整站的收录率只是一个平均数字，它会把状态好的页面和状态差的页面混在一起。当收录数量长期停在某个水平时，与其反复刷新报表里的曲线，不如做一件更具体的事：挑一个已经被收录的页面，再挑一个结构相似、但迟迟没被收录的页面，把两者放在一起逐项对比。多数情况下，差异就藏在其中一个环节里。

为什么单页对比比看总量更有用

总量数据只能告诉你结果，不能告诉你原因。收录率从 60% 降到 55%，可能是新增了一批低价值页面，也可能是某个栏目的模板改了，还可能是抓取频次下降导致的滞后。这些原因的处理方式完全不同。而把两个页面并排看，你面对的是可以逐条核对的具体差异：正文有多少字、有几个入口、URL 长什么样、抓到的 HTML 里有没有内容。这些都是能改的，不是只能等的。

对比可以从这五个维度开始

一、主体内容的占比与独立性

把两个页面的 HTML 分别取下来，去掉导航、页脚、侧栏、推荐位这些公共部分，剩下的正文有多少？如果未收录的那个页面正文只有两三句话，其余全是列表和跳转链接，那么它在机器眼里更接近一个模板容器，而不是一个有独立信息的页面。这种情况下，先补内容通常比先调结构更有效。

二、站内入口的数量与位置

已收录的页面往往能在首页、栏目页或相关文章里被点到；未收录的页面可能只出现在 sitemap 里，或者入口藏在很深的目录后面。入口少，被发现的机会少，被再次访问的机会也少。对比时可以数一数：每个页面分别有几个站内链接指向它，这些链接出现在什么位置，用的是不是同一段锚文本。

三、URL 的写法是否干净

• 参数堆叠：是否由筛选、排序、追踪参数生成了大量相似地址。
• 大小写与尾斜杠：同一篇内容是否出现了两种以上写法。
• 目录层级：路径长度是否已经长到难以判断它属于哪个栏目。

如果两个页面内容相近，但其中一个的 URL 更短、更稳定、更容易被复制传播，它通常更容易被稳定对待。

四、页面的渲染方式

如果站点大量依赖前端渲染，可以把抓取到的 HTML 拿出来看一眼：里面有没有正文文本。已收录的那个页面可能是服务端渲染的，未收录的那个可能只返回了一个空壳和一堆脚本。这种情况下，问题不在内容质量，而在内容有没有被送到。

五、更新时间与结构稳定性

长期不更新的页面未必有问题，但一个频繁改动标题、栏目、模板位置的页面，更容易被反复观察。对比时留意两者近几个月的变动频率，尤其是标题和主要结构的改动次数。

把对比结果写下来，而不是凭印象判断

建议做一张简单的表：每一行是一个维度，两列分别是两个页面的实际表现。填完之后再回头看，通常会有一两项差异特别明显。需要提醒的是，一两次对比得到的只是线索，不是结论。某个未收录页面缺少入口，不等于所有未收录页面都是入口问题；它只是提示你下一步该验证什么。

找到差异之后，一次只改一个变量

同时补内容、加内链、改 URL、换模板，改完还是没收录，你依然不知道是哪一项起了作用。更稳妥的做法是排个优先级：先处理成本最低、影响面最大的一项，观察一段时间，再决定要不要动下一项。如果改动之后页面仍未被处理，也不代表方向错了，可能只是处理周期还没走完。

对比的目的是找出可改的差异，而不是证明某个因素一定决定收录。任何一项差异，都只是排查的起点。

把这件事做成常态，每隔一段时间挑一对页面比一比，积累下来的记录会比任何单一指标都更能说明问题：你能看到自己改了什么、之后发生了什么，而不是只看到一个不断变化的总数。