收录优化：批量页面只有一部分被发现时怎样划分对照组
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /cad1521ca760.html
📄
收录优化：批量页面只有一部分被发现时怎样划分对照组
当同一批页面里只有一部分被发现，划分对照组的目的不是证明某个改动有效，而是先分清“没被发现”是页面自身原因、链接与内链原因，还是这批页面本来就不该被同等对待。可执行的做法是：按页面是否仍有保留价值先分层，再在每层内用可核验的差异配对，而不是把全部页面随机对半切。
先按保留价值分层，再谈对照
批量页面只有一部分被发现，常见于旧内容、旧系统或旧合作关系退出阶段。这时页面并不是同质的：有的仍有访问价值和转化价值，有的只是历史遗留。把它们混在一起做对照，得到的差异会被“该不该留”这个更粗的变量淹没。
可先做一次人工分层，标准尽量简单：
- 保留层：仍有明确入口、仍有内链指向、仍能承接用户需求。
- 观察层：价值不确定，先不删不改，只记录状态。
- 退出层：已无入口、无内链、内容可由其他页面替代。
分层之后，对照组只在同一层内部成立。跨层比较只能说明“保留层比退出层更容易被发现”，这对判断具体改动没有帮助。
两种条件下分别怎么选对照组
选择依据取决于这批页面是否共享同一套模板与同一批内链入口。两种情况下的对照划分方式不同。
条件一：页面共享模板和入口，差异只在内容
此时适合做“配对对照”。把已发现页面和未发现页面按最接近的特征两两配对，例如同目录、同模板、同发布时间段、内链数量接近。配对后只保留一对中一个已发现、一个未发现，其余页面暂不进入对照。
这样做的原因是：如果模板和入口相同，那么“被发现”与“未发现”的差异更可能来自页面级因素，例如正文是否可读、是否有唯一标题、是否被其他页面引用。配对能减少模板差异带来的噪声。
条件二：页面入口和内链差异很大
此时不适合配对，适合做“入口分组对照”。先按进入这批页面的路径分组：来自导航的、来自正文内链的、来自站点地图的、没有站内入口的。然后在每组内部比较发现比例。
如果只有“有正文内链”的那组被发现，而其他组基本没被发现，那么下一步应优先检查内链覆盖，而不是先改页面正文。这个结论只在这批页面的入口结构确实不同时成立；如果入口结构本来一致，就不能用这个分法。
一个注明假设的短例子
假设某批 200 个旧页面中，60 个已被发现，140 个未发现。先按保留价值分层，得到保留层 50 个、观察层 80 个、退出层 70 个。只在保留层内配对，得到 20 对“一个已发现、一个未发现”的页面。
检查这 20 对后发现：已发现页面大多有一条来自仍在使用栏目的内链，未发现页面大多只出现在站点地图里。此时可执行的动作是：给未发现页面补一条来自相关在用页面的内链，并记录补链日期。下一步不是立刻判断收录是否恢复，而是先看这批页面是否开始出现抓取记录，再决定是否继续扩大补链范围。
需要注意，站点地图不保证收录，补内链也不保证被发现；这两者只能作为可观察的入口变化，不能当作因果结论。
实施动作与例外
无论采用哪种对照，建议固定三个动作：
- 先冻结这批页面的模板和入口，避免对照期间又改结构。
- 只对对照组做一种改动，并记录改动日期和范围。
- 观察期结束后，先看抓取与发现状态是否变化，再决定是否推广到全批。
例外情况要单独标记：如果某个页面被 robots.txt 限制抓取，它本来就不适合进入“被发现”对照，因为抓取限制不等于可靠的索引移除，也不代表页面已被处理。若页面涉及旧合作关系或旧系统，退出前还要确认是否仍有外部链接或用户入口；有外部入口的页面应归入保留层或观察层，而不是直接放进退出层。
最后，若发现比例在观察期内没有变化，不要只归因于改动无效。模板是否统一、入口是否真的被使用、页面是否被其他规则拦截，都会影响结果。先排除这些解释，再决定是否调整对照划分。
