站点做了多语言之后，常见的情况是：英文版收录得七七八八，日文版一个都没有；或者几个语言版本在索引里互相替代，搜品牌词出来的是你没打算主推的那个版本。这类问题很多时候不是“蜘蛛不来”，而是版本口径没分清、重复内容没有收口。
先分清语言版本和地区版本
这两件事经常被混在一起说，但处理逻辑不一样。
- 语言版本：同一站点面向不同语言用户，例如 /en/、/ja/、/de/。正文内容本身不同，重复度通常可控。
- 地区版本：同一语言面向不同市场，例如 /us/、/uk/、/au/。正文可能高度重合，差异集中在货币、库存、配送、价格上。
地区版本更容易出问题，因为它的内容相似度天然就高。如果只是换了货币符号，其余正文一模一样，搜索引擎没有理由保留多个版本。
收录口径要按版本拆开看
用整站收录数判断多语言站点，几乎一定会误判。英文目录涨了两千条，会把日文目录一条没收录的事实盖住。
更有效的做法是按目录或子域分别统计：每个版本有多少可收录 URL、被抓取了多少、进入了索引多少、索引里有多少是备用页面。这几个数字放在一起对比，问题往往一眼能看出来——是没被发现，还是发现了没抓，还是抓了没留。
hreflang 不负责收录，只负责指向
hreflang 的作用是告诉搜索引擎：这几个页面是同一内容的不同语言或地区版本，它们是同一组，而不是互相竞争的关系。它不能把页面“推进索引”，也不能替代 canonical。
缺了 hreflang 的直接后果，通常是搜索引擎自己挑一个版本保留，或者几个版本在索引里来回替换。挑错版本的时候，用户看到的是不合适的语言或地区。
配置上有三点容易漏：一是必须自指，也就是页面要指向自己；二是必须双向，A 指向 B，B 也要指向 A；三是语言代码用规范写法，别用自造的地区缩写。
重复内容通常来自这几种情况
- 机翻或半自动翻译，正文几乎一致，只有导航和页脚不同。
- 模板相同，正文只有一两句差异，其余全靠模块拼。
- 筛选参数、排序参数、会话参数在每个语言版本下又复制了一份。
- 默认语言版本被多个路径指向，例如根目录和 /en/ 同时可访问同一内容。
处理顺序
顺序比技巧重要，先做错的一步会让后面白做。
- 确认每个版本是否有独立内容价值。如果只是机翻且无人维护，考虑合并到主版本，或用 noindex 明确排除，而不是硬留着。
- 让每个版本 canonical 自指。最常见的事故是子语言页面的 canonical 指向了默认语言，等于自己声明“请收录另一个页面”。
- 配齐 hreflang 集群。包含自指、双向指向和 x-default，且只指向可索引的 URL，不要指向跳转页或带参数的地址。
- 检查语言切换链接是否可被爬取。很多站点用 JS 事件切换语言，蜘蛛顺着链接走不到其他版本，这是多语言收录卡住的高频原因。改成常规的 a href 指向对应 URL。
- 分版本维护 sitemap。每个语言或地区目录一份，便于分别观察提交与收录的变化。
- 分版本观察，而不是看总数。给每个版本单独建一个观察口径，判断周期也各自独立。
一份可执行的自查清单
- 语言切换是真实的链接，还是只在点击时执行脚本？
- hreflang 是否自指、是否双向、语言代码是否规范？
- canonical 是否指向自身，而不是默认语言版本？
- 默认语言是否被参数或 cookie 重定向挡住，蜘蛛拿不到？
- 地区版本之间的差异是否只是货币符号？
- 各版本的 sitemap 是否分开，收录数据是否分开统计？
多语言站点的收录问题，多数不是抓取能力问题，而是“你希望搜索引擎保留哪个版本”这件事没有想清楚。想清楚了，后面的 canonical、hreflang 和 sitemap 都只是执行动作。
落地时建议从体量最大的那个非默认语言开始试点，改完一个版本观察一段时间，确认口径和收录变化符合预期，再复制到其余版本。一次性全站改动，出问题时很难定位是哪一步引起的。