站点做了多語言之後，常见的情况是：英文版收錄得七七八八，日文版一個都没有；或者几個語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個版本。這類問题很多时候不是“蜘蛛不来”，而是版本口径没分清、重复内容没有收口。
先分清語言版本和地区版本
這两件事经常被混在一起说，但處理逻辑不一样。
- 語言版本：同一站点面向不同語言用戶，例如 /en/、/ja/、/de/。正文内容本身不同，重复度通常可控。
- 地区版本：同一語言面向不同市场，例如 /us/、/uk/、/au/。正文可能高度重合，差异集中在货幣、库存、配送、價格上。
地区版本更容易出問题，因為它的内容相似度天然就高。如果只是換了货幣符号，其余正文一模一样，搜尋引擎没有理由保留多個版本。
收錄口径要按版本拆開看
用整站收錄數判断多語言站点，几乎一定會誤判。英文目錄涨了两千條，會把日文目錄一條没收錄的事實盖住。
更有效的做法是按目錄或子域分別統計：每個版本有多少可收錄 URL、被抓取了多少、進入了索引多少、索引里有多少是备用頁面。這几個數字放在一起對比，問题往往一眼能看出来——是没被發現，還是發現了没抓，還是抓了没留。
hreflang 不负责收錄，只负责指向
hreflang 的作用是告诉搜尋引擎：這几個頁面是同一内容的不同語言或地区版本，它們是同一组，而不是互相竞争的關系。它不能把頁面“推進索引”，也不能替代 canonical。
缺了 hreflang 的直接後果，通常是搜尋引擎自己挑一個版本保留，或者几個版本在索引里来回替換。挑错版本的时候，用戶看到的是不合适的語言或地区。
配置上有三点容易漏：一是必须自指，也就是頁面要指向自己；二是必须双向，A 指向 B，B 也要指向 A；三是語言代碼用規范寫法，別用自造的地区缩寫。
重复内容通常来自這几種情况
- 机翻或半自動翻译，正文几乎一致，只有導航和頁脚不同。
- 模板相同，正文只有一两句差异，其余全靠模块拼。
- 篩選參數、排序參數、會话參數在每個語言版本下又複製了一份。
- 預設語言版本被多個路径指向，例如根目錄和 /en/ 同时可訪問同一内容。
處理顺序
顺序比技巧重要，先做错的一步會让後面白做。
- 確認每個版本是否有獨立内容價值。如果只是机翻且無人维護，考虑合並到主版本，或用 noindex 明确排除，而不是硬留着。
- 让每個版本 canonical 自指。最常见的事故是子語言頁面的 canonical 指向了預設語言，等于自己声明“請收錄另一個頁面”。
- 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，不要指向跳轉頁或带參數的地址。
- 检查語言切換連結是否可被爬取。很多站点用 JS 事件切換語言，蜘蛛顺着連結走不到其他版本，這是多語言收錄卡住的高频原因。改成常規的 a href 指向對應 URL。
- 分版本维護 sitemap。每個語言或地区目錄一份，便于分別观察提交與收錄的變化。
- 分版本观察，而不是看總數。给每個版本單獨建一個观察口径，判断周期也各自獨立。
一份可执行的自查清單
- 語言切換是真實的連結，還是只在点击时执行脚本？
- hreflang 是否自指、是否双向、語言代碼是否規范？
- canonical 是否指向自身，而不是預設語言版本？
- 預設語言是否被參數或 cookie 重定向挡住，蜘蛛拿不到？
- 地区版本之間的差异是否只是货幣符号？
- 各版本的 sitemap 是否分開，收錄資料是否分開統計？
多語言站点的收錄問题，多數不是抓取能力問题，而是“你希望搜尋引擎保留哪個版本”這件事没有想清楚。想清楚了，後面的 canonical、hreflang 和 sitemap 都只是执行動作。
落地时建议從体量最大的那個非預設語言開始试点，改完一個版本观察一段時間，確認口径和收錄變化符合预期，再複製到其余版本。一次性全站改動，出問题时很难定位是哪一步引起的。