“淄博某产品生产厂家”和“济南某产品生产厂家”看起来对应两座城市，但剥掉城市名后，读者问的可能仍是同一件事。如果两篇文章只替换地名，产品信息、判断方法和结论都不变，就没有为本地客户增加有效信息。这是“换地名”，不是本地化。
搜索词去重可以先做一道机械筛选。现有做法是在比较前剥掉城市名，再同时使用两项指标：字符二元组 Jaccard 达到 0.55，用于识别增删字形成的近似词；字符集合 Jaccard 达到 0.90，用于识别词序置换。采集搜索词时，这套方法分别折叠掉了 581 条和 458 条近似页种子。这两个数说明重复风险确实存在，但它们是搜索词去重结果，不是文章重复率，也不是“达到阈值就不得发布”的规定。
编辑判断还需要过第二道关：去掉城市名后，文章是否仍有不能互换的内容？如果某地的产品供应范围、适用条件、交付方式或其他与购买判断有关的信息有可靠资料支撑，且这些差异会改变回答，就有理由单独成篇。反过来，如果只剩城市称呼不同，应合并回答共同问题，而不是为每座城市复制一篇。
因此，可执行的判定方式是：搜索词达到上述任一相似度阈值时，先归入同一候选主题；随后逐篇列出有资料支持的城市差异。列不出会改变读者判断的差异，就不拆成跨城文章。对正在了解山东产品的本地客户来说，真正有用的本地化不是在标题里看到自己的城市，而是能看到与当地选择有关、且有依据的信息。
来源：https://tz.tongzhuo.ink/