文章撞稿檢查:找出互搶排名的文章與沒人連的孤島頁
文 / Coolkid發布：2026-07-28閱讀約 4 分鐘
SEO 開源工具
站上文章寫多了一定會遇到:兩篇太像,搜尋引擎分不清誰該排名,結果兩篇都排不好 — 這叫 keyword cannibalization(撞稿)。這個工具掃你整個站,用 TF-IDF 相似度把撞稿候選、太接近的預警、跟全站都不像的孤島頁一次列出來。
開源工具 · 可直接安裝
github.com/Coolkidlab-Yin/article-overlap-checker
/plugin marketplace add Coolkidlab-Yin/Coolkidlab
/plugin install article-overlap-checker@coolkidlab在 Claude Code 輸入上面兩行即可安裝。裝完直接說你想做什麼,AI 會照 skill 的 SOP 帶你建;原始碼與 README 都在 GitHub。
摘要
article-overlap-checker 是免費開源的站內診斷工具:掃 HTML 資料夾或 sitemap,回報三件事 — 撞稿候選(兩頁互搶同一排名)、太接近預警(新選題撞線)、孤島頁(缺內鏈脈絡)。純 Python 零依賴、CJK 字元 bigram 中英通吃、0.33 秒掃 50 頁。我用它在自己 75 頁的站上抓出過相似度 0.744 的真實撞稿。
它回報的三件事
1. 撞稿候選:兩頁相似度超標,搜尋引擎可能分不清誰該排名 — 這是最傷排名的一種內部問題。2. 太接近:還沒撞但快了,當成新文章選題的預警線。3. 孤島頁:跟全站都不像、缺內鏈脈絡的頁面 — 解法是補內鏈,不是刪頁。
怎麼跑
本機掃:python semantic_map.py --dir 網站輸出資料夾 --out report.md(建議掃整個站,只掃子資料夾會高估孤島)。線上掃:--sitemap 加你的 sitemap 網址。跑完打開 report.md 就是完整報告。
讀報告的原則
閾值是經驗值不是鐵律 — 預設 0.62/0.55 是在一個 75 頁繁中站校準的,第一次跑先看分布再調。撞稿候選要人工複核搜尋意圖:教學跟比較兩種意圖即使相似度高也能共存,真撞稿是「同一個搜尋意圖有兩個入口」。
侷限(誠實告知)
TF-IDF 是詞面相似,抓得到「用詞重疊」抓不到「換句話說的同義」。頁面正文要超過 200 字才納入。社群短貼文詞太少分數會普遍偏低(實測中位數只有 0.016),只能當粗篩。工具給訊號,判斷還是人來。
實戰背景:它幫我抓到什麼
這工具是我自己的站寫到 75 頁時做的 — 它抓出兩篇比較文相似度 0.744 的真實撞稿,還診斷出整個站的主題漂移(帶最多流量的頁反而拖累想排的詞)。完整故事在 SEO 連載 #25,文末相關閱讀有連結。
完整 SOP 清單
repo 內含下列東西,clone 下來就能跑:
- semantic_map.py 主腳本(純 Python 標準庫、零依賴、CJK-aware)
- --dir / --sitemap 兩種掃描模式
- --cannibal / --close 閾值參數(依你的站校準)
- README:讀報告原則與侷限說明
看完這篇之前先確認:
- 站上超過 30 篇、開始分不清有沒有互搶排名的人
- 寫新文章前想確認「這題是不是寫過了」的人
- 想找出站內孤島頁補內鏈的人
- 站上文章少於 10 篇(還不會撞稿,先寫)
- 想拿它掃社群短貼文(詞太少,分數不可靠)
- 看到撞稿候選就急著刪頁 — 先人工複核搜尋意圖,不同意圖可以共存
- 孤島頁直接刪 — 正解是補內鏈再觀察
- 新文章寫完不重跑 — 寫作流程最後一道應該是確認沒製造新撞稿
▸ 常見問題
什麼是 keyword cannibalization(撞稿)?
同一個搜尋意圖你有兩個以上的頁面在搶,搜尋引擎分不清該給誰排名,常見結果是兩頁都排不好。合併或分工是常見解法,但要先確認真的是同一個意圖。
需要安裝什麼?
零依賴,純 Python 標準庫。有 Python 3.10+ 就能跑,不用 pip install。
中文網站能用嗎?
能,這是它的設計重點之一 — CJK 字元用 bigram 處理,中英混排通吃。它本來就是在一個繁中站上開發校準的。
多久跑一次?
兩個時機:寫新文章前(確認選題沒撞線)、寫完後(確認沒製造新撞稿)。全站健檢一季一次就夠。
名詞解釋
- SEO（搜尋引擎優化）
- 讓網站在 Google 搜尋結果排得更前面的一整套方法，涵蓋技術體質、內容品質、連結結構三層。
- 網站地圖（sitemap）
- 列出網站所有頁面跟最後更新日的清單檔（sitemap.xml），交給搜尋引擎加速發現與重抓你的頁面。
- 命令列（CLI, Command Line Interface）
- 用打字指令操作電腦的方式，沒有按鈕跟視窗。Claude Code 就是命令列工具。
如果內容對你有用就太好了
隨喜斗內
