很多人在蜘蛛池入口页放链接时，习惯直接把目标 URL 复制过来，里面往往带着 utm_source、from、spm、ref 之类的跟踪参数。链接本身能点开，看起来没问题，但从搜索蜘蛛的角度看，同一个页面可能变成好几个不同的地址。这篇文章讲清楚这件事的影响范围，以及哪些参数值得清理、哪些可以保留。
搜索蜘蛛怎么看待带参数的 URL
搜索蜘蛛并不认识「跟踪参数」这个概念，它只按 URL 字符串去抓。对 https://example.com/a 和 https://example.com/a?utm_source=abc 这两个地址，抓取系统一开始通常会把它们当成两条独立的 URL 记录，各自进入抓取队列。
这不必然是坏事，但有两个实际后果：一是你把一次发现机会拆成了两次，入口页里能触达的 URL 数量被参数稀释；二是目标站如果没有做好参数归一化，抓取资源会被消耗在大量参数变体上，真正需要更新的主 URL 反而排在后面。
发现是发现，抓取是抓取，收录是收录。爬虫来过一次，只能说明这条 URL 被记录过，不代表它会被索引。
哪些参数建议清掉，哪些可以留
判断标准很简单：这个参数是否改变页面返回的内容。不影响内容的，基本都可以清掉。
- 可以清掉：utm_*、spm、from、ref、share_source 等纯渠道标记；无意义的排序、视图切换参数；会话 ID、时间戳这类每次访问都变化的参数。
- 建议保留：真正决定内容的分页参数（page、p）、商品或文章筛选参数、多语言标记（lang），去掉后指向的已经是另一个页面。
- 拿不准时：先去目标站的 robots.txt 和站点地图看看它自己是怎么处理的，跟着站点已有规则走，比自己拍脑袋更稳。
入口页链接的几种写法对比
- 直接复制带参链接：最省事，但参数变体会一起进入抓取队列，适合参数很少、目标站已做归一化的场景。
- 手工去掉跟踪参数：入口页里只放纯净 URL，最直观，也最容易控制链接数量。缺点是人工维护，链接多了容易出错。
- 用重定向收敛：入口页放带参地址，服务端用 301 跳到纯净地址。层级更清楚，但跳转链多了一跳，需要确认跳转是永久且稳定的。
- 靠目标站 canonical 自己收敛：站内做好 canonical 指向主 URL，成本最低，但这属于目标站的工作，入口页这边只能配合，无法替代。
别踩的几个坑
第一，不要为了「看起来参数更丰富」而人为添加参数，URL 空间越大，抓取资源被摊薄得越厉害。第二，不要对同一目标页面同时投放带参和纯净两条链接，除非你确实想比较哪条更容易被早期发现。第三，不要在入口页里混用同一参数的多种拼写，例如 utm_source 和 utm-source，那只会制造更多变体。
怎么确认有没有浪费
把入口页的访问日志和目标站的日志放在一起看：统计入口页被搜索引擎 UA 抓取的次数，再看目标站这边对应 UA 抓到了哪些地址。如果日志里频繁出现带参数的变体地址，而纯净地址很少被访问，基本说明参数在分流抓取。反过来，如果参数变体几乎不出现，说明目标站的归一化做得不错，入口页这边的清洗可以放松一些。
参数这件事没有统一答案，核心判断只有一条：这个 URL 是不是你希望被当成「同一个页面」的那个地址。入口页要做的是减少歧义，而不是制造更多入口。