索引膨胀说的是什么
索引膨胀指的是：站点里被搜索引擎收录的 URL 数量，远远超过真正有价值的内容页数量。多出来的部分通常不是外链造成的，而是站点自己批量生成的——同一份内容因为参数、排序、筛选、会话标识的差异，被当成很多个页面放进了索引。它一般不会直接带来惩罚，但会持续稀释抓取机会和质量判断。
常见的几个来源
- 筛选与排序参数：颜色、价格区间、排序方式组合出的 URL，页面正文差异极小。
- 站内搜索结果页：以搜索词参数结尾的 URL 可以被无限构造，且大多没有独立价值。
- 会话与追踪参数：utm、sessionid、ref 这类参数不应该出现在被索引的 URL 里。
- 日历页、空列表页、无结果页：由模板自动生成，可访问但内容极薄。
- 浅层分页：要不要收，得看翻页后是否还有可读内容，不必一刀切。
为什么它拖慢的是收录
抓取机会被分走
搜索引擎每天愿意花在一个站点上的抓取资源是有限的。当大量参数页、空页占据抓取队列，新发布的内容页和真正需要更新的页面就要排在后面，被发现和被重新抓取的时间都会往后推。
同站页面互相竞争
多个 URL 承载几乎相同的内容时，搜索引擎需要自己判断哪一个是主版本。判断结果不稳定，就会出现同一批关键词下入口来回切换、页面表现起伏的情况。这既影响观察，也影响运营判断。
先判断，再动手
- 用 site: 抽样看看索引里都是哪几类 URL，注意这个数字是估算值，看类型分布比看总量更有意义。
- 查服务器日志，统计被抓取次数最多的 URL 属于哪一类，很多问题在日志里比在报告里更早暴露。
- 把索引报告里的“已发现但未抓取”和“已抓取但未索引”分开看，前者多说明抓取入口有问题，后者多说明内容判断有问题。
收口时的两个常见坑
robots.txt 和 noindex 不是一回事。robots.txt 是禁止抓取，搜索引擎拿不到页面内容，自然也读不到页面上的 noindex；对一个已经被收录的 URL，只加 robots.txt 通常不会让它退出索引。更稳妥的顺序是：先允许抓取，再让页面返回 noindex；对确实下线的页面，直接返回 410 或 404 也是明确信号。canonical 可以用于合并，但前提是页面之间确实是同一内容的不同展现，否则容易被忽略。
一个简单的判断标准：如果这个 URL 单独被用户打开时，内容不值得保存或分享，它大概率也不值得长期占用索引位置。
一个可执行的顺序
- 先处理追踪参数和会话参数，这类基本是纯噪音，改动风险也最低。
- 再收敛筛选、排序和搜索页，按页面类型统一处理，而不是逐条改。
- 把 sitemap 换成只包含规范 URL 的版本，别把它当成收录清单来用。
- 内链只指向规范版本，减少蜘蛛顺着站内链接发现副本的路径。
- 上线后持续观察几周，同时看索引数量与抓取分布的变化。
预期管理
索引数量下降是正常的，很多时候还是好事：留下的页面能获得更集中的抓取和评估。这类调整通常以周为单位见效，不是改完第二天就能看到结果。真正值得关注的不是索引总量这个数字，而是有价值的页面是否更容易被抓取、被收录，并且稳定地留在索引里。