一次上线两百页，最后只收录了四十页
批量扩充商品页、批量生成城市落地页、活动专题一次挂出几十个，这类操作之后最常见的疑问就是：明明都提交了，为什么只收录了一小部分？
先把问题拆开。提交只是告诉搜索引擎“这里有新地址”，抓取是把地址取回来看一眼，收录是看过之后决定要不要留下。三个环节各管各的，提交数量多，不等于抓取数量多，更不等于收录数量多。
索引不是仓库，是筛选后的结果
很多运营者的直觉是：抓到了就应该存下来，收录少说明哪里坏了。实际更接近相反。索引是一个需要被频繁调用的候选集合，留下的每一页都要在用户搜索时被比较、被排序，所以它天然带有取舍。
一站之内批量上线的页面，如果结构、模板、文字高度相似，被筛掉一部分属于正常现象，而不是收录功能出了故障。
筛选时大致在看哪几件事
页面之间像不像
同一套模板、只换了标题和一两句话的一组页面，在索引看来区分度很低。当一批页面彼此高度相似时，通常会保留一部分作为代表，其余的归入重复内容或直接不进索引。
这一页有没有别人没有的东西
价格、库存、参数、评测、时效信息、作者与来源、可查询的数据，这些是页面独有性最直接的来源。只有模板和关键词差异的页面，很难在筛选里占到位置。
同类内容在索引里已经有多少
如果站点本身已经有一批内容接近的页面，新页面的门槛会更高。同一主题上重复度高的内容，增量收录的意愿通常偏低。
抓到的内容是否完整
依赖 JS 渲染、需要登录才可见、关键信息放在图片里、正文被弹窗或遮罩盖住，都会让抓取拿到一个空壳。这种情况不算被筛掉，而是没被看完整，处理方式完全不同。
站点整体表现
站内长期堆积大量废弃页、批量低质页、频繁变动的链接结构，会让搜索引擎对新页面的评估更保守。这不是针对某一页，而是对整站的判断。
后台通常会给哪些提示
- 已发现，尚未抓取：问题在抓取排队和入口，不在内容质量。
- 已抓取，尚未编入索引：内容过了第一关，卡在索引筛选或质量评估。
- 重复网页，已选择不同的规范网页：同一内容存在多个地址，需要收口。
- 已排除：软 404、被 noindex 标记、抓取异常：属于技术层面的明确信号。
把这些状态混在一起看，很容易得出错误结论。先分清是哪一类，再决定要不要动手。
先判断：是筛错了，还是本来就不该全收
判断方法很朴素：把已经收录的页面和被筛掉的页面放在一起，逐项对比正文长度、独有信息量、页面之间的重复比例。如果被收录的那一部分刚好就是信息更完整的那些，那说明筛选逻辑是清楚的，问题出在内容本身，而不是收录机制。
收录数量本身不是考核指标。用户在搜索里能不能找到有价值的页面，才是更值得盯的结果。
值得优先做的几件事
- 把高度雷同的页面合并，而不是继续往上加。
- 给页面补上真正的差异：数据、时效、观点，而不是换个说法。
- 收口 URL 变体，参数、排序、筛选产生的地址不要都当成独立页面。
- 用内链和站点地图把重点页面明确标出来，减少蜘蛛对着低价值地址反复消耗。
- 检查是否存在抓取障碍：渲染方式、登录墙、屏蔽规则。
- 停止对同一批低价值页面的重复提交，这不会改变筛选结论。
一个容易走偏的方向
把收录量当成部门指标之后，常见动作是不断扩页面数量，用更多页面去换更多收录。短期内也许能看到数字上升，但索引里的低质页面越多，新页面的评估环境越差，最终表现为收录越来越难、有效流量却没有同步增长。
更稳的做法是反过来：先把少数确实有区分度的页面做扎实，让它们稳定进入索引并带来访问，再考虑扩展。收录是结果，不是可以单独优化的目标。