先分清：近似重复和完全複製不是一回事
完全複製指的是正文逐字相同，通常靠合並 URL、設定 canonical 就能處理。近似重复則是主题、结论、信息点高度重合，但标题、表述、段落顺序各不相同。後者更麻烦，因為單獨看每一篇，頁面都“挺正常”，很难一眼看出問题。
搜尋引擎判断頁面时，不只看正文文字，還會综合标题、结构、關键實体、内鏈外鏈指向、更新時間等信号。当多篇文章在這些维度上高度接近时，它們很可能被归入同一组，最终只有一篇作為代表參與展示。
近似重复通常從哪来
同一個话题換标题反复寫
隔一段時間重新寫一遍，觉得“更新了观点”。但如果核心结论和信息点没變，新舊两篇在系統眼里就是同一件事，新頁面不一定能顶掉舊頁面。
模板批量生成的地区頁、分類頁
只替換城市名、行业名词，正文段落和句式完全一致。這類頁面數量一多，很容易被判定為同组内容。
系列文章拆得過细
把一個完整主题拆成上下篇、進阶篇、常见問答多篇，每篇都要重复一大段背景铺垫。铺垫部分就是重复的来源。
聚合頁與詳情頁内容重合
列表頁把每篇的摘要和開头整段搬過来，導致列表頁與詳情頁大量重叠，两者會互相竞争同一個位置。
在索引里，它一般會長什么样
- 同组頁面里只有一篇能在搜尋结果中出現，其余几乎不露面。
- 索引覆盖报告里可能出現“重复網頁，未選擇用戶声明的規范網頁”之類的狀態。
- 頁面确實在索引中，但用相關關鍵詞查询时長期不出現。
這些狀態本身不等于“被惩罚”，多數情况下只是系統在组内挑了一個代表。關键是要判断：被挑中的那一篇，是不是你希望用戶看到的那篇。
處理顺序：先合並，再差异化，最後才是标簽
- 先選出應该留下的那一篇。通常看内容完整度、内部連結數量、外部連結與訪問資料，而不是只看發布時間新舊。
- 能合並的尽量合並。把其他几篇里獨有的信息补進主頁面，其余地址做 301 跳轉，确實没有保留價值的可以直接返回 410。
- 不能合並的，就做出真實差异。地区頁要有当地的價格、案例、服務范围；問答頁要回答不同的問题，而不是換一種说法重复同一句结论。
- 最後再补 canonical 和内鏈。整站内部連結统一指向保留頁面，同时清理 sitemap 中的舊地址，避免蜘蛛繼續從老入口反复進入。
差异化的标准不是“讀起来不一样”，而是“回答的問题真的不同”。
几個容易踩的坑
- 為了制造差异，硬塞大量無關段落，反而稀释了主题，頁面质量更差。
- 把 canonical 指向一個内容並不等同的頁面，两邊都可能受影响。
- 只改标题、不改正文，组内相似度依舊很高。
- 下线頁面时忘了處理内鏈和 sitemap，蜘蛛仍會持續来訪，抓取配額被浪費。
自查可以從一份抽样清單開始
挑 20 到 30 個主题相近的 URL，逐條记錄四個信息：這篇讲的到底是什么問题、有哪些信息点是別篇没有的、站内有哪些連結指向它、搜尋时它有没有出現過。把這份表填完，哪些该合並、哪些该保留，通常就清楚了。
處理完之後不用天天盯着看。给搜尋引擎几周時間重新抓取和评估，過一段時間再用同一份清單复查一遍，看组内的代表頁面有没有按预期變化，再决定下一步。