为什么「文章被收录了」不等于「文章有流量」
个人站长做 SEO，最容易陷入的一个循环是：发了新文章 → 用 site:我的域名 关键词 查一下，收录了 → 等流量，没有。于是继续发下一篇，重复同样的循环。
问题出在前面那一步的判断标准上。site: 查询命中了，只说明搜索引擎存了这条 URL，不代表它为这条 URL 分配了排名机会。这两者之间隔着一个很关键的中间态：索引状态。这篇文章讲的就是怎么把这个中间态看清楚，以及看到之后该做什么。
第一层：先把「收录」这个词拆成四种状态
搜索引擎对一条 URL 的处理，实际上有四个不同的结果，而站长常常把它们混成一句「收录了/没收录」：
- 已抓取、未索引：爬虫来过，读过内容，但没放进检索库。典型原因：内容被判为低价值/重复、页面结构不可解析、或站点整体权重不足。
- 已索引（无排名）：进了检索库，但任何关键词下都排不到有流量的位置。这是最常见的「收录了但没流量」。
- 已发现、未抓取：在 sitemap 或内链里被看到了，但爬虫还没来。属于排队状态。
- 被抓取但被排除：因为 canonical、noindex、robots 或重复内容判定，被主动排除在索引之外。
这四种状态的应对话术完全不同。第一种要改内容或改内链，第二种要改选题与意图匹配，第三种只要等或改善抓取预算，第四种要去查 canonical/noindex 配置。把它们混成一句「没收录」，就永远找不到该改哪里。
第二层：在哪里看到真实状态，而不是靠 site: 猜
Google Search Console 的「页面」报告（旧的「覆盖率」）是唯一可靠的来源，它会把上面四种状态分门别类列出来。关键是要读懂它的分类名：
# 常见的几类，对应到上面的状态：
# "已编入索引" -> 已索引（有无排名另说）
# "已抓取 - 尚未编入索引" -> 已抓取、未索引（最需要处理的一类）
# "已发现 - 尚未编入索引" -> 已发现、未抓取（通常等待即可）
# "已排除" 下的
# "已请求编入索引的网页" -> 可能仍在处理，别急
# "备用网页（有适当的规范标记）" -> canonical 指向别处，正常
# "重复网页，Google 选择的规范网页与用户指定的不同" -> 需要处理
# "已找到 - 目前未编入索引" -> 常见于新站，权重问题特别要指出两个容易误判的：
- 「备用网页（有适当的规范标记）」不是错误。它表示你写了 canonical，Google 认可并选择了你指定的那个 URL。这正是你想要的结果，不要试图去"修复"它。
- 「已请求编入索引的网页」会一直累加。你每次手动提交都会加一条，它们不是失败项。如果这个数字占了大头，说明你提交完就只盯着状态、没做别的事。
另一个常被高估的工具是 site: 查询。site:域名 关键词 的命中数是不精确的估算，并且会随查询词变化。它只适合做「这条 URL 到底在不在索引里」的布尔判断，不适合做任何数量统计或趋势观察。用 site: 的数量变化去判断 SEO 成效，是最常见的自欺。
第三层：什么时候该重写，什么时候该等
「已抓取、未索引」是最容易让人焦虑的状态，也是最容易做错决策的地方。判断标准不是时间，而是页面本身是否提供了别处没有的信息。
# 自查清单（不需要工具，逐条问）
# 1. 这篇的标题和已有文章是否高度同义？
# （比如已有「Nginx 502 排查」，又写「Nginx 502 怎么办」）
# 2. 正文是否有至少一段来自你自己的实测输出、日志、报错原文？
# 3. 是否存在更权威的同类页面（官方文档/大站教程）覆盖同一意图？
# 4. 页面是否只有一两句话 + 大段引用？
# 5. 内链是否指向它（有没有从首页/相关文章链进来）？如果第 1 条或第 3 条答"是"，那基本可以判定为「重复/低价值」，重写标题与差异化内容是唯一出路——等待不会改善它。如果第 2 条答"否"，那你的页面缺少「不可替代性」，这也是重写信号，方向是加入实测数据。
反过来，如果内容确实独特、内链也有，状态仍停在「已发现、未抓取」，那属于抓取预算不足，处理方式是改善站点结构而不是重写：
# 让爬虫更容易找到并理解你的站
# 1. sitemap 保持干净：只放 canonical 的、200 的 URL，别放 301/404/noindex
# 2. 减少内链层级：重要文章从首页 2 次点击内可达
# 3. 明确 canonical：每个页面一个自引用 canonical，避免参数页互相竞争
# 4. 检查 robots.txt 是否误挡了 CSS/JS（会让渲染失败，间接影响索引）
curl -s https://example.com/robots.txt这里有个非常实际的陷阱：robots.txt 误挡 CSS/JS 是老站常见的历史遗留。很多年前为了"保护代码"加了 Disallow: /assets/，但现代搜索引擎需要抓取 CSS/JS 才能正确渲染页面。渲染失败的页面会被判为低质量内容，进而落到「已抓取、未索引」。检查方法是 GSC 的 URL 检查工具里看"网页资源加载"那一节，如果有一堆被 robots 阻止的资源，就是这个原因。
第四层：把「收录状态」变成一个常规检查项，而不是一次性任务
这类问题的特点是：它们不会自己好，也不会立刻坏。所以最有价值的动作不是修一次，而是建立一个低频但固定的检查节奏。个人站长的时间有限，建议就两条：
# 每周一次的检查清单（10 分钟内可完成）
# 1. GSC「页面」报告：看"已抓取-尚未编入索引"的数量是否在涨
# 2. GSC「页面」报告：看是否有新增的"重复网页/用户指定的规范网页不同"
# 3. 抽样 3 篇近两周的文章，用 URL 检查工具确认渲染正常（无资源被阻止）
# 4. 检查有没有内链断开（404 的内部链接会浪费抓取预算）第 1 条是关键指标。如果「已抓取-尚未编入索引」的数量持续上升，说明你在持续产出与已有内容高度重叠的页面——这比"新文章没排名"严重的多，因为它会拖累整站的质量评估。此时正确的反应是停下来，重写或合并已有内容，而不是继续加产量。
第 4 条也值得展开：内链 404 是纯粹的浪费。爬虫顺着你的内链爬过去，撞到 404，这部分抓取预算就白花了。检查方式很直接：
# 从服务端日志里找出被爬虫请求且返回 404 的 URL
awk '$9 == 404 {print $7}' /var/log/nginx/access.log | sort | uniq -c | sort -rn | head -30
# 关注那些出现在你内链里的路径，逐个修掉或 301 到正确位置第五层：一个反直觉的结论
把上面串起来，会得到一个和直觉相反的结论：「收录了但没流量」，通常不是收录问题，而是选题问题。
搜索引擎已经读懂了你的页面，只是判断在这个意图下你的页面不值得排前面。而它给出的理由，往往写在「已抓取、未索引」这个状态里——它知道这个页面存在，只是认为已有更好的答案。
所以真正有效的动作是：在写之前确认这个具体意图下还没有被高质量覆盖的答案，在写之后加入别处没有的信息（实测输出、报错原文、具体参数取值）。这两件事做好，「收录」这件事几乎不需要单独操心——它会自然发生，排名也会跟着来。
小结
- 「收录」有四种状态，混为一谈就找不到该改哪里；
- 真实状态只看 GSC 页面报告，
site:只适合做布尔判断； - 「已抓取、未索引」的处理标准是内容不可替代性，不是等待时长；
- 「已发现、未抓取」是抓取预算问题，改结构而非改内容，注意 robots 误挡 CSS/JS；
- 把「已抓取-尚未编入索引」的数量趋势当成质量预警指标——它涨，就该减产提质了。
对个人站长来说，SEO 的很多焦虑来自「不确定自己在正确的方向上」。上面这套状态拆解的意义，就是让你在每一次查看后台时，都能明确回答一个问题：我现在要改的是内容，还是结构？能回答这个问题，就已经比大多数人在盲目发文中高效得多了。