很多站点运营会同时看两份数据：抓取日志和索引覆盖。抓取量正常，说明蜘蛛愿意来；但收录数不动，说明这批 URL 并没有拿到索引位。抓取和收录之间隔着一层筛选，这层筛选主要看页面本身值不值得被放进索引。
抓取是“取回”，收录是“决定留不留”
抓取解决的是“蜘蛛能不能拿到这个页面的内容”，收录解决的是“拿到之后要不要把它放进索引、让它有机会被检索到”。中间还有质量评估、去重、规范版本选择等步骤。
所以看到“已抓取，尚未编入索引”或“已发现，尚未抓取”都不奇怪，也不能简单理解成蜘蛛不来。前者通常是抓取之后没通过筛选，后者多半是 URL 还在排队。
收录数量不是越多越好，索引位更像是搜索引擎给页面的一次资格判断，而不是站点提交就一定拿得到的东西。
页面质量的几个自查维度
内容是否独立完整
一个页面能不能独立回答一个问题，是判断质量的基础。如果正文只占页面很小一部分，其余全是导航、广告、推荐位和页脚，搜索引擎拿到的可用内容就很有限。
自查方法很简单：把浏览器里的页面结构关掉，只看正文部分，问自己这个页面解决了一个什么问题。如果答案模糊，收录的优先级通常不会高。
与站内其他页面的差异度
批量生成的页面是常见问题。模板相同、正文只替换几个词，比如不同城市、不同型号、不同筛选条件，这类页面在搜索引擎眼里接近重复内容。重复度高的页面，往往只会保留其中一部分进索引，其余的被归并或忽略。
可以做一次抽样对比：去掉导航和页脚，把同模板的两三个页面正文放在一起，看重合比例有多高。如果核心段落几乎一样，差异只在标题和几个变量上，就不要指望它们全部被收录。
是否有真实入口和稳定 URL
孤岛页面、站内几乎没有链接指向的页面，蜘蛛即使抓到，也很难判断它的重要性。同样，URL 反复变化会带来另一个问题：同一份内容散成多条地址，索引里可能只留一条，而且留下的版本未必是你想要的。
- 页面是否从分类页、列表页或相关推荐里能点到；
- 入口链接是否稳定，而不是依赖临时活动页或站内搜索；
- URL 是否被追踪参数、排序参数、会话参数污染。
规范信号是否一致
canonical、内链、sitemap、重定向如果指向不同版本，搜索引擎只能自己挑一个。它挑出来的版本可能不是你的首选，也可能在不同时间来回切换。不要求所有信号完美，但至少要避免互相矛盾。
索引状态里常见的几种写法
- 已编入索引：页面在索引里，有机会被检索到；
- 已抓取，尚未编入索引：内容拿到了，但质量、重复度或规范判断之后没有给出索引位；
- 已发现，尚未抓取：URL 已进入队列，站点体量大或抓取预算有限时很常见；
- 已排除：需要点开具体原因看，不能统一按一个办法处理。
把这些状态混在一起看，很容易得出“站点出问题了”的结论。更好的做法是先分组，再判断每组是不是真的需要收录。
抓了不收录时，站点能做什么
- 先抽样，不要全站动作。按模板或目录分组，每组抽几条看内容差异、入口数量和规范指向。
- 区分“值得收录”和“不必收录”。筛选页、站内搜索结果页、纯参数页本来就可以不进索引，不必强求。
- 对确实值得收录却没进的页面，优先补正文独特性、补内链入口、统一规范信号，而不是反复提交。
- 对不值得收录的页面，用 canonical 归并、noindex 或合并内容处理，减少索引里的近似重复。
- 改动之后留出观察期。索引更新有延迟，信号频繁来回切换反而会让判断更混乱。
别把收录数当成唯一指标
收录数增长不等于有效页面变多。如果索引里塞进大量近似重复、正文稀薄的地址，站点整体的质量印象也会被拉低。更值得盯的是：核心页面在不在索引里、状态稳不稳定、能不能对应到用户会搜索的主题。
抓取、收录、检索是三件事。抓取正常只是第一步，收录取决于页面本身是否值得占一个位置。把页面质量、重复度和规范信号理顺，比盯着收录数字的每日波动更有效。