内容重复机制可视化：大量有用的信息图表

众所周知，内容重复是搜索引擎优化中的一大忌，通常情况下转载的文章是很难获得高权重，所以站长们往往使用伪原创，下面是部分关于内容复制的信息图表，相信对各位会有所帮助。

#1 从博客上复制内容：

上图是主要针对博客这种网站媒体类型的，我们使用wordpress的时候经常将文章毫无保留地展示在首页，而不是使用输出摘要（就好像SEMWATCH那样），根据Randfish观察，其实这样子是会搜索引擎误认为内容重复。

#2 URL参数引起的内容重复

究竟URL参数像Session IDs，Tracking IDs是怎样引起内容重复的呢？Googlewebmastercentral （需要翻墙） 透露，同一个产品页面，如果搜索引擎爬虫抓取可以通过多种链接途径抓取同一个产品页面，那样会有以下几种消极的影响：

1.多种URLs会稀释链接的广泛性。比如上图的产品页面，如果有50个导入链接，那有可能分别形成了3种导入URL途径，而不是唯一的某一个URL，这样就等于将导入链接传递的权重分散到3个不同的链接上。

2.搜索结果或许会呈现不友好的URL（比如一大串长长 的session ID，tracking ID）。从而在SERP中，降低了用户对该页面的清晰了解程度（英文url比如semwatch.org/sem，不仅仅具备搜索引擎友好性，更重要的是用户体验友好性），不利于品牌的塑造。

#3 搜索引擎对待内容重复的态度

从Search Engine Land给出上图可知，一般来说搜索引擎通过4个步骤来识别内容是原创还是复制：

1.发现。当搜索引擎爬虫发现新的内容，他会立刻与之前收录的内容进行比较确保内容的原创性。

2.丢弃。首先，搜索引擎会放弃收录那些来自链接工厂，MFA站点（Made For Adense）和被列入黑名单的IP的页面

3.解剖。下一步就是分析每个页面的 入站链接，判断链接的质量和源头。

4.决定。最后就是回顾之前收录的页面和相关链接，决定哪一个页面才是绝对原创。