站点收录报告里最常见的数字是“已收录多少条”，但这个数字几乎不回答任何具体问题。真正能推动工作的，是把全站 URL 按页面类型拆开，分别看每一类的收录比例，再去找同一类里表现异常的样本。
为什么单看总量会失真
一个站点往往同时存在文章页、商品页、分类页、标签页、搜索结果页、用户主页等类型。它们的内容体量、更新频率、内链数量完全不同，收录难度本来就不同。总量上涨，可能只是因为新增了大量容易收录的文章页，而商品页的收录比例其实一直在掉；总量下滑，也可能只是某类低价值页面被清理。
把不同类型的 URL 混在一起算比例，结论通常会指向错误的方向：你会以为是“整站质量不行”，而不是“某一类模板出了问题”。
分组可以怎么分
不必分得太细，先按 URL 结构或渲染模板分成五到十组即可：
- 内容页：文章、商品、问答等有独立主体的页面
- 列表页：分类、标签、聚合、频道首页
- 分页页：带翻页参数的页面
- 筛选页：带筛选、排序参数的结果页
- 功能页：站内搜索、登录、用户中心等
分组之后，用同一份数据源统计每组的“被索引数 / 已提交数”，再抽样看具体状态。数据源可以是站点地图、日志里出现过的 URL，或后台导出的列表。
同一类模板里出现差异的三个常见来源
内容体量差异过大
同一个模板下，有的页面正文几百字，有的只有一两句话。内容稀薄的页面通常会被更谨慎地对待。这类差异往往和录入规范、是否允许用户发布过短内容有关，属于运营侧可以控制的部分。
内链位置不同
同样是文章页，有的在首页或栏目首屏有入口，有的只能靠站点地图被发现。入口浅、点击路径短的页面，被发现和被评估的机会明显更多。这属于结构问题，不是内容问题。
URL 与参数处理不一致
同一类页面里如果混入了带追踪参数、带会话 ID、带排序参数的变体，统计口径会失真，抓取资源也会被重复消耗。先把这类变体在抓取层收敛，再谈收录比例才有意义。
统计口径上有两个坑
- 不要只看一天的数据。收录本身有延迟，新增一批 URL 后当天就下结论，很容易把正常延迟误判成问题。
- 要跟踪同一批 URL。每周固定抽样一批并记录状态变化，比每周重新随机抽样更能看出趋势。
定位之后的处理顺序
- 先排除非内容因素：响应码、渲染方式、robots 与 meta 指令是否误伤。
- 再检查组内共性问题：模板是否有统一薄弱点，比如正文被折叠、关键信息只存在于图片里。
- 接着处理结构问题：给值得收录的页面补合理内链入口，减少孤岛。
- 最后才判断这类页面是否值得收录。低价值的功能页、筛选页本就该在抓取层收敛，不必强行追求比例。
按类型统计收录率，作用是缩小排查范围，不是保证某类页面一定被收录。收录与否最终由搜索引擎判断，我们能做的是把可控的环节做干净。
把“全站收录了多少”换成“哪一类页面掉得最明显”，问题通常会在几次统计之内就浮出水面。