收錄核對时最常见的场景：站内查询顯示 3 萬，索引覆盖报告寫 1.2 萬，日誌里半個月出現的獨立地址有 5 萬。三個數字都不假，但分母不同、時間窗口不同、對“收錄”的定义也不同。直接拿其中一個下结论，後面的動作基本都會跑偏：按 3 萬判断是“内容太多要收敛”，按 1.2 萬判断是“頁面质量不行要改模板”，方向正好相反。
三套資料分別在说什么
站内查询與站長工具：抽样後的代表地址
站内查询给的是估算值，會按目錄、模板合並同類項，同一個模板下的相似頁面往往只留一個代表。它适合看结构和覆盖方向，不适合当精确計數。
索引覆盖报告：按原因分组的结果
报告的强項是分组——已编入索引、已發現但未编入、已抓取但未编入、重复網頁等。每一组的判定依據不同，把不同组直接相加没有意义。
抓取日誌：請求层面的原始记錄
日誌记錄的是“来過”，不是“收過”。同一個地址可能被反复抓取多次，也可能被不同 UA 抓取，去重前統計出的獨立地址數會明顯偏大。
對齐口径要動的四件事
- 時間窗口：日誌是過去若干天的抓取，索引报告是某個时点的快照，站内查询還有缓存延迟。三者至少要鎖到同一周，否則新老地址會互相干扰。
- URL 归一：协议、www、末尾斜杠、大小寫、跟踪參數，先按统一規則归一，否則同一個頁面會被算成两三個地址。
- 狀態定义：明确什么叫“已收錄”——是能被查到、能返回正文，還是只需要在报告里出現在某個分组。定义不同，數字自然不同。
- 分母：確認算的是全部地址、sitemap 里的地址，還是内鏈可達的地址。分子分母不同源，算出来的收錄率没有可比性。
把差异落到具体地址上
口径對齐之後，如果還有差异，才值得進入下一步。做法很简單：三份列表都归一成同一套 URL 格式，做一次交叉比對，把地址分成四類——
- 三份都有：稳定的已收錄頁，作為基线。
- 日誌有、报告無：抓了没收，重点看頁面质量和重复情况。
- 报告有、日誌無：可能是老地址靠歷史信号撑着，需要確認是否還在维護。
- 只有站内查询有：多半是合並展示的代表頁，別当成獨立收錄。
分類之後，每一類對應不同的處理動作，比笼统地说“收錄不達标”要具体得多。
先對齐口径，再谈優化。拿两個不同口径的數字互相比，得到的结论往往只是統計噪声。
几個容易忽略的点
- 用移動端 UA 和桌面 UA 抓取，看到的返回可能不同，日誌統計要分開看。
- 报告里的分组會随時間變化，同一個頁面這周在“已發現”、下周進“已编入”，比較时要用同一时点。
- 站点改版、迁移、批量調整模板之後，歷史基线會失效，最好重新取一次基线再比。
口径這件事不产出内容，但它决定了後面所有判断的可信度。花半天把三套資料對齐，往往比急着改十版模板更省事。