一个页面能不能被收录，先决条件是它有没有被蜘蛛发现。发现不保证抓取，抓取也不保证收录，但如果某个 URL 从来没有进入过发现队列，后面的环节都无从谈起。所以当收录不理想时，先别急着改内容，第一步往往是回头看看：这个 URL 到底是怎么被发现的，有没有被发现。
几条主要的发现渠道
站内链接
站内链接是最稳定、最不需要额外维护的发现途径。蜘蛛顺着一个已经抓取的页面往下走，只要能通过普通 a 标签到达，就大概率会被发现。它的好处是自带上下文：链接所在的页面主题、锚文本、链接在正文中的位置，都会影响后续对这个 URL 的判断。
XML sitemap
sitemap 的作用更接近一份清单，它不解决权重传递的问题，但能帮蜘蛛知道站点里还有哪些 URL 存在，尤其是那些入口很浅、或者需要多次点击才能到达的页面。需要注意的是，sitemap 里应该只放规范 URL，不要把带参数的变体、已下线的地址、状态码异常的地址一并塞进去，否则这份清单的可信度会下降。
外部链接与社交分享
外部链接带来的发现速度有时比站内更快，但可控性差。它更适合用在重要页面的启动阶段，不适合作为日常依赖。社交平台上的分享链接通常带跳转或参数，能不能被跟随并不确定，把它当成发现渠道之一可以，当成主力不现实。
主动提交接口
各家搜索平台提供的提交方式，本质上是把 URL 放进发现队列，而不是放进索引。提交成功只说明收到了，不说明会抓取，更不说明会收录。它的价值在于缩短等待时间，尤其适合新页面或时效性较强的内容。
优先级：先把站内到达性做扎实
如果只能选一件事做，那就是保证重要页面在站内是可到达的。判断方式很简单：从首页出发，用纯文本浏览器或者禁用 JS 的方式走一遍，看能不能点到目标页。以下几条比提交接口更值得先检查：
- 重要页面是否在导航、栏目页或相关推荐中出现，而不只是靠搜索框或表单跳转；
- 链接是否真的是 a 标签，而不是 onclick 事件或需要 JS 渲染后才生成的节点；
- 链接上是否挂了 nofollow 或其他阻止跟随的属性；
- 层级是否过深，一个页面需要点七八次才能到达，被抓到的概率会明显下降。
容易被忽略的细节
分页、筛选和排序参数是发现渠道里最容易失控的部分。它们本身不算错误，但数量可能远大于真实内容量。比较稳妥的做法是让主序列页可发现，把多条件组合的筛选结果收敛掉，不要指望它们全部被收录。
另外，sitemap 的更新时间和实际内容不一致也是常见问题。频繁改动 lastmod 却没有实质变化，会让这份文件逐渐失去参考价值。建议只在页面内容真正调整时更新，并保持文件分片和数量在合理范围内。
怎么确认发现真的发生了
光看提交成功提示不够，至少要用两个地方交叉验证：
- 服务器日志里是否出现了来自搜索蜘蛛的请求，请求的 URL 是否是你期望的那个版本；
- 抓取统计里是否出现了“已发现但尚未抓取”之类的状态，这类状态说明 URL 已经在队列里，只是还没轮到。
如果两边都没有痕迹，通常说明发现环节就断了，而不是抓取或索引出了问题。此时优先补站内入口，其次再考虑 sitemap 和提交。
把提交当成收录按钮，是收录问题里最常见的误解。提交只能让 URL 被看见，能不能走到最后，取决于页面本身值不值得留。
总结一下：站内链接负责稳定发现，sitemap 负责补齐清单，外部链接和主动提交负责加速。三者配合、顺序不乱，发现环节基本不会成为瓶颈；剩下的问题，就要回到抓取预算和页面质量上去看了。