核心结论:内容原创度直接影响百度收录速度。 对于原创度达到百分之八十及以上的内容, 百度爬虫一般会在二十四小时到三天这段时间内完成抓取, 并且进入收录队列。
而对于原创度小于百分之四十的那种重复的、拼接类型的内容,其收录周期有可能会延长到七天以上内容原创度对百度收录速度的影响, 同时, 还存在不被收录的风险。收录情况, 不是只由原创度这一个因素来决定的。不过呢, 原创度这个东西, 它对收录速度有着非常主要的影响, 是核心权重之一。
原创度与收录速度的对应关系
百度这个内容收录的系统, 它会分三个阶段来进行, 第一个阶段是抓取, 第二个阶段是审核, 第三个阶段就是入库, 这个原创度的指标, 会在每一个阶段都产生它自己的影响和作用。
在抓取阶段里面, 百度蜘蛛会对网站中整体原创度比较高的页面, 分配一个更高的抓取频率。如果网站里的很多内容, 重复度都是比60%还要高的话, 那么爬虫就会降低这个域名的抓取优先级, 这样做的结果呢, 就是间接地把每一篇内容的等待时间给拉长了。
在审核这个阶段里, 系统会用语义指纹去比对, 还会用文本相似度那个算法, 再加上多源去重引擎, 把这些手段合起来识别内容的原创度。如果是那些原创度大于等于百分之八十的内容, 通过审核的概率明显就比那些低原创度的内容要高很多, 审核通过了就会进到收录队列里头去。
在入库阶段里面, 那些原创度比较高的内容会被优先分配到快照生成的资源上面去, 然后用户通过用“site:”或者用关键词进行搜索的方式, 就可以更快地把这个页面给看到。
不同原创度区间的收录时间参考
上述内容为运作正常的站点的参考范围, 新站在冷启动期里也就是上线后的三十天之内整体周期还会再多出大约一到两天的时间。
影响收录速度的其他关键因素
除了原创度之外, 以下这些方面的因素也会在一定程度上对收录的效率情况造成决定性的影响。
1. 站点权重以及历史表现这一块儿, 因为网站的历史收录概率是比较高的, 而且从来没有出现过违规的情况吗, 所以就拥有了一个处理速度会变得更加快速一些的特殊通道。
2. URL结构与可抓取性: 扁平化URL, 不包含JavaScript渲染依赖的页面, 以及robots.txt文件没有进行屏蔽的网页, 它们的整体抓取效率都会变得更高。
3. 被那些已经被收录的页面, 去合理地做一些内部链接引用, 这样子来指向新的内容, 那么搜索引擎去抓取这些新内容的概率就会得到提升。
4. 内容质量信号这个指标包含了信息完整度、排版规范性, 还有没有那些低质的填充词等内容质量方面的情况, 这些信息质量指标会和原创度的数值产生互动, 从而共同影响到最终的审核结果。
站长实操建议
把新的内容提交上去之后, 可以通过进入“百度站长平台”然后点击“抓取诊断”这个方法, 来确认一下搜索爬虫是不是已经访问过这个URL了, 如果还没有访问的话, 就需要手动去提交链接。
我们要把整个站点的原创内容比例维持在百分之七十之上, 这样才不会因为出现太多的低质量内容, 从而导致搜索引擎对你的网站的抓取优先级降低。
新站启动之后的三十天之内, 我们要集中去发布那些具有高度原创性、同时信息密度也达到了高水准的核心内容, 借由这个行为来建立起初始的信任权重。
一定要避免那种同一主题的内容因为意义相近而反复发布的做法, 在一篇有着深度内涵的内容面前, 十篇仅仅是在表面进行的拼凑之作是远远不如的。
想要让大家把内容收录的周期变得短, 这是最直接的办法, 并且这也是可以控制的, 因为提升内容的原创度就是这一操作的核心, 站长应该在心里明确一个标准,那就是把80%作为一个最低的门槛来对待内容原创度对百度收录速度的影响, 这个门槛说的是内容的原创度必须高过或者等于这个数字, 与此同时, 还需要把技术架构弄规整了, 还要让链接体系保持健康状态, 只有把这些事情都配合好, 才能让收录的效率提升到最大限度。



