重複內容偵測

你可以用它做什麼

重複內容偵測工具幫助你找出網站內重複或相似的頁面：

• 發現完全重複：找出內容 100% 相同的頁面
• 偵測近似內容：找出高度相似但不完全相同的頁面
• 取得處理建議：系統推薦應該保留哪個版本
• 追蹤處理進度：標記已處理、已忽略的項目

快速開始

1. 確認內容地圖已爬取：進入「內容地圖」確認有頁面資料
2. 進入重複內容偵測：從側邊欄「工具 > 重複內容偵測」進入
3. 執行快速掃描：點擊「開始掃描」進行初步檢查
4. 檢視結果：從高優先級項目開始處理
5. 標記處理狀態：完成後標記為 resolved 或 ignored

前置條件

三種掃描模式

根據你的需求選擇掃描模式：

快速掃描

• 原理：比較已有的頁面標題和摘要內容
• 適用：快速了解是否有明顯重複問題
• 限制：可能漏掉標題不同但內容相似的頁面

精準 Hash

• 原理：從 Storage 讀取完整 HTML，計算內容 hash 值
• 適用：找出完全相同的內容（例如重複發佈、模板產生的重複頁）
• 前置：需要內容爬取時有存 HTML 到 Storage

近似掃描

• 原理：使用 SimHash/LSH 演算法計算內容相似度
• 適用：找出被改寫、微調但本質相同的內容
• 可設定：相似度門檻（Hamming 閾值）、最大配對數量

選擇建議：

第一次使用？
├── 是 → 先跑「快速掃描」了解狀況
│   └── 有發現問題？
│       ├── 是 → 跑「精準 Hash」確認完全相同的頁面
│       └── 還想找相似的 → 跑「近似掃描」
└── 定期維護 → 每月跑一次「快速掃描」即可

重複類型分類

結果解讀

重複配對卡片

每個發現的重複會顯示為一張卡片，包含：

優先級評分

系統根據以下因素計算優先級：

智能推薦

系統會推薦應該保留的版本，基於：

• 搜尋績效：GSC 28 天內的點擊/曝光資料
• URL 品質：URL 結構的清晰度和長度
• 內容完整度：頁面內容的豐富程度

處理重複的方法

針對每個重複問題，選擇合適的處理方式：

處理決策樹

發現重複配對
├── 兩個頁面都有流量？
│   ├── 是 → 設定 Canonical 指向較優版本
│   └── 否 → 301 重新導向到有流量的版本
├── 兩個頁面都沒流量？
│   ├── 選一個保留，另一個 301 或刪除
│   └── 或者都刪除（如果是無價值內容）
└── 兩個頁面都有獨特價值？
    └── 改寫內容使其差異化

篩選與排序

批量操作

處理大量重複時可以使用批量功能：

1. 勾選多個項目：左側 checkbox 選取
2. 選擇批量動作：
   • 標記為 resolved（已處理）
   • 標記為 ignored（已忽略）
   • 加入任務追蹤
3. 執行：確認後一次處理

匯出報告

點擊「匯出 CSV」可下載完整報告，包含：

常見問題

掃描很久是正常的嗎？

掃描時間取決於網站規模：

如果超過預期時間太久，可以重新整理頁面再試。

精準 Hash 沒有結果

可能原因：

近似掃描結果太多

調整方式：

• 提高相似度門檻（只顯示更相似的）
• 降低最大配對數量
• 用類型篩選只看「完全相同」

要怎麼知道處理有沒有效果？

1. 處理完標記為 resolved
2. 等 1-2 週讓 Google 重新爬取
3. 再次掃描，確認重複已消失
4. 觀察 GSC 的排名和曝光變化

Canonical 和 301 怎麼選？

最佳實踐

定期掃描 SOP

建議每月執行：

1. 執行快速掃描
2. 檢視新發現的重複：比對上次掃描
3. 優先處理高優先級項目
4. 標記處理狀態
5. 匯出報告存檔

常見重複來源與預防

處理優先順序

1. 完全相同 + 高流量 → 最優先
2. 標題重複 → 容易造成混淆
3. 近似重複 + 高相似度 → 需要評估
4. 低相似度的配對 → 可以先忽略

下一步