排查收錄时，很多人把注意力全部放在“爬虫有没有来”上。但抓取和收錄之間還有一道判断：這個頁面值不值得占用索引空間。蜘蛛把 HTML 拿回去之後，引擎會先做一轮内容质量评估，评估不達标的 URL 可能長期停在“已發現”狀態——日誌里能看到抓取，索引里却没有它。
维度一：主体内容占比
把頁面上不属于正文的部分圈出来——導航、侧栏推荐、頁脚連結、广告位、彈窗、版權信息——剩下的部分才是主体。如果主体内容只占整頁 HTML 的一小部分，頁面在质量判断上就會吃亏。常见的情况是：一段两百字的介绍，被塞進十几個模块拼成的模板里，视觉上热闹，實际信息量很低。
维度二：模板化重复
分類頁、聚合頁、标簽頁最容易踩這條。同一套模板批量生成几千個 URL，每個頁面只有标题和几行摘要不同，其余完全一致。這類頁面單看没問题，放在一起看就是大量近重复内容。處理方式不是全部删掉，而是做区分：有獨立篩選價值、有真實搜尋需求的留下；纯拼接、無差异的收拢合並或设為不可索引。
维度三：頁面是否兑現了标题的承诺
标题寫着“办理流程”，正文却在讲公司简介；标题寫“價格表”，頁面只有一句“詳情請咨询”。這種错位會让頁面被判為不满足需求。判断方法很朴素：只看标题和首屏，問自己“用戶点進来想解决的問题，第一屏能不能看到答案的開头”。
维度四：技術层面的可用性
- 首屏依赖 JS 渲染，而渲染所需资源又被 robots.txt 挡住；
- 移動端排版错位，正文被浮层或吸底广告遮住；
- 服務器响應经常超时，抓取中途放弃，内容只取到一半；
- 主体文字寫在图片里，文字层為空。
這几條本身属于抓取與渲染問题，但结果會体現在质量判断上：引擎拿不到完整内容，自然無法给出正面评價。
维度五：内容是否有维護痕迹
長期不更新不是原罪，但頁面信息過期、站内連結大面积失效、联系电话已停用，會直接拉低可信度。反過来，有明确更新時間、有修订說明、正文中引用的信息仍然准确的頁面，在同類内容里更容易被保留下来。
质量判断没有公開的分數线，也不存在“做到這几点就保證收錄”的公式。上面這些是提高通過率的常见方向，不是通行證。
未收錄頁面的自查顺序
- 随机抽 10 個未收錄 URL，逐個估算主体内容占比；
- 把這些 URL 放在一起比較，看是否只是标题和几行摘要不同；
- 用渲染後的 HTML（不是源碼）確認正文可讀、無遮挡；
- 核對标题與首屏内容是否一致，是否存在答非所問；
- 检查最後更新時間與站内失鏈情况；
- 根據结果决定是补内容、合並頁面，還是調整索引放開的范围。
整体排查顺序通常是：先確認可抓取，再確認可索引，最後才轮到质量。前两關没過，谈质量没有意义；前两關都過了却長期不進索引，就该回到上面這几條逐項對照，而不是繼續往提交入口里堆 URL。