如果那个多语言页面的配置做得不对, 那么域名的整体收录速度会被直接拖慢。这里面的核心原因主要有三个路径需要去了解。第一个路径是内部链接的权重会被那些多语言版本给稀释掉。
第二个路径是hreflang标签会发生冲突, 这会使得爬虫产生识别错误。第三个路径是搜索引擎的爬虫预算会被分散开来。接下来我们会对每一条的影响机制进行逐一拆解, 同时会给出对应的标准操作规范来作为参考。
权重稀释：链接价值被多版本分摊
当同一个内容通过中文、英文、日语等多种语言版本, 发布在同一个域名下面的时候, 这些页面内部的链接就会同时指向好几个不同的语言版本。就以我们提到的那个核心的产品页面作为例子来说吧。如果这个页面存在四个版本的语言。
那么一开始, 原本集中在一起指向到这个页面的五个内部链接的权重, 会被分散到这四个不同的网址上面去。这样的话, 单个语言版本的页面所获得的权重贡献, 就变成了原来的的四分之一了。
这就直接导致每一个语言版本在被收进目录的时候, 它的优先程度会往下掉, 搜索引擎这边呢, 就需要花费更多的时间, 才能够把新发布的、针对那些语言写出来的页面, 第一次爬到并且放到自己的数据库里头去。
hreflang信号冲突：爬虫"迷路"
hreflang标签的作用是让搜索引擎去弄明白不同的语言版本之间到底是啥对应关系。如果你的多个语言页面里面的hreflang指向不完整, 或者出现了循环引用的情况, 比如A指向B、B又指向C, 结果C最后却指回了A而不是去指B, 那搜索引擎就没法确定究竟哪一个版本才是权威的那个版本。
在这种情况下, 搜索引擎会把所有不同语言的页面都标记为低置信度, 这样一来, 这些页面被收录所花费的时间就会变得特别长。
根据Google Search Central官方文档所说的话, hreflang这个东西必须得满足双向互指的那个原则, 这个原则是什么意思, 意思就是A指向B的同时，B也必须得指向A, 除此之外的话, 每一个页面都需要包含那个指向自身的x默认标签。
爬虫预算分配偏移
搜索引擎会拿个有限的每日爬虫预算给每个域名。在多语言页面数量成倍增加的情况下, 爬虫需要去跑更多的URL。结果就是, 单语言页面的复访频率跟着降低了。
新上线的多语言站点, 其爬虫预算会优先分给主语言, 主语言一般是站点的默认语言。这就导致非主语言的页面, 首次被收录的时间拖后会更久, 可能会晚好几周呢。
标准操作规范
1. 关于目录结构的设置, 目前的做法是采用一种特定的子目录模式, 这种模式的构成要素包括主域名、语言代码以及内容路径, 具体的表现形式就如同在example.com/zh/这样的URL后面再跟上相应的部分, 或者是类似example.com/en/的格式那样, 这样做的目的之一, 是为了避免去使用那些独立的子域名, 也同时要避免去使用那些完全独立的域名, 来分别承载不同的语言版本的内容。
2. 关于hreflang这个配置的问题, 大家需要注意的就是每一个语言页面必须要把指向自身的标签给包含进去, 同时也必须要把所有其他语言版本的标签也给全部包含进来, 这样做的目的就是为了确保双向互指的情况下面不会出现任何遗漏的地方。
3. 在内容这一块, 差异化是很重要的事情。各个不同语言版本的东西, 必须要是那些经过原生翻译产生的内容。不能把机器翻译出来的结果, 就直接放到网上去发布。如果你这么做了的话, 那么你就会被认为是发布了低质量且重复的内容。这样一来, 你被收录的优先顺序就会变得更低一些。
4. 可以通过Search Console里的“国际定位”这个功能, 去明确默认的语种是哪一个, 然后把针对各个不同语言写的Sitemap分别提交上去, 这样一来就方便爬虫工具去识别抓取时候的优先顺序了。
常见错误与修正
错误一的表现为, 多语言页面是通过JavaScript实现动态加载的, 这导致网络爬虫只能获取到默认语言的内容。修正的方案是, 采用服务端渲染的技术手段, 其目的是确保每一种语言都会拥有独立的、能够被直接抓取到的专属URL。
第二个错误的表现是多语言版本共用同一套标题和描述模板, 只是简单替换关键词。纠正的方法是让不同语言版本采用独立的标题和描述内容, 这样可以贴合该语言用户真实的搜索需求。
在实施多语言收录策略的时候, 建议先把主语言站点的全面收录做到位, 并且让排名保持稳定, 然后再去逐步上线其他的语言版本。
因为如果域名本身的收录基础比较薄弱, 那么就考虑在 gname.xin 这些平台上提前注册, 并且去培育子域名的权重, 这样做能够为了多语言扩展去储备域名相关的资产, 这样也可以降低结构变更带来的收录波动风险。
