做收錄自查时，最常见的做法是拿 sitemap 里提交的 URL 數量当分母，用索引里的頁面數当分子，算出一個收錄率。這個數字看起来直观，實际用起来却经常對不上：有时超過 100%，有时低得离谱。問题往往不在搜尋引擎，而在分母的取法本身。
三種常见的分母，含义完全不同
同样叫可收錄 URL 總量，不同来源得到的集合差別很大：
- sitemap 提交量：你主動列出的 URL，通常只覆盖核心頁面，不含分頁、篩選、搜尋等自動生成的地址。
- 日誌中的 URL 集合：蜘蛛實际請求過的地址，會混入歷史遗留、參數變体和早已下线的頁面。
- 站内連結可達的 URL 集合：從首頁出發顺着連結能走到的全部地址，最接近搜尋引擎有渠道發現的總量。
把這三個數放在一起看，往往能差出几倍。用哪個做分母，取决于你想回答什么問题：想评估提交内容的處理情况就用 sitemap，想评估整站被發現的情况就用站内可達集合。
為什么 sitemap 通常不适合当分母
- sitemap 有數量和体积限制，大站往往只提交重点栏目，長尾頁面不在其中。
- 已经改版、合並或下线的舊 URL 可能還留在文件里，分子里根本没有它們。
- 自動生成的列表頁、标簽頁、參數頁一般不會寫進 sitemap，但它們确實存在于站内。
- sitemap 的更新與抓取之間有滞後，分母會随時間漂移。
所以当你看到提交 500 條、索引 1200 條這種结果时，先別急着判断異常，多數情况下只是两個數字的統計范围不一致。
分子也不干净
索引狀態报告里，已發現、已抓取、重复網頁、备用網頁、已排除是並列的狀態，並不是都算收錄。用哪種口径統計，结论會差很多。如果把已抓取但未编入索引也算作已收錄，收錄率會虚高；只算已编入索引，又會漏掉那些以备用頁面形式存在的正常地址。
另一個常见来源是 site: 查询。它返回的是估算值，波動較大，只适合看數量級變化，不适合做精确的比率計算。
更實用的做法：按頁面類型分桶
與其纠结一個總數，不如把 URL 拆開看。步骤大致如下：
- 從服務器日誌或站内爬虫導出一份完整的 URL 列表。
- 按模板归類：詳情頁、栏目頁、标簽頁、搜尋頁、分頁、带參數的變体。
- 每一類分別統計被索引的比例，而不是混在一起算總分。
- 對比例明顯偏低的類別單獨排查：是否被 noindex 拦住、canonical 是否指向了別處、正文内容是否過少，或者入口連結太深。
這样得到的结果才有可操作性。比如詳情頁索引率九成、标簽頁只有两成，接下来要處理的是标簽頁该不该放開，而不是笼统地去提高收錄率。
收錄比例是体检指标，不是运营目标。真正需要盯的是關键頁面有没有稳定進入索引，以及索引里的版本是否和线上一致。
什么时候才需要關注這個數字
绝對值的參考意义有限，趋势更有用。把同一口径的統計定期记錄，看它在几周内的變化。如果某一類頁面的索引比例出現明顯下滑，再去查抓取量、狀態碼、内容改動和規范标簽的變化，排查范围會小很多。
換句话说，先把分母和分子定义清楚，再谈收錄情况好坏。口径不统一时，讨论收錄率基本没有意义。