域名收录率就是, 已经收录的URL数除以总提交的URL数, 然后再乘以100。
这是行业里面通用的, 也是唯一的标准的测量口径。下面是按照取数据、做计算、搞校验、去排查这四个步骤, 给出完整的一种操作方法。
两个核心数据如何获取
已收录URL数（分子A）: 登录对应搜索引擎的站长工具, 在站内搜索框输入"site:你的域名", 统计实际返回的有效收录页面数。注意: 只计入当前仍然处在索引里面并且可以正常访问的那些页面。那些已经下线了的、返回状态代码为404或者410的、或者是处于待验证状态的页面, 都不会计入在内。
总提交URL数（分母B）: 这是在对应的统计周期里面进行的统计, 通过XML Sitemap的方式, 或者是手动提交、开放平台接口等方式, 向这一个搜索引擎累计提交的URL会被算进去, 必须是系统成功接收了的, 也就是有效的URL的总数。
如果在提交了之后被系统明确拒绝的URL, 或者是格式校验失败的URL, 这些都是不计入到分母里面的。
计算步骤（四步完成）
1. 需要确定好那个用来统计的时间范围。建议可以把一次完整的提交批次当作一个周期, 或者是选择像14天、30天这样固定的一段时间窗口来进行计算。
2. 将在这个周期里面, 搜索引擎已经收录了的URL列表给导出来, 然后对这些URL进行一条条的去重处理之后, 最终得到了结果A。
3. 导出同期提交记录, 然后对逐条去重后的结果得到B进行注意排除提交失败、被系统拒绝的条目。
4. 把这个数值代入到那个公式里面去, 也就是用一个收录率等于A除以B然后乘以百分之一百来计算, 最后算出来的结果就把它保留到小数点后一位就行。
三个高频误区
把"站点总网页数"当分母: 站点总页面这个范围里头, 包含了那些从来就没有被提交过的部分, 这些情况和所谓的"提交"没有关系, 绝对不能拿来当作分母使用, 一旦这样做的话, 计算出来的收录率就会被严重地拉低下去。
未做URL去重: 同一个URL被多个sitemap重复地包含在里面了, 或者是手动提交和sitemap叠加在了一起的情况出现了。这种情况会导致B虚高、收录率被低估的, 这是一个需要留意的结果。
提交后立即查询: 搜索引擎在接收提交请求之后，到实际将其收录进入索引库这一过程, 通常会存在一定的时间延迟, 这个时间跨度大概在7天到30天之间, 有时甚至会更长一些, 如果在这个时候过早地去进行数据查询, 会导致最终统计出来的数值被严重拉低, 正确的做法应该是先耐心等待搜索引擎完成索引内容的更新工作, 然后在确保索引已经全部更新完毕的状态之下, 再去开展统计相关的计算与分析工作。
实战示例
咱们就拿 gname.xin 来讲。在这一批操作里面, 是通过 XML Sitemap 这个方式, 一次性地把有效 URL 给提交上去了, 最后统计下来, 一共提交了 2,000 条, 这里面的 B 就等于 2,000。
等到提交完之后的第 14 天, 就去百度站长平台那里查询"site:gname.xin" 这个命令, 查询的结果显示, 返回的有效收录页面一共有 1,350 条, 这里的 A 就等于 1,350。
收录率的计算方式是, 先使用一千三百五十这个数字去除以两千这个数字, 紧接着把得到的结果乘上一百百分之一, 也就是百分之百, 最终算出来的数值是六十七点五。
补充与排查建议
不同搜索引擎也就是像我们常说的百度、Google或者是Bing这些平台, 它们的收录判定标准是不一样的, 我们需要分别进行统计, 并且还要分别去计算, 千万不要把跨引擎的数据混合在一块儿去做处理。
收录率持续低于百分之五十这个情况, 通常指的是内容质量存在不足的问题, 或者是页面的结构出现了异常情况, 例如里面包含大量被系统认定为软性 404 的错误链接, 再或者是有提交方式存在错误的现象发生, 针对上述原因, 建议先把这三个主要的方面作为重点进行排查。
我们建议您, 在每一个批次完成提交之后的这个时间点上, 分别在第十四天的时候获取一次数据记录, 然后在第三十天的时候再次获取一次数据记录, 通过这种方式去观察收录率所呈现出来的变化的趋势情况。这样做的好处在于能够避免仅仅依赖于某单一时刻的数值来进行最终的判断和决策。
