站点收錄报告里最常见的數字是“已收錄多少條”，但這個數字几乎不回答任何具体問题。真正能推動工作的，是把全站 URL 按頁面類型拆開，分別看每一類的收錄比例，再去找同一類里表現異常的样本。
為什么單看總量會失真
一個站点往往同时存在文章頁、商品頁、分類頁、标簽頁、搜尋结果頁、用戶主頁等類型。它們的内容体量、更新频率、内鏈數量完全不同，收錄难度本来就不同。總量上涨，可能只是因為新增了大量容易收錄的文章頁，而商品頁的收錄比例其實一直在掉；總量下滑，也可能只是某類低價值頁面被清理。
把不同類型的 URL 混在一起算比例，结论通常會指向错誤的方向：你會以為是“整站质量不行”，而不是“某一類模板出了問题”。
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：
- 内容頁：文章、商品、問答等有獨立主体的頁面
- 列表頁：分類、标簽、聚合、频道首頁
- 分頁頁：带翻頁參數的頁面
- 篩選頁：带篩選、排序參數的结果頁
- 功能頁：站内搜尋、登入、用戶中心等
分组之後，用同一份資料源統計每组的“被索引數 / 已提交數”，再抽样看具体狀態。資料源可以是站点地图、日誌里出現過的 URL，或後台導出的列表。
同一類模板里出現差异的三個常见来源
内容体量差异過大
同一個模板下，有的頁面正文几百字，有的只有一两句话。内容稀薄的頁面通常會被更谨慎地對待。這類差异往往和錄入規范、是否允许用戶發布過短内容有關，属于运营侧可以控制的部分。
内鏈位置不同
同样是文章頁，有的在首頁或栏目首屏有入口，有的只能靠站点地图被發現。入口浅、点击路径短的頁面，被發現和被评估的机會明顯更多。這属于结构問题，不是内容問题。
URL 與參數處理不一致
同一類頁面里如果混入了带追踪參數、带會话 ID、带排序參數的變体，統計口径會失真，抓取资源也會被重复消耗。先把這類變体在抓取层收敛，再谈收錄比例才有意义。
統計口径上有两個坑
- 不要只看一天的資料。收錄本身有延迟，新增一批 URL 後当天就下结论，很容易把正常延迟誤判成問题。
- 要跟踪同一批 URL。每周固定抽样一批並记錄狀態變化，比每周重新随机抽样更能看出趋势。
定位之後的處理顺序
- 先排除非内容因素：响應碼、渲染方式、robots 與 meta 指令是否誤伤。
- 再检查组内共性問题：模板是否有统一薄弱点，比如正文被折叠、關键信息只存在于图片里。
- 接着處理结构問题：给值得收錄的頁面补合理内鏈入口，减少孤岛。
- 最後才判断這類頁面是否值得收錄。低價值的功能頁、篩選頁本就该在抓取层收敛，不必强行追求比例。
按類型統計收錄率，作用是缩小排查范围，不是保證某類頁面一定被收錄。收錄與否最终由搜尋引擎判断，我們能做的是把可控的环节做干净。
把“全站收錄了多少”換成“哪一類頁面掉得最明顯”，問题通常會在几次統計之内就浮出水面。