百度推荐算法：网站规模扩大后哪些工作不适合继续手工做
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /6d8e80bcb000.html
📄
百度推荐算法：网站规模扩大后哪些工作不适合继续手工做
结论是有条件的：当页面数量、更新频率和栏目交叉关系超过一个人能记住的范围时，逐页手工决定标题、内链和内容归属会从保障质量变成拖累；但如果站点只有几十个页面、主题高度集中，手工做反而更稳。判断分界线不是流量数字，而是同一类决策是否开始依赖“上次怎么做的”这种记忆。
先分清：哪些手工活会先失效
百度推荐算法主要影响信息流和推荐位的分发，它依赖页面主题是否清晰、内容之间是否有一致的关联。规模扩大后，最先不适合手工的是三类工作。
- 逐页写标题和摘要：页面少时你可以为每页斟酌措辞；页面过百后，同栏目页面的标题会互相抢词，手工改完一轮，新页面又产生新冲突。
- 凭印象加内链：手工内链在早期能突出少数重点页，规模上来后容易出现同一批页面被反复链接，而大量新页面长期没有入口。
- 按人脑归类内容：当栏目、标签、专题交叉时，同一篇内容可能被放进多个入口，推荐系统看到的主题信号变得分散。
这三类的共同点是：决策可以模板化，但手工执行无法保证一致性。它们不适合继续手工，不是因为手工做得差，而是因为规模让“保持一致”这件事本身超出了人工核对能力。
一个反例：页面多不等于必须自动化
假设一个站点有三百个页面，但全部围绕同一细分主题，页面之间是并列关系，没有标签和专题的交叉。这种情况下，手工维护一份内链清单仍然可行，因为规则简单、范围有限。此时若强行引入模板化标题和自动内链，反而可能让页面之间失去必要的区分度。
所以“规模扩大”要看的是结构复杂度，不是单纯的页面数量。当页面之间存在多对多关系、需要按不同维度聚合时，手工才真正失效。这个反例的作用是：不要因为页面数到了某个值就切换做法，先看决策是否开始重复且互相牵制。
用可核对的证据区分两种解释
出现推荐流量下滑时，常见两种解释：一是内容质量下降，二是分发结构混乱导致系统难以理解页面。两者需要不同的动作，可以用下面的证据区分。
- 导出近期的页面清单，检查同一栏目下的标题是否出现大量重复词组。重复多，偏向结构问题。
- 抽查若干新页面，看它们是否能从首页或栏目页通过有限次点击到达。若大量新页面没有稳定入口，偏向结构问题。
- 对比同一批页面在推荐位和自然搜索中的表现差异。若推荐位波动大而搜索表现稳定，更可能是推荐分发层面的结构问题，而非内容整体失效。
需要说明的是，推荐量下降本身不能单独证明是结构问题。更新节奏变化、内容选题偏离、外部竞争加剧都可能造成类似现象。上述证据只是帮助缩小解释范围，不是因果判定。
下一步动作：把手工决策改成可核对的规则
确认属于结构问题后，实际动作是：先为标题、内链和内容归类各写一份规则说明，再用它核对现有页面，而不是立刻上工具。
例如，规则可以写成：同一栏目页面的标题必须体现该页独有的主题词；每个新页面至少从两个不同层级的入口可达；一篇内容只归入一个主标签。写完规则后，抽取二十个页面人工核对，记录不符合规则的比例。这个比例决定下一步是继续修补规则，还是把规则交给批量处理。动作的结果直接影响后续投入：比例低说明规则可用，可以扩大范围；比例高说明规则本身还没想清楚，此时自动化只会放大混乱。
规则稳定之后，才适合把重复判断交给模板或脚本。此时人负责的是例外和规则修订，而不是每一页的具体选择。
始终保留人工的三件事
即使规模继续扩大，有三件事仍建议保留人工判断：新主题的首次归类、规则冲突时的取舍、以及对外部反馈的解读。推荐算法反映的是页面与用户需求的关系，规则能覆盖常见情况，但新出现的需求往往先以异常的形式出现。把这些异常交给人处理，比让规则自动吞掉更安全。
判断手工是否该退出，最终看的是同类决策是否已经能写成一条可核对的规则，并且这条规则在抽样中稳定成立。满足这个条件，才值得把工作从手工转为批量处理。
