做站点运营的人常遇到一个困惑：同一批页面，用 site 查询看到的数量、搜索资源平台索引报告里的“已编入索引”数、以及服务器日志中的抓取条数，三者经常差出好几倍。遇到这种差距，先别急着判断“收录出问题了”，多数情况下是统计口径不同造成的错觉。
第一步：先明确你要回答哪个问题
不同的问题对应不同的数据来源，混用就会得出错误结论：
- 页面进了索引没有？看单个 URL 的索引状态，或索引报告里的状态分类。
- 整站收录比例高不高？需要把已编入索引数除以可收录的规范 URL 总数，而不是除以站点全部 URL。
- 抓取是否正常？看日志里的抓取频次与状态码分布，这和收录是两件事。
第二步：三份数据各自在说什么
site 查询：估算值，不是数据库导出
它返回的是估算结果，通常会截断展示，并且随查询地区、语言、设备不同而变化。适合做粗判断，不适合当作收录量的精确统计。
索引覆盖率报告：按状态分类的页面集合
这份报告统计的是搜索引擎自己判定的页面状态，包含“已编入索引”和各类“未编入索引”的原因。它有数据延迟，且只覆盖它认为属于该站点的规范 URL。
服务器日志：抓取行为，不等于收录
日志记录的是“谁在什么时候来抓过哪个地址”，抓取成功只说明页面被访问过，不说明被收录。反过来，一个页面没有被抓取，也未必是异常，可能只是还没轮到。
第三步：统一口径的四个动作
- 固定时间窗口。三份数据取同一周或同一天，避免拿上个月的报告对比这个月的日志。
- 规范化 URL。把协议、主机名大小写、末尾斜杠、默认端口、跟踪参数统一成一种写法后再去重，否则同一页面会被算成多个。
- 明确统计对象。决定这次只看 HTML 正文页，还是把列表页、分页、附件一起算进去。对象不同，分母就不同。
- 固定查询入口。site 查询尽量在同一地区、同一设备条件下进行，减少展示层面的干扰。
第四步：抽样交叉验证
数字对齐之后，从三个来源各抽几十个 URL，逐个确认它在索引报告里的状态、在日志里的抓取记录、以及用精确查询能否找到。抽样比看总数更能说明问题：如果抽到的页面大多状态正常，那总数上的差距多半来自口径而不是故障。
几种常见的“对不上”及解释
- site 数远小于索引报告数：通常是展示层截断或估算误差，不代表页面没被收录。
- 日志抓取很多，索引数不涨：抓取不等于收录；也可能是抓取被参数页、重复地址消耗掉了，值得检查 URL 生成方式。
- 报告里“已编入索引”不少，但几乎搜不到：这些页面可能确实在索引里，只是没有匹配到你的查询词，属于展示与排序层面的事。
- 索引数在一段时间内持续下滑：优先看是不是有大批页面被判为重复或低质，再回头看内容与 URL 结构。
把 site 查询的数字当作收录 KPI，是很多误判的起点。它给的是印象，不是账本。
什么时候才值得动手排查
只有在口径统一、时间窗口一致、抽样验证之后依然存在的差距，才值得当成问题来处理。这时可以把范围收窄到具体的 URL 分组，逐个核对状态码、robots 规则、canonical 指向和内容质量，而不是一上来就改全站。
总结成一句话：先让三份数据说同一种语言，再判断收录好不好。数字对不上是常态，口径对不上才是问题。