也说说大数据站的收录

bluescharp

先界定下
1. Niche：tube站，老司机都懂的。2. 收录数量：底部翻页有10页，在google中site时显示的数量。研究别人的站也不可能看GWT的数据吧。
3. 收录数>100万

观察的：
1. 一大批收录数过百万的都被拔毛。不管是不是spam，都可能被拔毛。
2. 观察到有两类都被拔毛：
    1）没有外链或很少的外链，站群间很少互链，收录数1000w+。被拔毛应该是人工，往往一锅端。
    2）对deep link进行spam，收录数1000w+。被拔毛是单个站，没有一锅端。


测试的（ 没有或很少外链，新注册域名    的情况下）：

1. 站内各种内链使自然收录。慢，很慢，很很慢
2. 各种方式提交url，依然可以让spider大规模爬行（单站一天10w+的爬行，持续不到一周），但流量不会像以前那样的一个月就开始流量飙升。
3. deep link spam 还没测试。目前来看这种方式存活的久，被拔毛也能止损
4. 站群间deep link：还没测，但之前看过有阿三的站这么搞。

顺带一提：
tube本身就没什么内容，曾进行过各种伪原创: 用指纹算法检查过相似度，用markov组合过数据.......对收录测试结果几乎没有影响。

newcb

测试的（ 没有或很少外链，新注册域名    的情况下）：

1. 站内各种内链使自然收录。慢，很慢，很很慢

垃圾站的收录确实很慢，还有大量收录后，收录量会不断减少的情况，一个有几十W网页的网站到最后可能只能收录几千页了。

billy

这种站放adsense不怕封么？
见过阿三的大数据站流量都很大，mp3、电影、大人站。
我也曾经想试来着，卡在收录上。1000万数据怎么采集和伪原创处理？很费劲啊。

bluescharp

billy 发表于 2018-10-11 16:22
这种站放adsense不怕封么？
见过阿三的大数据站流量都很大，mp3、电影、大人站。
我也曾经想试来着，卡在收 ...

这种不放adsense啊，pop/cpm。也有国人买这种流量，然后hijack 搞adsense作弊的，一直活了好些年，现在还在搞。
采集原始数据真不是问题，有的有现成的数据混合一下，1000w+的数据量就有了。有的得花点时间自动收集下，但初始搞个700w+的数据也不成问题。
伪原创没什么好思路，这类站点信息量很少，随便弄下，跟原始数据就有差异了。但事实上，效果却没有，既不正面也不负面....
收录是大问题：一是时间，二是数量。
阿三的一些站有年头了，过去收录这个太容易。今年以来，新上的站越来越难收录了。

billy

bluescharp 发表于 2018-10-12 09:10
这种不放adsense啊，pop/cpm。也有国人买这种流量，然后hijack 搞adsense作弊的，一直活了好些年，现在还 ...

pop单价太低了，cpm1刀不到，得几十万流量吧。

wellos

tube站最终拼的是带宽资源和用户体验。

行走的路人甲

本人做站群，收录都是百万左右，谷歌确实k站k的厉害

行走的路人甲

收录根本就不是问题，问题是如何不被k

newcb

行走的路人甲 发表于 2018-10-12 15:15
收录根本就不是问题，问题是如何不被k

为什么俺 的站，就收录的内容特别少呢？是因为外链少吗？

billy

行走的路人甲 发表于 2018-10-12 15:15
收录根本就不是问题，问题是如何不被k

k站是收录减少了还是清零了？
收录减少是不是被判断为内容重复？
清零了的话就牛x了...
版权问题被人工了？

收录怎么解决？都卡在收录上了，速度很慢。

bluescharp

行走的路人甲 发表于 2018-10-12 15:15
收录根本就不是问题，问题是如何不被k

被清零根本不是问题，再上一批就行了啊
难的就是快速收录

残缺的人生

1000万数据 怎么储存一般php程序很容易崩溃的

阿百川

有案例站吗

whocansaveme

如果一天所有用户的在线时间比较可观的话，挂点JS挖矿也不错的。

cdwyd

测试过一段时间 大概6000万数据，后台提交网站地图，收录飞快。
大概一个月左右上量能过一万IP，然后很快被人工审核K掉，心累