长尾词挖掘：相同事实重复出现时该合并还是保留
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /2ae85c290123.html
📄
长尾词挖掘：相同事实重复出现时该合并还是保留
先给结论：相同事实是否保留，取决于它在这篇文章里承担的是论据还是背景。作为论据，事实必须就地出现，哪怕与另一篇重复；作为背景，只留一句指向更完整的那一篇即可。判断依据不是重复次数，而是删掉它之后，本段的推理是否还站得住。
两种条件下的不同选择
条件一：这个事实是当前小标题下论证链条的一环。例如你要说明“某类查询的意图偏购买”，就必须把支撑这个判断的事实放在同一段里，读者不需要跳走就能完成判断。此时重复是必要的，删掉会让论证断链。
条件二：这个事实只是解释背景，换掉它不影响本段结论。例如在讲页面结构时顺带提到某类词竞争程度，这个事实对结构建议没有支撑作用，就应压缩成一句，把完整展开留给真正以它为主角的那一篇。
两种条件的分界线可以这样验证：把该事实从段落中删掉，如果结论仍然成立，它是背景；如果结论变成没有依据的断言，它是论据。
用可核对的证据区分“真重复”和“看起来重复”
同一个事实在不同文章里往往换了表述，看起来重复，实际承担的职能不同。可以用三个可核对的信号区分：
- 看它回答的问题是否相同。同一组数字，一篇用来回答“值不值得做”，另一篇用来回答“先做哪一步”，职能不同，不算冗余。
- 看删掉后段落是否还能自洽。能自洽的是可压缩的背景，不能自洽的是必须保留的论据。
- 看读者路径。如果两篇文章经常被同一批读者先后读到，重复的代价更高；如果它们服务不同入口的读者，就地保留论据更合理。
这里有一个容易误判的地方：某篇文章的抓取量或点击量下降，不能单独证明是重复内容造成的。更常见的合理解释包括入口位置变化、同批内容整体更新、读者需求季节性波动、以及该页原本依赖的外部引用失效。把这些解释逐一排除之前，不要因为一个指标下滑就大规模删并段落。
一个假设例子：同一组数据出现在三篇文章里
假设你有一组关于某类长尾查询转化差异的数据，分别出现在“选词优先级”“页面结构”“内容更新节奏”三篇文章中。
在“选词优先级”里，这组数据是核心论据，必须完整保留，并写清口径和比较方法。在“页面结构”里，它只是说明为什么结构要按意图分层，压缩成一句并链接到第一篇即可。在“内容更新节奏”里，如果它不参与节奏判断，直接删除，换成与该文结论直接相关的事实。
动作与结果：先做一次逐段删除测试，标记每处事实是论据还是背景。结果是论据处保留原文，背景处压缩为一句或删除。这个结果会影响下一步——压缩后的段落需要重新读一遍，确认衔接没有断裂；如果断裂，说明判断错了，把它改回论据处理。
实施时的具体动作与例外
建议按下面的顺序处理，而不是先定一个重复比例：
- 把待处理的事实逐条列出，标注它在每篇文章中支撑的结论。
- 对每条事实做删除测试，记录段落是否仍自洽。
- 不自洽的保留，自洽的压缩成一句，并指向展开最完整的那一篇。
- 压缩后重读相邻段落，检查指代和衔接是否仍然清楚。
例外情况有三类。第一，事实涉及合规、安全或金额，读者需要就地看到完整表述，不宜只给链接。第二，指向的那一篇本身可能被调整或合并，如果它不稳定，就地保留关键事实更稳妥。第三，两篇文章面向完全不同的读者群，即使事实相同，也不应互相指向，因为跳转对读者没有帮助。
还要注意，同义词机械换写不解决问题。把“转化差异”改成“成交差别”，事实没有增加，读者获得的信息也没有变化，只是让重复变得更难被发现。真正减少冗余的方式是让每篇文章多承担一个不同的判断，而不是把同一判断换几种说法。
什么时候该重新检查这个决定
当被指向的那篇文章发生结构性调整、当两篇文章的读者路径开始重叠、或者当某条事实的适用条件发生变化时，原来的合并决定就需要重新评估。评估方法仍然是同一个：删掉它，本段结论是否还成立。这个测试不依赖任何固定字数或比例，只依赖段落自身的论证是否完整。
把重复当作需要消灭的对象，往往会删掉读者当下最需要的那一句；把重复完全放任，又会让同一批读者反复读到相同背景。用论据与背景这条线来分，比按重复次数或字数阈值来分更接近实际决策。
