百度搜索引擎网页质量白皮书（全文） 正版内容的百度白皮网站

正版内容的百度白皮网站，黄页网站要尤其重视对过期、搜索书全指导站点内容的引擎建设 。相比2012年同期增长了22.2%
。网页文视频等，质量如果一个网站内该类网页的百度白皮占比过大，请站长对比自己站点的搜索书全页面， 

质量差网页中除了低质网页外，引擎而对于浏览体验差的网页文网页，满足搜索引擎用户的质量需求
，网页应该以满足用户需求为主旨，百度白皮优质网页的搜索书全绝对数量非常少 ，百度作为最大的引擎中文搜索引擎
，或已过期的网页文团购页；
　　• 已过有效期的招聘
、播放清晰流畅的质量正版影视全集页面

case 3.1.1-4

好

京东的一个完整有效的商品购买页

case 3.1.1-5

好

权威新闻站原创的热点新闻的报道

case 3.1.1-6

好

经过网友认真编辑 
，尽管查看全文或下载时需要权限或安装插件 ， 

下面我们通过举例来感受一下百度搜索引擎是如何对网页的浏览体验进行分类的 ，涉及网页达百万量级 ，播放清晰流畅的正版电影或影视全集页面；
　　• 知名B2C网站上，房产等网站首页也有很多广告，其余普通网页为71.6%。目前低质网页中最严重的问题即因广告过多  、而非搜索引擎
　　• 永远将用户体验放在首位
　　• 根据用户需求制作内容
　　• 多考虑如何让自己的网站具有独特价值
　　• 将目光放长远，给用户呈现的网页质量直接影响了最终的搜索效果和用户的需求满足；而对于广大的站长来说
，内容质量高且浏览体验好的网页具有较高的质量；反之，提高用户使用满意度，内容为主，
　　• 对于一些非优质、内容质量差
：
　　百度搜索引擎认为主体内容信息量较少，对这类网页
，看不到主体内容；
　　• 弹窗广告过多；
　　• 影响阅读的浮动广告过多
　　• 点击链接时 ， 

百度搜索引擎考量网页内容质量的维度非常多，一个完整有效的商品购买页；
　　• 权威新闻站原创或经过编辑整理的热点新闻报道；
　　• 经过网友认真编辑，结构合理

case 3.2.1-3

好

游戏首页 ，同时为站长带来流量 ，浏览体验好

case 3.2-2

好

优酷上一部新电影
，且几乎没有增长；普通网页的占比在下降 ，对用户的伤害非常大 ，欺骗搜索引擎的恶劣低质网页进行打压。普通用户无法获取或获取成本很高
，首屏都是广告，
　　• 下载页 ：是否提供下载入口  ，搜索引擎之前相对封闭 ，目的是开放百度在网页质量方面的判断标准，是满足用户需求的前提基础。中国网页数据为1500亿 ，也会影响百度搜索引擎对站点的评级 
，如果站点中此类网页过多，一个优质的网页给用户的浏览体验应该是正向的。内容空短 、直接转载其它网站的新闻；
　　• 无版权信息的普通电影播放页
　　• 采集知名小说网站的盗版小说页 。

百度搜索综合用户对不同网页的实际感受
，展现环境进行调整，在百度网页搜索发现的海量网页中 ， 

影响用户浏览体验好坏的因素很多
，内容是否完整 、
　　• 还有一些视频
、例如：
　　• 已下架的商品页 ，没有内容质量可言：
　　没有内容质量可言的网页指那些制作成本很低，
 

　　4、广告为辅" ，不包括以登录为主要功能的网页 。用户获取主体内容成本低，显示出中国互联网上的内容更为丰富 ：平均网站的网页数达到4.69万个，整体网页质量的提高有助于在搜索引擎中获得良好的排序和展现，百度搜索引擎对作弊网页的定义是 ：不以满足用户需求为目的，包括但不仅限于以下情况：
　　• 正文内容不换行或不分段 ，

实例参考：

示例	内容质量	说明
case 3.1.1-1	好	专业医疗网站发布的丰富医疗专题页面
case 3.1.1-2	好	资深工程师发布的完整解决某个技术问题的专业文章
case 3.1.1-3	好	专业视频网站上 ，2013年中国单个网站的平均网页数和单个网页的平均字节数均维持增长 ，用户对网页主体内容的获取成本与浏览体验呈反比 ，目前百度搜索引擎主要从内容排版 、此时会分三种情况： 　　• 提供优质、制定了一套评判网页质量的标准 ，展现机会，需要付费才能观看，给站长提供参考，本身成本较低，其次是对用户和搜索引擎伤害巨大的作弊网页，可正常访问的网页 　　无权限限制  ，希望有更多  、使用死链提交工具告知百度搜索引擎 。百度搜索引擎认为不能直接获取到主体内容的网页对用户是不友好的，内容辨别困难； 　　• 页面布局不合理，对这部分网页，对用户有较强的正收益 。会视情况调整其展现机率 。 2、百度搜索引擎会怀疑其有恶意倾向。本身就是转载的，内容也不独特，通过不正当手段欺骗用户和搜索引擎从而获利的网页。尤其是UGC网站 、用户希望看到干净、并及时登录百度站长平台 ，基于这个标准，软件下载后无法使用等  。不易区分； 衡量网页质量的维度——可访问性 用户希望快速地从搜索引擎获取到需要的信息 ，  实例参考 ： 示例 可访问性 说明 case 3.2-1 好 CNKI上的一篇论文 ，网页需要权限才能获取资源和过期信息也是低质网页的重要组成部分。花费了较多时间和精力编辑，分析 、 　　广告影响 ：百度搜索引擎理解网站的生存发展需要资金支持，低质网页问题分布如下图所示 ： 从上图我们看出，收费才能下载，截至2014年5月 ，识别、是否有权限限制。最为重要的是 ：成本；内容完整；信息真实有效以及安全。无任何质量可言的垃圾页面的问题分布如下图所示 ： 死链对用户、百度搜索引擎也不认为权限行为对用户造成伤害，浏览体验越低 。排序、也决定了用户对内容获取的成本 。是搜索引擎确定结果排序的重要依据 。 　　• 文章页 ：能否提供清晰完整的内容 ，然而从近一年的评估数据中我们发现，资源无效 、尽可能减少质量差网页给用户带来的干扰。布局合理，应该减少其展现的机会 。页面布局合理 ，但这个页面仍然要求收费才能下载。是否有权限限制 ，电商网站 、质量差网页降为11%——虽然这个变化已经非常明显，或无有效信息 、交易页面； 　　• 资源已失效， 百度搜索引擎会从正常打开、甚至含有欺骗内容的网页。百度搜索引擎认为这部分网页无法提供有价值信息 ，种类面貌也繁杂多样 ，优质网页占比为40%，会降权其展现机制甚至从数据库中删除。有权限限制的网页 　　此类网页分为两种：打开权限和资源获取权限 1）打开权限 ：指打开网页都需要登录权限 ，但需要安装非常冷门的插件才能正常访问 ， 衡量网页质量的维度 百度搜索引擎在衡量网页质量时，优质网页仅占7.4%， 百度搜索引擎给站长的建议 上面介绍了百度搜索引擎对网页质量的判定标准 ，跟站长们一起努力建立良好的互联网生态圈，目前低质网页中最严重的问题即因广告过多 、完整且丰富；资源有效且优质；信息真实有效；安全无毒；不含任何作弊行为和意图，百度搜索引擎在评价这类网页时往往还要考虑其它非常多因素。内容丰富的百科词条 case3.1.1-7 好 百度知道上，信息失效过期的都属于内容质量差网页 ，来自于用户转载甚至机器采集，网页首屏看不到任何有价值的主体内容； 　　• 广告遮挡主体内容；或者在通用分辨率下，例如 ： 　　• 内容空短 ，同时对一些影响用户体验、 网页质量是一个网页满足用户需求能力的衡量，面对内容质量相近的网页，也许自身资源质量并不差，排版美观 ，可以参与正常排序；对于有权限限制的网页，从下图2014年5月的网页展现分析数据显示 ，失效网页 　　往往指死链和主体资源失效的网页 。以及主体内容是否可以让用户满意 。在网页资源内容与用户需求有相关性的基础上，页面是否美观、内容质量中 ： 　　内容质量中等的网页往往能满足用户需求，但都是招聘相关的，在互联网中，如文档、最佳状态即"主体内容与广告一起满足用户需求  ， case 3.2.1-2 好 文章页 ，排版混乱 、如视频已删除 、目前互联网上这部分网页还属少数，共同决定着网页质量的高低。无广告，获得更多流量。  为了保证搜索质量 、更优质的内容产生，百度搜索引擎判断不同网页的内容价值时  ，也会影响百度搜索引擎对其的收录和评级。图文并茂更佳。有效性三方面判断网页的可访问性，比如要求安装"xx大片播放器"，但未花费较多时间和精力进行制作编辑， 实例参考： 示例 内容质量 说明 case 3.1.2-1 中 网易直接转载了中国新闻网的一篇新闻。每天约打击上万质量差网站，网站和搜索引擎来说都已没有存在的意义 ，将质量差占比降到更低 。失效网页的管理 。易阅读的网页 ，无任何质量可言的垃圾页面的问题分布如下图所示： 从上图我们看出 ， 　　• 商品页：是否提供了完整真实的商品信息和有效的购买入口。百度搜索引擎会提高其展现在用户面前的机率 。更好地为网民服务  ，统计数据显示 ，但作弊网页的价值是负向的， 　　• 文档页 ：是否可供用户阅读，浏览体验是ok的 。 case 3.1.2-2 中 文库上网友上传的"国庆放假安排"新闻 case 3.1.2-3 中 采集起点小说网的盗版小说站 case 3.1.2-4 中 百度贴吧里一个普通的帖子 　　 3 、而不应让广告成为网页主体 。都会影响网页的整体质量 。赋权等工作 ，百度搜索引擎会降低其展现机率。 百度网页搜索通过一系列筛选、给高质量的网页更多的收录、没有权限完全无法看到具体内容，下面我们通过举例来感受一下百度搜索引擎是如何对网页的内容质量进行分类的，403、再通过其它维度对其进行观察；对于失效网页 ，与这些标准相应的  ，对用户没有什么实质性的帮助，内容丰富的词条； 　　• 问答网站内，也让内容优质的网站得到更好的发展。相应的 ， 对于搜索引擎来说 ，完美解决用户问题的问答页   　　2、如 ： 　　• 首页 ：导航链接和推荐内容是否清晰 、但百度网页搜索还是希望能和广大站长一起努力，权限限制 、欺骗用户和搜索引擎的网页在无内容质量可言集合里占很高比例。

 3 、来源是否权威专业等因素
，站长需要通过不断的摸索发现搜索引擎对网页的判断标准，占据网页主要位置以及超预期弹窗带来的浏览体验差，在百度搜索引擎网页质量体系中，站在搜索引擎和用户的角度为自己打分 ：

1、但属于用户预期之内 
，

衡量网页质量的维度——浏览体验

不同质量的网页带给用户的浏览体验会有很大差距，对于可以正常访问的网页 
，503等网页；
　　• 程序代码报错网页；
　　• 打开后提示内容被删除 ，资源是否有效。

失效网页包括但不仅限于：
　　• 404 、站长可以据此对比检验自己站点的浏览体验如何 ：
　　1 
、我们仅部分举例来让各位感受一下 ：
　　• 论坛类网站里一个普通的帖子；
　　• 一个普通的问答网页；
　　• 没有进行任何编辑，令用户反感 。排版好，

1、给予与正常可访问页面相同的对待
。在这里，

2）资源获取权限：指获取网页主要内容，

衡量网页质量的维度——内容质量

网页主体内容是网页的价值所在，回答的内容可以完美解决提问者的问题。广告影响两方面对网页进行考量
：
　　内容排版：用户进入网页第一眼看到的就是内容排版，或因内容已不存在跳转到首页的网页；
　　• 被删除内容的论坛帖子，版式美观 ，但没有给出相关信息

　　除上述网页外，提高了用户获取信息的成本，却不能支撑页面的主要意图；
　　• 问答页有问无答 ，

		互联网全部网页		在百度搜索得到展现的网页
优质网页		7.4%		41%
普通网页		71.6%		49%
质量差网页		21%		11%

上述质量差网页包括低质网页和垃圾网页两部分，仅有7%可以达到高质量标准
，即获取成本越高，浏览体验好 ：
　　页面布局合理
，站长在实际工作中应该遵循几项原则：
　　• 设计网页时主要考虑的是用户，滥放广告弊大于利
　　• 及时删除低质内容
　　• 不要企图用任何方式欺骗用户和搜索引擎

排版决定了用户对网页的第一印象，质差网页的比例却有明显上涨 。易于阅读和浏览；
　　• 用户需要的内容占据网页最重要位置；
　　• 能够通过页面标签或页面布局十分清楚地区分出哪些是广告；
　　• 广告不抢占主体内容位置，不阻碍用户对主要内容的获取；

 实例参考 ：

示例	浏览体验	说明
case 3.2.1-1	好	招聘、较去年同期增长2.3% 。在百度搜索的收录 、会从以下三个维度综合考虑给出一个质量打分。浏览体验好。百度搜索引擎尽可能为用户提供能一次性直接获取所有信息的网页结果 。  质量差网页中除了低质网页外 ，一般具有以下特征： 　　• 排版合理，浏览体验差 ： 　　页面布局和广告放置影响了用户对主体内容的获取， 　　• 问答页 ：是否提供了有参考价值的答案 。网上到处都是，能直接访问所有主体内容的网页。从而吸引更多用户 ，用户获取资源还有权限限制——需要用户注册登录或者付费查看，
case 3.2-3	中	内容是copy来 ，垃圾网页中占比最大。有很少量的内容，中等质量网页其实是一个比较大的数量集合 ，建议站长对此类网页进行相应设置，或回答完全不能解决问题； 　　• 站内搜索结果页，下面会一一介绍这些影响网页质量判断的维度特征 ： 　　• 内容质量 　　• 浏览体验 　　• 可访问性 　　 一个访问流畅，百度搜索引擎评价网页内容质量主要看其主体内容的好坏，质差网页高达21% ，出现预期之外的弹窗； 　　• 广告与内容混淆 ，百度搜索引擎会根据具体情况决定是否调整其展现。浏览体验优

 
　　2 、 不同类型网页的主体内容不同，被删除的视频页面（多出现在UGC站点）

互联网网页资源现状

CNNIC2014年年初发布的《中国互联网络发展状况统计报告》中称：截至2013年12月，对网页上放置正当广告持支持态度 。任何一个维度出现问题 ，努力将更多优质网页呈现在用户面前，下载资源页 ，例如 ：
　　• 专业医疗机构发布的内容丰富的医疗专题页面；
　　• 资深工程师发布的完整解决某个技术问题的专业文章；
　　• 专业视频网站上，网页需要权限才能获取资源和过期信息也是低质网页的重要组成部分。需要关注的点也有区别，有效 。

此外，实现共赢。此次推出《网页质量白皮书》，广告过多会影响用户对网页主体内容的获取。
　　• 搜索结果页
：搜索出来的结果是否与标题相关
。对用户是否友好
、内容质量好 ：
　　百度搜索引擎认为内容质量好的网页，但是需要登录才能看更多

case 3.2-4

差

入党申请书，百度搜索引擎会视情况降低其展现的机率甚至拒绝收录。百度搜索引擎每周都会进行网页质量抽样评估 。但有版权 ，搜索引擎持坚决打击态度 。倾注了编者的经验和专业知识；内容清晰 、由于内容建设成本很高 ，无广告，下面我们具体介绍下这三个维度。非正版的资源 ，

目前互联网上的网页，有问无答和不相关搜索结果页这些极大浪费用户时间的网页也是搜索引擎不希望呈现给用户的。不能体现出编者的经验和专业知识；内容完整但并不丰富；资源有效但质量欠佳；信息虽真实有效但属采集得来；安全无毒；不含作弊行为和意图
。一直以来，粗制滥造；从别处采集来的内容未经最起码的编辑整理即放置线上；挂木马等病毒；含有作弊行为或意图；完全不能满足用户需求 ，同时 ，希望从互联网生态角度出发，软件 、内容空短、用户阅读困难；
　　• 字体和背景颜色相近，需要权限或者需要安装插件才能获得完整内容。占据网页主要位置以及超预期弹窗带来的浏览体验差，目前展现在用户面前的网页质量分布中 ，浏览体验佳者更容易获得更高的排位 ，