先分清：近似重复和完全复制不是一回事
完全复制指的是正文逐字相同，通常靠合并 URL、设置 canonical 就能处理。近似重复则是主题、结论、信息点高度重合，但标题、表述、段落顺序各不相同。后者更麻烦，因为单独看每一篇，页面都“挺正常”，很难一眼看出问题。
搜索引擎判断页面时，不只看正文文字，还会综合标题、结构、关键实体、内链外链指向、更新时间等信号。当多篇文章在这些维度上高度接近时，它们很可能被归入同一组，最终只有一篇作为代表参与展示。
近似重复通常从哪来
同一个话题换标题反复写
隔一段时间重新写一遍，觉得“更新了观点”。但如果核心结论和信息点没变，新旧两篇在系统眼里就是同一件事，新页面不一定能顶掉旧页面。
模板批量生成的地区页、分类页
只替换城市名、行业名词，正文段落和句式完全一致。这类页面数量一多，很容易被判定为同组内容。
系列文章拆得过细
把一个完整主题拆成上下篇、进阶篇、常见问答多篇，每篇都要重复一大段背景铺垫。铺垫部分就是重复的来源。
聚合页与详情页内容重合
列表页把每篇的摘要和开头整段搬过来，导致列表页与详情页大量重叠，两者会互相竞争同一个位置。
在索引里，它一般会长什么样
- 同组页面里只有一篇能在搜索结果中出现，其余几乎不露面。
- 索引覆盖报告里可能出现“重复网页，未选择用户声明的规范网页”之类的状态。
- 页面确实在索引中，但用相关关键词查询时长期不出现。
这些状态本身不等于“被惩罚”，多数情况下只是系统在组内挑了一个代表。关键是要判断：被挑中的那一篇，是不是你希望用户看到的那篇。
处理顺序：先合并，再差异化，最后才是标签
- 先选出应该留下的那一篇。通常看内容完整度、内部链接数量、外部链接与访问数据，而不是只看发布时间新旧。
- 能合并的尽量合并。把其他几篇里独有的信息补进主页面，其余地址做 301 跳转，确实没有保留价值的可以直接返回 410。
- 不能合并的，就做出真实差异。地区页要有当地的价格、案例、服务范围；问答页要回答不同的问题，而不是换一种说法重复同一句结论。
- 最后再补 canonical 和内链。整站内部链接统一指向保留页面，同时清理 sitemap 中的旧地址，避免蜘蛛继续从老入口反复进入。
差异化的标准不是“读起来不一样”，而是“回答的问题真的不同”。
几个容易踩的坑
- 为了制造差异，硬塞大量无关段落，反而稀释了主题，页面质量更差。
- 把 canonical 指向一个内容并不等同的页面，两边都可能受影响。
- 只改标题、不改正文，组内相似度依旧很高。
- 下线页面时忘了处理内链和 sitemap，蜘蛛仍会持续来访，抓取配额被浪费。
自查可以从一份抽样清单开始
挑 20 到 30 个主题相近的 URL，逐条记录四个信息：这篇讲的到底是什么问题、有哪些信息点是别篇没有的、站内有哪些链接指向它、搜索时它有没有出现过。把这份表填完，哪些该合并、哪些该保留，通常就清楚了。
处理完之后不用天天盯着看。给搜索引擎几周时间重新抓取和评估，过一段时间再用同一份清单复查一遍，看组内的代表页面有没有按预期变化，再决定下一步。