先给结论:不要按“句子像不像”去删重复,而要按“这条事实在哪篇文章里承担哪一步决策”来分工。同一条事实可以出现在多篇文章中,但每篇只能让它承担一种角色:定义、判断依据、操作步骤或边界提醒。如果同一事实在两篇文章里都只是背景铺垫,那才是需要处理的冗余。下面以你手头的一篇已发布文章和一篇待发布草稿为例,说明具体做法。
打开两篇文章,把重复出现的事实逐条抄进一张表,每条后面只写一个角色词。假设你写的是“某类页面的标题会直接影响用户是否点击”,这条事实在A文中是定义(解释什么是点击率优化),在B文中是判断依据(用来决定标题该改哪一部分)。角色不同,两处都保留是合理的,因为读者进入两篇文章的路径不同。
真正需要动手的情况是:同一条事实在两篇里都是定义,或者都是背景铺垫。此时改字没有意义,换同义词只会让两篇更像。正确动作是让其中一篇不再解释这条事实,而是直接引用它并往前推一步。例如B文可以把“标题影响点击”压缩成一句前提,紧接着写“所以先检查标题与正文承诺是否一致”,把篇幅让给新的判断动作。
读者可能从搜索结果直接进入任意一篇,所以不能假设“看过A才看B”。判断依据是:哪篇文章的主题更依赖这条事实成立。依赖更强的那篇保留完整解释,另一篇只保留结论句。
这里有一个容易踩的边界:个别样本成立,不代表规模化后仍成立。假设你观察到某篇文章改了标题后点击上升,这只能说明该样本的一次变化,不能推导出“所有同类标题都该这样改”。把这条事实写进多篇文章时,要明确它适用的前提,例如“仅在该页面已有稳定展示、且标题与正文承诺明显不一致时”。缺少这个前提,重复出现的事实会从冗余升级为误导。
以你手中的两篇文章为例,按以下顺序操作,每一步的结果决定下一步:
假设一个短例子:两篇文章都写了“标题与搜索意图不匹配会降低点击”。A文主题是点击率优化,保留完整解释,并补上“该判断适用于已有稳定展示的页面”。B文主题是内容盘点,把这句话压缩为“先确认标题与意图一致”,然后直接进入盘点清单。结果是两篇不再重复同一段解释,读者在B文里得到的是动作,在A文里得到的是判断依据。
个别样本成立但规模化后出现例外,通常有三个可区分的原因,不要把它们混为一谈:
对应的动作也不同:样本偏差要靠扩大观察范围来修正;前提缺失要在文中补上条件句;角色错位要按前面的角色标注重新分配。需要提醒的是,请求量、抓取量或某项统计归零,不能单独证明你的去重处理正确,它也可能是抓取节奏变化、页面被合并或统计口径调整造成的。判断处理是否有效,要看读者是否在更短路径内完成决策,而不是看某一个数字的涨跌。
最后落到一个可执行动作:从两篇文章中各挑一条重复事实,按角色标注决定谁保留解释、谁改为推进动作,并给保留的那条补上适用条件。做完这一步,你再决定是否需要继续处理下一条,而不是一次性重写全部文章。