百度收录机制的核心流程是这样的, 它会先让百度蜘蛛也就是Baiduspider去爬取页面, 然后再对这些页面的内容进行解析, 接着还要给这些内容做一个质量方面的评估, 最后把经过评估的内容写入到索引库里面去, 以便对外提供搜索服务, 这个过程的全部工作都是由百度的搜索引擎系统自动化来完成的。
基本运作原理
百度这边, 是靠着那种分布式的爬虫集群在一直不停地扫描互联网上的东西。那蜘蛛是怎么去找到页面的地址的呢? 它是通过URL发现规则这种方式, 还有站长主动向它提交, 再加上新建链接的引用这些途径。找到了以后, 它就按照优先级的队列, 一个一个地依次把它们给抓下来。
那些被抓取下来的页面, 还要经过解析内容、去掉重复的内容, 再做一个质量评分这样的步骤。只有通过了这种考核的页面, 才会被写入到百度的索引库里面去, 然后这个页面, 才是正式可以被用户用搜索功能来找到的。
收录周期与关键影响因素
新站, 或者说新的网页, 它被收录所需的时间是没有一个固定的所谓的标准的, 这个时间长短, 主要是受到下面这些因素的影响和制约作用的。
站点权重: 那些拥有高权重的网站, 它们发布的新页面, 往往在很短的几天之内就能够被收录进去；可是, 对于那些刚刚建立起来的新网站, 它们的首篇内容, 可能需要花费好几周的时间, 才行。
关于内容质量, 对于那些由原创素材构成、信息量非常密集、且整体结构清清楚楚的页面, 搜索引擎会给予优先收录的待遇；相反, 如果是使用了现成模板制作的页面, 或者是质量很低的内容, 这些内容要么会被推迟处理, 要么就会直接被拒绝收录。
更新频率这件事, 就是要去保持某种规律的更新状况, 而这种状况有助于让蜘蛛进行频繁的回访行为。
提交方式是, 通过百度站长平台来主动推送URL, 这样做的结果是, 可以显著地缩短初次等待收录的时间。
技术因素这一情况表明, 对于页面抓取效率所产生的影响作用来说, 是存在于多种方面之中的。这些方面具体包含对robots.txt配置工作的处理、对于页面加载速度的优化控制以及对移动端适配能力的建设等方面。
在常规状态下, 咱们通过站长平台进行推送, 过了三天到七天这么个时间段, 第一次被收录这事儿就能搞定；对于那些压根没有去主动提上去的页面, 搜索引擎的蜘蛛自己去发现它们的时间大周期, 通常是在一到四周左右那么一个范围。
加速收录的标准操作路径
1. 先把ICP备案这个手续给完成掉, 好让域名在国内能够被正确地解析, 并且可以正常地被访问到。
2. 去把百度站长平台的那个网址ziyuan.baidu.com给开通, 然后在上面完成站点的验证。
3. 用户可以通过使用站长平台提供的普通收录功能, 或者快速收录功能, 来对网址列表进行批量提交的这个操作。
4. 把XML Sitemap文件部署上去, 然后把提交至站长平台这个动作给完成。
5. 对页面的结构进行优化, 要注意使用语义的HTML标签, 要控制单个页面所包含的信息数量不能够太多, 要减少JS代码对页面实际内容造成的遮挡现象。
6. 保持内容更新的节奏, 避免出现长时间的空白间隔的情况发生。
7. 去检查一下那个叫 robots.txt 的文件, 确认一下是不是在操作的时候犯了错误, 导致了百度蜘蛛的那个 UA 被给错误地屏蔽掉了。
常见疑难与解决方案
提交后长期未收录: 要去站长平台里查看所谓的诊断报告，来确认它是不是被判定为了低质页面或者是违规页面, 并且要保证这个页面返回的状态码是200, 而且是可以被正常访问到的。
部分页面收录、部分未收录。造成这个问题, 多数情况下是因为内链结构不合理。我们建议把重要页面的点击路径控制在不超过3次就能从首页到达的范围之内。
收录后排名低: 收录和排名是两种不同的机制, 排名的高低取决于内容的相关性、权威性以及对用户体验的影响等多维度的信号。想要提高排名, 需要持续去优化相关的内容, 而不仅仅是把关注点放在是否被收录上。
规则更新与参考资源
百度会不时地对收录策略进行调整, 同时也会对站长工具的功能进行修改, 至于最新的官方规则是什么, 请以百度站长平台的公告作为唯一依据。
行业SEO方面的技术文档、有关收录机制的案例内容以及实操指南, 可以通过访问gz88.cn来获取, 这个站点已经把相关的技术资料整理好了, 是方便站长们进行参考使用的。
