重复内容不只在站外发生
谈到重复内容，很多人的第一反应是别人转载了自己的文章。但在收录层面，更常见、也更容易被忽略的，是同一个站点内部的重复：同一个商品有七八个规格 URL，同一项服务有几十个城市页面，内容只换了一个地名，正文其余部分一字不差。这些页面彼此之间互为重复来源，搜索引擎在决定收录哪些、留下哪些时，会做一轮筛选。
站内自重复的几种典型场景
- 多城市页：一份模板套出上百个城市，除了地名和电话，正文几乎相同。
- 多规格或多属性页：颜色、尺寸、套餐组合各自生成独立 URL，差异只在参数上。
- 筛选与排序页：列表页叠加筛选条件后，生成大量内容高度重合的 URL。
- 分页与归档：同一批文章在分类页、标签页、日期归档页反复出现。
- 多语言或多区域版本：不同语言版本之间只做了机器翻译，语义高度接近。
搜索引擎会怎么做取舍
面对一批相似页面，它通常不会全部收录并全部给予展示机会，而是倾向于挑选其中一个作为代表，其余的要么不收录，要么收录后长期不参与展示。挑选的依据往往是：哪个页面获得了更多外部链接、哪个页面更早被发现、哪个页面的内容更完整。
这个过程不受你控制，也不会有明确通知。表现出来就是：你发布了一百个城市页，索引报告里只增加了十几个，剩下的停在已发现或已抓取但未编入索引。
站内重复不会直接导致惩罚，但会稀释抓取机会和页面权重，让真正重要的页面更难被稳定收录。
处理思路：先分清哪些页面值得独立存在
- 有真实差异就保留，没有就合并。每个城市页如果有本地门店、本地案例、本地服务范围等真实内容，值得独立成页；如果只是替换了地名，合并成一个总页面更合适。
- 给代表页明确 canonical。多规格页若不打算各自参与搜索，可以指向主规格页，但要确认主规格页确实能覆盖用户需求。
- 控制筛选组合的抓取入口。筛选参数是给用户用的，不必让每个组合都被抓取。可以用 robots.txt 屏蔽无意义的参数组合，或在站内链接上收一收。
- 把归档页和标签页降级。这类页面更适合承担导航作用，若内容与分类页高度重合，可以设置 noindex，把收录机会留给文章本身。
- 差异化要落在正文，而不是标题。只改 title 和 h1、正文照搬，仍然属于重复内容。
自查时可以问的几个问题
- 把两个页面的正文并排放，去掉地名、型号之后还剩多少不同？
- 这个页面会有人单独搜索并点进来吗？还是只会从站内导航进入？
- 索引报告里，同一批模板页的收录比例是否明显低于其他页面？
- 被抓取次数最多的，是不是恰好就是这些高度相似的页面？
如果答案指向这些页面本来就不需要各自被收录，那么精简往往比扩充更划算。收录量不是越多越好，把有限的机会留给有独立价值的页面，整体表现通常更稳定。