做蜘蛛池的人，注意力通常放在入口站数量、域名历史、链接结构上，而入口页本身写了什么，往往是最先被牺牲的一环。很多入口页只剩模板文字、导航和一堆链接，蜘蛛来了，读到的东西几乎为零。这不一定会立刻出问题，但抓取行为和预期不一致时，原因常常就在这里。
空壳页与薄内容页是两回事
空壳页
整个页面基本由模板构成：页头、菜单、几条链接、页脚，正文区域只有一句话，甚至是空的。蜘蛛抓到的 HTML 里，去掉标签之后的有效文本可能不到一百字。这类页面在抓取系统眼里更像一个导航节点，而不是一页内容。
薄内容页
有正文，但信息量很低。比如同一段介绍在几十个入口站上原样复制，或者只是把关键词堆成几句通顺却没有实际信息的话。页面不空，但页面之间几乎没有区别，重复度极高。
蜘蛛大致会看哪些信号
具体的算法没人能完整说出来，但从公开资料和长期的抓取日志观察，下面几类信号比较常见：
- 去掉标签后的正文文本量，以及正文占整页 HTML 的比例；
- 标题、H1 与正文内容是否在讲同一件事；
- 该页面与其他入口站页面的内容重合度；
- 页面上是否有大量指向同一批目标页的重复链接。
这些信号不会单独决定什么，但叠加在一起，会明显影响蜘蛛在这个页面上停留的意愿以及后续回访的频率。
几种常见做法与代价
- 纯模板铺量。上手最快，站与站之间文字完全一致。短期看不出问题，但重复度一高，入口站之间就互相稀释，事后也很难判断哪个站在起作用。
- 工具批量伪原创。比纯复制好一点，但换词不换结构，读起来别扭，正文长度也未必真的增加，改到后面往往越改越像。
- 每个站配一段真实内容。成本最高，但入口站之间的差异是真实存在的，日志里也更容易看出哪个站被稳定抓取。
让入口页有点内容厚度的可行思路
- 每个入口站围绕一个具体的小主题写一段三百到六百字的说明，不必长，但要能独立成立；
- 标题、H1、首段保持一致，别出现标题说 A、正文讲 B 的情况；
- 同一段内容最多复用到少数几个站，跨越太多站时换掉结构和例子；
- 目标页链接放在正文语境里，而不是全部堆在页脚；
- 入口页数量少一点、质量稳一点，通常比铺几百个空壳页更好管理。
怎么判断有没有效果
比较实际的做法是分两组测试：一组以空壳页为主，一组是有正文的入口站，分别看蜘蛛的访问次数、抓取深度和回访间隔。观察两到四周，看差异是否稳定。如果两组几乎没有区别，问题可能不在内容厚度上，而在域名、服务器或整体入口结构上。
内容厚度只是让页面更像一页可读的页面，它提高的是被正常抓取的概率，不构成收录或排名的保证。入口页写得再扎实，也不能替代目标页本身的质量。
把入口页当成一页真正有人看的页面来写，很多抓取上的怪现象会自然减少。蜘蛛池是放大器，不是修复器：它放大的东西里，也包括页面本身有多薄。