Шингл

Шингл (shingle) — строительный термин, который SEO-шники угнали для своих нужд 🐗. По сути, это N-граммы: текст разбивается на перекрывающиеся кусочки из нескольких слов, и каждый такой кусочек — один шингл. Именно по ним поисковые системы сравнивают документы между собой и делают вывод: уникальный текст или копипаста.

Механика простая. Берёшь фразу "купить дешёвые кроссовки в москве", задаёшь длину шингла, например 3 слова, и получаешь набор: "купить дешёвые кроссовки", "дешёвые кроссовки в", "кроссовки в москве". Каждый такой фрагмент хешируется — и это уже отпечаток документа. Алгоритм MinHash/SimHash сравнивает наборы хешей двух страниц и выдаёт процент похожести. Если у тебя лендос под гемблинг или нутру скопирован с оффера рекламодателя на 80%+ — поисковик это поймает без единого живого модератора. Именно шинглы лежат в основе детектора дублей у Яндекса (алгоритм "Шингл" буквально так и называется в патентах) и аналогичных механизмов у Google. В SEO это важно при масштабировании: штампуешь 500 страниц под ГЕО с заменой одного слова — блять, шинглы совпадут почти на 100%, и сайт улетит в дополнительные результаты или фильтр. 😩

Главная ловушка — думать, что достаточно поменять синонимы через спинтакс. Если структура предложений та же, хеши шинглов будут совпадать. Второй момент: длина шингла влияет на чувствительность детектора. Короткие шинглы (2-3 слова) — жёсткое сравнение, любое совпадение цепляется. Длинные (7-10 слов) — мягче, случайные совпадения не считаются. При написании контента для вертикалей с высокой конкуренцией (гемблинг, нутра, финансы) уникальность надо гонять через сервисы, которые работают именно по шинглам, а не просто ищут точные совпадения фраз. Нормально делай — нормально будет 🐗