Чей алгоритм проверки уникальности ближе к алгоритмам поисковиков yandex.ru и google.com?

Короткий ответ:
Ни один из сервисов (ни Text.ru, ни Content-Watch) не “ближе” к алгоритмам Google/Yandex — потому что поисковики вообще не считают “уникальность в %” так, как антиплагиаты.

Теперь по сути, без мифологии.

1) Как реально работают поисковики

У Google и Яндекс нет метрики «уникальность 92%».

Они используют:

• семантические модели (BERT-подобные, embeddings)
• кластеризацию документов
• определение первоисточника (canonical / first indexed)
• оценку ценности (E-E-A-T, поведенка, ссылочный профиль)

То есть:

поисковик может считать текст “уникальным”, даже если он на 70% совпадает формально, но несёт новую ценность.

И наоборот:

текст с 100% “уникальностью” по сервису может быть SEO-мусором и не ранжироваться.

2) Text.ru vs Content-Watch — техническая разница

Text.ru

Что делает:

• классический + доработанный шингловый анализ
• проверка перестановок слов, склонений, рерайта
• ориентирован на копирайтинг (рерайт/переводы)

Поведение:

• “средняя строгость”
• часто завышает уникальность на сложном рерайте
• хорошо ловит тупой копипаст

👉 Вывод:
инструмент для бирж, а не для SEO-реальности.

Content-Watch

Что делает:

• больше упор на семантический/эвристический анализ, а не только шинглы
• умеет проверять сайты целиком и мониторить копирование
• быстрее и стабильнее на потоках

Поведение:

• чаще занижает уникальность
• лучше ловит перефразирование (глубже, чем Text.ru)

👉 Вывод:
чуть ближе к реальности за счёт семантики, но всё ещё сильно упрощён.

3) Кто “точнее”

Если ставить вопрос как SEO-шник, а не копирайтер:

• Text.ru → мягкий фильтр
  (показывает, что текст “не скопирован в лоб”)
• Content-Watch → более строгий фильтр
  (лучше выявляет перефразированный дубль)

👉 Поэтому:

Content-Watch технически ближе к логике поисковиков, но не радикально.

4) Главный нюанс, который многие упускают

Оба сервиса:

• не знают, какой текст был опубликован первым
• не учитывают авторитет домена
• не видят интенты пользователя
• не оценивают полноту ответа

А именно это решает ранжирование.

5) Практическая схема (что реально работает)

Если тебе нужен результат в поиске, а не “проход по ТЗ”:

1. Проверка на копипаст
   → Text.ru (быстро)
2. Проверка на рерайт-дубликаты
   → Content-Watch
3. Главная проверка (самая важная):
   • есть ли новая информация?
   • закрывает ли текст интент лучше конкурентов?
   • есть ли добавленная ценность (данные, структура, экспертиза)

Итог

• Ближе к поисковикам: Content-Watch
• Удобнее для потока: Text.ru
• Реальная SEO-метрика: ни один из них

Если упростить до одной фразы:

Text.ru проверяет “уникальность текста”,
Content-Watch — “похожесть на другие тексты”,
а Google — “зачем этот текст вообще существует”.

Как Google определяет дубликаты (упрощённая модель, но близкая к реальности)

1.1. Не «шинглы», а отпечатки + семантика

Раньше были шинглы (n-граммы). Сейчас — комбинация:

• fingerprinting (SimHash / MinHash)
  → быстрые “отпечатки” текста
• embeddings (семантические векторы)
  → смысл текста, а не слова
• кластеризация документов

Итог:

Google объединяет страницы в кластеры похожего контента, а не просто ищет совпадения.

1.2. Кластер → выбор “канонического” документа

Внутри кластера Google выбирает один главный документ (canonical).

Учитываются:

• кто проиндексирован раньше
• авторитет домена
• наличие rel=canonical
• структура сайта
• ссылки (внутренние и внешние)
• поведенка

👉 Поэтому:

даже если ты написал “уникальный” текст, но он повторяет уже существующий смысл — ты попадёшь в чужой кластер.

1.3. Частичные дубликаты (это важнее полного копипаста)

Есть три уровня:

1. Exact duplicate
   (копипаст)
2. Near duplicate
   (рерайт, перестановки)
3. Semantic duplicate ← ключевой
   (другие слова, тот же смысл)

И вот здесь ломается логика антиплагиатов:

сервис видит “уникально”, а Google — “тот же самый документ”.

1.4. Passage-level анализ

Google давно не смотрит только страницу целиком.

Он:

• разбивает текст на блоки (passages)
• сравнивает куски, а не только весь документ

👉 Поэтому:

• половина текста может быть дубликатом
• но один сильный абзац — ранжируется

1.5. Определение первоисточника

Google пытается понять “кто первый” через:

• время индексации (не публикации!)
• ссылки
• распространение контента
• поведенческие сигналы

Это не идеально, но работает достаточно хорошо.

2) Почему 60% “уникальности” может ранжироваться выше 100%

Потому что “уникальность” ≠ “ценность”.

Разберём по факторам.

2.1. Интент (самое важное)

Запрос → ожидание пользователя.

Пример:
“как варить кофе”

• текст 100% уникальный, но вода → плохо
• текст на 60% совпадает с другими, но:
  • чёткий рецепт
  • граммы
  • тайминги

→ он выигрывает

2.2. Полнота ответа (coverage)

Google оценивает:

• закрывает ли страница все подтемы
• есть ли missing pieces (недостающие фрагменты, дополнения)

Рерайт часто:

• меняет слова
• не добавляет информации

👉 поэтому он проигрывает

2.3. Информационная добавка (information gain)

Ключевая концепция.

Если документ не добавляет новой информации к кластеру — он лишний.

Даже если он “уникален” формально.

2.4. Авторитет и доверие

Факторы:

• ссылки
• бренд
• история домена

Поэтому:

• слабый сайт с “уникальным” текстом проигрывает
• сильный сайт с частично совпадающим — выигрывает

2.5. Поведенческий фактор

CTR, dwell time, pogo-sticking.

Если пользователь:

• зашёл
• не вернулся в выдачу

→ страница усиливается

2.6. Структура и формат

Google любит:

• списки
• чёткие ответы
• блоки “как сделать”

А не “SEO-рерайт ради уникальности”.

3) Где ломается мышление копирайтера

Типичная ошибка:

“Нужно довести до 100% уникальности”

На практике:

• меняются слова
• ухудшается читаемость
• теряется точность

И получается:

хуже текст → хуже ранжирование

4) Практический вывод (что делать)

Если цель — SEO, а не сдача ТЗ:

1. Не гнаться за 100%
   → 70–90% достаточно
2. Делать информационное отличие, а не рерайт:
   • добавить данные
   • добавить шаги
   • добавить кейсы
3. Проверять не только уникальность, но:
   • топ-10 выдачи
   • какие блоки есть у конкурентов
   • чего у них нет

Итог

Google не ищет “уникальные тексты”.
Он ищет:

лучший ответ внутри кластера одинаковых по смыслу документов

Поэтому:

• 100% уникальность — это косметика
• ценность и покрытие — это ранжирование

P.S. Кстати, уникальность этого текста по Content-Watch: 100% — но это ничего не значит, если вы не прочитали статью до конца и не сделали правильные выводы. 😉