很多人看收錄情况，最後只报一個數字：索引里有 8000 條。但這個數字本身說明不了任何問题——如果站点實际只有 6000 個有效頁面，說明索引里混進了重复或無效 URL；如果有 5 萬個有效頁面，8000 就說明大面积没收錄。所以真正有意义的指标是收錄率，而收錄率必须先有一個分母。
為什么不能只看收錄數
收錄數是一個绝對量，它會随站点規模、模板改版、URL 结构調整而波動。同样一個 8000，在不同站点上的含义可能完全相反。只有把分子（索引中的有效頁面）和分母（應该被收錄的頁面）放在一起看，才能判断接下来该做什么。
分母的几種常见口径
- sitemap 全量：最容易拿到，但往往包含已经下线的頁面、非規范 URL 變体，以及本就不打算收錄的篩選頁。作為分母會偏大。
- 資料库或後台全量：覆盖最全，但包含草稿、未發布、内部预览等根本不该出現在索引里的頁面，同样偏大。
- 内鏈可達頁面：更接近真實的可抓取范围，但會漏掉孤岛頁面（只靠外鏈或歷史收錄存在）。作為分母會偏小。
- 日誌中被動抓取過的 URL：反映搜尋引擎實际见過什么，但包含大量參數组合和無效地址，噪音最大。
没有一個口径是完美的。可行的做法是選一個主口径，用其他口径做交叉校驗，而不是每次換口径——那样趋势就不可比了。
建议先建一份目标收錄清單
- 從主口径拉取候選 URL 全集。
- 按規范 URL 归並：大小寫、结尾斜杠、跟踪參數、排序參數统一到一個代表。
- 剔除明确不想收錄的：noindex 頁面、robots 屏蔽路径、登入後頁面、站内搜尋结果頁、纯篩選组合頁。
- 标记每個 URL 的入口情况：有几個内鏈指向、是否在 sitemap 中、上次被抓取的時間。
- 给清單打上版本，固定更新周期，例如每月重新生成一次。
這份清單的價值在于：它让收錄從模糊感觉變成可核對的列表，也让後續每一項改動都有對照物。
按狀態分组，動作才明确
拿到清單後，把每個 URL 归到四種狀態，處理方式完全不同：
- 已收錄：暂时不用管，除非内容已變更、需要更新索引版本。
- 已發現，未抓取：問题通常在入口和抓取優先級。先补内鏈、確認 sitemap 是否正确，再看服務器响應是否拖慢了抓取。
- 已抓取，未编入索引：問题多半在頁面本身。检查内容重复度、與站内其他頁面的相似程度、頁面是否有明确主题。
- 尚未發現：說明缺少入口，需要通過外鏈、内鏈或 sitemap 把它暴露出去。
把四類各占多少比例算出来，就已经知道该先動哪一块，不需要一上来就全站折腾。
收錄率是過程指标，不是目标
追求 100% 收錄既不現實也没必要。篩選頁、低價值聚合頁、已经過期的活動頁，被排除在索引外通常是正常结果。真正要關注的是：有價值的那部分頁面，收錄率是否稳定，是否在持續改善。
如果分母本身没定义清楚，收錄率的涨跌可能只是口径換了，而不是站点真的變好了或變差了。