一次上线两百頁，最後只收錄了四十頁
批量扩充商品頁、批量生成城市落地頁、活動专题一次挂出几十個，這類操作之後最常见的疑問就是：明明都提交了，為什么只收錄了一小部分？
先把問题拆開。提交只是告诉搜尋引擎“這里有新地址”，抓取是把地址取回来看一眼，收錄是看過之後决定要不要留下。三個环节各管各的，提交數量多，不等于抓取數量多，更不等于收錄數量多。
索引不是仓库，是篩選後的结果
很多运营者的直觉是：抓到了就應该存下来，收錄少說明哪里坏了。實际更接近相反。索引是一個需要被频繁調用的候選集合，留下的每一頁都要在用戶搜尋时被比較、被排序，所以它天然带有取舍。
一站之内批量上线的頁面，如果结构、模板、文字高度相似，被筛掉一部分属于正常現象，而不是收錄功能出了故障。
篩選时大致在看哪几件事
頁面之間像不像
同一套模板、只換了标题和一两句话的一组頁面，在索引看来区分度很低。当一批頁面彼此高度相似时，通常會保留一部分作為代表，其余的归入重复内容或直接不進索引。
這一頁有没有別人没有的東西
價格、库存、參數、评测、时效信息、作者與来源、可查询的資料，這些是頁面獨有性最直接的来源。只有模板和關鍵詞差异的頁面，很难在篩選里占到位置。
同類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頁面，新頁面的门槛會更高。同一主题上重复度高的内容，增量收錄的意愿通常偏低。
抓到的内容是否完整
依赖 JS 渲染、需要登入才可见、關键信息放在图片里、正文被彈窗或遮罩盖住，都會让抓取拿到一個空壳。這種情况不算被筛掉，而是没被看完整，處理方式完全不同。
站点整体表現
站内長期堆积大量废弃頁、批量低质頁、频繁變動的連結结构，會让搜尋引擎對新頁面的评估更保守。這不是针對某一頁，而是對整站的判断。
後台通常會给哪些提示
- 已發現，尚未抓取：問题在抓取排队和入口，不在内容质量。
- 已抓取，尚未编入索引：内容過了第一關，卡在索引篩選或质量评估。
- 重复網頁，已選擇不同的規范網頁：同一内容存在多個地址，需要收口。
- 已排除：软 404、被 noindex 标记、抓取異常：属于技術层面的明确信号。
把這些狀態混在一起看，很容易得出错誤结论。先分清是哪一類，再决定要不要動手。
先判断：是筛错了，還是本来就不该全收
判断方法很朴素：把已经收錄的頁面和被筛掉的頁面放在一起，逐項對比正文長度、獨有信息量、頁面之間的重复比例。如果被收錄的那一部分刚好就是信息更完整的那些，那說明篩選逻辑是清楚的，問题出在内容本身，而不是收錄机制。
收錄數量本身不是考核指标。用戶在搜尋里能不能找到有價值的頁面，才是更值得盯的结果。
值得優先做的几件事
- 把高度雷同的頁面合並，而不是繼續往上加。
- 给頁面补上真正的差异：資料、时效、观点，而不是換個说法。
- 收口 URL 變体，參數、排序、篩選产生的地址不要都当成獨立頁面。
- 用内鏈和站点地图把重点頁面明确标出来，减少蜘蛛對着低價值地址反复消耗。
- 检查是否存在抓取障碍：渲染方式、登入墙、屏蔽規則。
- 停止對同一批低價值頁面的重复提交，這不會改變篩選结论。
一個容易走偏的方向
把收錄量当成部门指标之後，常见動作是不断扩頁面數量，用更多頁面去換更多收錄。短期内也许能看到數字上升，但索引里的低质頁面越多，新頁面的评估环境越差，最终表現為收錄越来越难、有效流量却没有同步增長。
更稳的做法是反過来：先把少數确實有区分度的頁面做扎實，让它們稳定進入索引並带来訪問，再考虑扩展。收錄是结果，不是可以單獨優化的目标。