最近各大搜索引擎深受采集站毒害，在論壇上，很多站長也都在討論如何采集，甚至有站長出采集教程，教大家采集，還有專門的采集軟件工具。主機吧查了下，之所以采集這么受歡迎，是因為采集的效果好，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。

當大家都在討論采集的時候，也就是采集最危險的時候。

這不，最近搜狗就推出了打擊采集的算法。

為促進搜索內(nèi)容生態(tài)健康發(fā)展，保障用戶的瀏覽體驗，搜索將于6月17日推出石破算法。該算法旨在對包含惡劣采集行為的鏈接、網(wǎng)站進行識別，根據(jù)網(wǎng)站作弊程度落實相應(yīng)的清洗打壓措施。惡劣采集標準解讀與示例如下，煩請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，文章前后無邏輯關(guān)系，致使用戶理解困難；

圖1.1 正文內(nèi)無相關(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：采集后未進行編輯導(dǎo)致的文章排版混亂、無關(guān)信息冗雜、功能丟失等問題，難以為用戶提供有效信息；

圖2.1 缺少問答結(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)/獨有內(nèi)容，即多為批量采集并未進行編輯整理的內(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)營領(lǐng)域無關(guān)內(nèi)容用以獲取流量的行為也會被判定為惡劣采集；

圖4.1 主營設(shè)計領(lǐng)域網(wǎng)站采集大量無關(guān)內(nèi)容

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