一、测试数据准备

1. 总关键词：2083，其中，疾病词815个，药品词851个，医院词1028个；
2. 200个词每个词生成4条数据，用来测试数据重复度；
3. 1883个词每个词生成1条数据，用来测试数据准确性。

二、生成结果

1. 指定生成800字内容时，数据会截断，无法判断内容是否完整，所以用脚本生成时，建议只跑问答数据
2. 总生成数据量2694条，400字以上数据：236条，可用56条，可用率23.7%；40字以下数据：188；40-400字数据量为2270条，可用1781条，可用率78.4%。所以生产的单条数据可做问答，可用多条问答组合成文章。直接用来生成文章不合适。
3. 关于重复度，200个关键词总生成数据量808条，其中重复数据2条，重复率千分之2，属于可接受范围。
4. 原创度：抽检100条数据，最低原创度50%，主要被基础数据降低了，例如：

5. 数据总可用率为68.1%；其中疾病词的可用率为72.5；医药词的可用率为：70.9%；医院词的可用率为：62.4，医院词偏低主要为{哪家医院好，医院排行榜，医院介绍，专科医院等}类型词生产的质量较差，其他大多情况均为数据缺头缺尾、乱码等。
6. 数据准确性：抽查了一部分，没有发现错误的，但是作为健康行业，数据的准确性要求比较高，需要确认每条数据是否准确，综合68%的可使用率，编辑的工作量比采集的方式更大。

三、通用问题

1. 中文掺杂英文；
2. 纯英文；
3. 简体繁体混合内容；
4. 没有结尾，内容被截断；
5. 最后一段出现问题的几率较大，一般为错别字，文字拼凑无法形成完整的句意；
6. 最好的医院（药品）此类关键词生成的数据广告居多。
7. 内容会有乱码以及未分段的情况出现
8. 十大、10条等类型数据显示不全，会缺项。

四、优点

1. 格式内容多，容易获得搜索引擎的喜爱；
2. 精确的关键词+不限制字数=高使用率的数据。

五、结论

1. 在人工充足的情况下可使用该工具；
2. 可抽调部分人力生产特殊格式内容，人力主要用来检查数据的准确性；
3. 不建议直接使用自动生成后的数据。

更新: 2023-03-02 18:20:34
原文: <https://www.yuque.com/seoer/cqcaf3/qg9mq0sl18gcx3dg>

版权所有

许可证：署名 4.0 国际 (CC-BY-4.0)