标注一扩充，占了整个页面的20%。在不改变页面效果的情况下提高了原创度。
注意事项，想要页面原创度高，文章字数最好在1000字以上，洪雨建议在3000字以上，这样的话就算不用处理，也能提升自身的原创比例。
再就是对文章句子的标注，单个页面一定要统一，如果随机了，你会发现文字有大有小，颜色各异，浏览者体验就会很差，飓风算法对排版要求很严格，百度是可以识别的。
ok，这样就大功告成，回头洪雨写个这样的文章处理工具，实现批量化。
最后总结，采集不可怕，伪原创也不可怕，可怕的是瞎采集乱排版！
发表评论：