两个状态，卡点完全不同
在站点后台的页面报告中，「已发现 - 尚未编入索引」和「已抓取 - 尚未编入索引」经常被放在一起看，甚至被当成同一件事。但它们的含义差别很大：
- 已发现但未编入索引：搜索引擎知道这个 URL 存在，通常来自内链、sitemap 或外部链接，但还没有真正来抓，或者只抓了一部分。问题出在抓取环节。
- 已抓取但未编入索引：页面已经被抓取过，内容也拿到了，但经过处理后没有被放进索引。问题出在处理与选择环节。
分不清这两者，排查方向很容易跑偏：明明是抓取没排上队，却反复去改正文；明明是内容重复导致没被采用，却一直加内链。
卡在「已发现」：先解决抓取能不能发生
这一层的核心问题是蜘蛛还没来，或者来得太少。按下面的顺序看：
- 服务器与响应：是否有大量超时、5xx、连接被拒。抓取资源被错误页消耗，正常页面自然排不上。
- robots.txt 与抓取限制：是否误拦了路径，或抓取频次被压得很低。
- 内链入口数量：只有一两个入口、还埋在深层列表里的 URL，被发现和被安排的优先级通常更低。
- sitemap 质量：地址是否可访问、是否混入重定向和错误页、是否长期不更新。
- 站点整体抓取额度：大量低价值 URL 长期占用额度时，新页面会更晚被安排。
这一层修好后，状态往往会先变成「已抓取」，然后再进入下一步的判断。
卡在「已抓取」：问题在页面本身
已经被抓过却进不了索引，说明抓取这一步没障碍，需要看页面是否值得被保留。常见原因：
- 内容偏薄或缺少独立信息：同一模板下大量页面只换了标题和几个字段。
- 与站内其他页面高度相似：需要先选出代表页，其余页面考虑合并、加 noindex 或调整定位。
- 规范地址不清晰或被指向别处：canonical 指到了一个自己也没有进索引的地址。
- 正文靠脚本渲染：抓到的 HTML 里没有实质内容。
- 状态与内容不一致：返回 200，页面却写着已下架、已结束。
- 页面类型本身不适合索引：筛选结果、排序参数、分页尾页等。
先分组，再决定改什么
不要拿全站收录率直接下结论。按模板把 URL 分成几组，比如文章页、商品页、标签页、筛选页、分页，分别算每组里两个状态各占多少。常见的局面是：整体收录率不高，但文章页其实正常，拖后腿的是筛选页和标签页。这种情况下，调模板比改正文更有效。
处理顺序上的一个原则
先解决「已发现」，再看「已抓取」。抓取都没发生的时候，讨论内容质量意义不大，因为搜索引擎还没看过这些页面。反过来，如果大量页面已经抓取过却迟迟不进索引，继续加内链、提抓取频次，通常也不会有明显变化。
抓取、处理、索引是三个环节，任何一环停下，都会在报告里表现为「没收录」，但原因并不相同。修复动作要对应到真正卡住的那一环。
建议做一个简单的状态表
按周记录：每个模板分组的 URL 总数、已发现数、已抓取未索引数、已索引数，以及当周做过的改动。几周下来就能看出，某个动作之后是哪一层状态在移动。这比反复猜原因要可靠，也能避免在收录没有立刻变化时，过早否定一个本来正确的调整。