本文不针对任何具体搜索结果,所讲为结果条目的通用结构,也不评价任何搜索引擎的收录与排序规则。
三部分各自代表什么
站名来自站点自身声明的名称或搜索引擎的识别结果;标题来自页面标题标签,也可能被改写;地址是抓取时的规范化地址。三者分别由不同环节产生,任何一环被改动,都会出现不一致。这也是为什么“对不上”本身不是结论:它只说明某个环节被动过,至于动它的是站点、是搜索引擎,还是内容聚合,需要再看。看的方向是“哪两处能互相解释、哪一处落单”。
四种常见情形
一是站名与地址不符:常见于同一主体运营多个域名,或站点改名未更新。二是标题与地址不符:常见于聚合页把别人的标题挂在自己地址下,标题是抄的,地址是自己的。三是三者都不同:常见于批量生成的低质页面,用模板拼接关键词,站名、标题、地址各自从词库里取。四是站名缺失:常见于新站或未被识别的站点。前两种多数无害,后两种要提高警惕——它们的共同点是没有人对这条结果负责。
对应的判断动作
站名与地址不符时,点开后先读地址,再回看站名是否在页面上以同样方式出现。标题与地址不符时,直接看落点页面的正文是否与标题主题一致。三者都不同时,不必点开,换一条结果。站名缺失时,按新站处理,多给一层验证,但不必直接排除。四种情形对应四个动作,不要用一种态度处理全部。
可执行检查单
- 01先确认哪一处对不上,再决定要不要点开。
- 02标题与正文主题不一致的,按聚合页处理,价值有限。
- 03三者都不同的结果,直接跳过,成本最低。
一个常见问题
站名可以随便写吗?
页面可以自己声明名称,搜索引擎也会根据多个信号推断,所以站名并不是权威标识。把站名当作品牌证明,是把最容易伪造的一项当成了最可靠的一项。地址比站名可靠,正文比标题可靠。
一个实用的排序
可信度从低到高:站名、标题、摘要、地址、落点页面的正文。这个排序不是绝对的,但它对应一个规律——越靠近实际内容的东西越难伪造,越靠近展示层的东西越容易。