站内聚合页面指的是由站内规则自动生成、把多篇内容聚在一起展示的页面：标签页、分类归档、搜索结果页、按条件筛选出的列表页都属于这一类。它们的存在是为了让用户找到内容，但对搜索引擎来说，这些页面是否值得进入索引，需要单独判断。放行太多会稀释站点整体的质量信号，全部屏蔽又可能切断重要内容的发现路径。
先按用途把聚合页分成几类
- 编辑维护的聚合页：人工挑选内容的专题页、榜单页。数量少、内容稳定，通常值得放行。
- 规则生成的标签页：由标签自动聚合，质量取决于该标签下内容的数量与相关性。标签下只有一两篇内容时，页面价值接近空壳。
- 站内搜索结果页：由用户查询词触发生成，数量几乎无上限，且容易产生内容重复。除非你为某些高频查询做了人工优化的落地页，否则一般不建议让搜索引擎抓取和收录。
- 参数筛选与排序页：颜色、价格、排序方式等组合会产生大量近似 URL，同一批内容被反复展示。
判断放行与否，先问几个问题
- 这个页面是否有独立、可读的内容摘要或编辑说明，而不是纯粹的链接列表？
- 同类页面之间的差异是否足够大？如果两个标签页九成条目重合，它们大概率会被当作近似页面处理。
- 页面是否有稳定的引用需求，也就是有人会主动链接到它、把它当作一个入口？
- 把它从索引中拿掉，用户还能不能从其他入口找到同样的内容？如果答案是能，屏蔽的代价就比较低。
常见处理手段与对应的坑
处理聚合页主要有三种思路：放行、归并、屏蔽。三者的适用场景不同，混用容易出现互相矛盾的信号。
- 放行：适合内容量足够、有独立摘要和编辑价值的聚合页。放行之后要在内链里给它一个稳定位置，否则它同样可能长期停留在“已发现但未编入索引”。
- 归并（canonical 指向代表页）：适合一组高度相似、只需要保留一个版本的页面。注意 canonical 是建议而非指令，如果被指向的目标页本身质量不高，搜索引擎仍可能自行选择别的版本。
- 屏蔽：可以用 robots.txt 禁止抓取，也可以用 noindex 禁止索引。两者不建议同时用在同一个 URL 上——如果 robots.txt 挡住了抓取，爬虫看不到页面上的 noindex，这个地址仍可能以“仅 URL”的形式留在索引里。
对聚合页的处理目标不是“收录更多”，而是让索引里的每个 URL 都有明确的代表意义。
落地的顺序建议
先导出近几个月从站内搜索和标签入口进入的落地页数据，按流量和内容量排序；再从中挑出内容量明显偏少、条目高度重合的部分，作为第一批处理对象。处理时一次只改一类，改完观察一段时间抓取和索引状态再动下一类，避免同时改动多个变量后无法判断是哪一步起了作用。
另外，标签页的治理往往和内容侧的标签体系有关。标签定义混乱（同义词、单复数、大小写不统一）时，聚合页会自然分裂成多个近似页面。这种情况下，先收敛标签体系，比在页面上挨个加 canonical 更省事，也更不容易反复。