很多人在蜘蛛池入口頁放連結时，习惯直接把目标 URL 複製過来，里面往往带着 utm_source、from、spm、ref 之類的跟踪參數。連結本身能点開，看起来没問题，但從搜尋蜘蛛的角度看，同一個頁面可能變成好几個不同的地址。這篇文章讲清楚這件事的影响范围，以及哪些參數值得清理、哪些可以保留。
搜尋蜘蛛怎么看待带參數的 URL
搜尋蜘蛛並不認识「跟踪參數」這個概念，它只按 URL 字符串去抓。對 https://example.com/a 和 https://example.com/a?utm_source=abc 這两個地址，抓取系統一開始通常會把它們当成两條獨立的 URL 记錄，各自進入抓取队列。
這不必然是坏事，但有两個實际後果：一是你把一次發現机會拆成了两次，入口頁里能触達的 URL 數量被參數稀释；二是目标站如果没有做好參數归一化，抓取资源會被消耗在大量參數變体上，真正需要更新的主 URL 反而排在後面。
發現是發現，抓取是抓取，收錄是收錄。爬虫来過一次，只能說明這條 URL 被记錄過，不代表它會被索引。
哪些參數建议清掉，哪些可以留
判断标准很简單：這個參數是否改變頁面返回的内容。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；無意义的排序、视图切換參數；會话 ID、時間戳這類每次訪問都變化的參數。
- 建议保留：真正决定内容的分頁參數（page、p）、商品或文章篩選參數、多語言标记（lang），去掉後指向的已经是另一個頁面。
- 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處理的，跟着站点已有規則走，比自己拍脑袋更稳。
入口頁連結的几種寫法對比
- 直接複製带參連結：最省事，但參數變体會一起進入抓取队列，适合參數很少、目标站已做归一化的场景。
- 手工去掉跟踪參數：入口頁里只放纯净 URL，最直观，也最容易控制連結數量。缺点是人工维護，連結多了容易出错。
- 用重定向收敛：入口頁放带參地址，服務端用 301 跳到纯净地址。层級更清楚，但跳轉鏈多了一跳，需要確認跳轉是永久且稳定的。
- 靠目标站 canonical 自己收敛：站内做好 canonical 指向主 URL，成本最低，但這属于目标站的工作，入口頁這邊只能配合，無法替代。
別踩的几個坑
第一，不要為了「看起来參數更丰富」而人為添加參數，URL 空間越大，抓取资源被摊薄得越厉害。第二，不要對同一目标頁面同时投放带參和纯净两條連結，除非你确實想比較哪條更容易被早期發現。第三，不要在入口頁里混用同一參數的多種拼寫，例如 utm_source 和 utm-source，那只會制造更多變体。
怎么確認有没有浪費
把入口頁的訪問日誌和目标站的日誌放在一起看：統計入口頁被搜尋引擎 UA 抓取的次數，再看目标站這邊對應 UA 抓到了哪些地址。如果日誌里频繁出現带參數的變体地址，而纯净地址很少被訪問，基本說明參數在分流抓取。反過来，如果參數變体几乎不出現，說明目标站的归一化做得不错，入口頁這邊的清洗可以放松一些。
參數這件事没有统一答案，核心判断只有一條：這個 URL 是不是你希望被当成「同一個頁面」的那個地址。入口頁要做的是减少歧义，而不是制造更多入口。