百度搜索资源平台里,普通收录和 sitemap 该怎么配合

结论:普通收录用来抢时效,sitemap 用来保证覆盖面。新发布的、改过标题的、有明确搜索需求的页面走普通收录;全站存量页面靠 sitemap 慢慢被发现。把配额平均撒到所有 URL 上,是最常见的浪费。
两者到底有什么区别
普通收录是主动推送,你把 URL 递过去,百度当天就可能来抓。它有每日配额,按站点给,不累计。sitemap 是被动发现,你在文件里列出全站 URL,爬虫按自己的节奏来读。
区别在确定性。推送是「我告诉你这条重要」,sitemap 是「这些都在,你自己挑」。前者快但量小,后者量大但不保证优先。
每天的配额该怎么用
优先级建议这样排:当天新发布的页面、内容有实质更新的老页面、被改过标题或摘要的页面、最后才是从没推过的存量页。
如果配额只有十条,就只推当天最重要的十条。把一周前的旧文天天重推,除了浪费配额没有别的效果,接口会去重,但配额已经扣掉了。
sitemap 什么时候才真正起作用
三个前提:文件能正常访问、返回 200 且是 XML、里面列的是可索引的 URL。少一个,sitemap 就等于不存在。
另外注意索引型 sitemap。很多站点用 sitemapindex 指向几个子图,这在技术上是规范的,但部分平台的面板只认单层文件,提交入口会显示读不到条目。这时不要反复提交,先确认子图能不能直接访问。
哪些 URL 不该推进去
不该推的有:带参数的筛选页、搜索结果页、分页的深层、已经 noindex 的标签页、重复内容的镜像页、404 和 301 的旧地址。这一块可以接着看「律师百度搜索获客」。
这些 URL 推过去不仅浪费配额,还会让平台对站点的整体质量判断变差。宁可不推,也不要凑数。
常见的几个错误
第一,site 参数带协议。填的是 www.uq-7.com 这种域名形式,不要写 https://。写错会直接返回 site init fail。第二,用 https 端点调接口。部分站点的证书域名与接口域名不匹配,只能走 http。想对照另一套平台规则,可以看「谷歌精选摘要」。
第三,把推送当成收录保证。接口返回 success 只代表收到,不代表抓取和收录。收录还取决于页面质量、站点整体信任度、抓取预算。
推送之后,多久能看到效果
正常情况下当天到三天内会看到抓取,收录则要看页面质量与站点整体状态,可能延后到一两周。如果一周后日志里完全没有爬虫访问这条 URL,问题大概率在页面或站点层面,不在推送环节。
这时该查的是:页面能不能正常打开、有没有被 robots 挡住、有没有和已有页面高度重复。反复重推解决不了这三类问题。换一套平台规则,「GSC网址检查」是这么做的。
还有一点值得记住:推送只是让平台「知道有新东西」,抓不抓、收不收,最终还是看这一页值不值得留下。把推送当成加速器,而不是当成开关。
怎么判断这套配合有没有效果
看三组数据:推送返回的 remain 是否每天都被用满、站点日志里百度爬虫的抓取频次、以及收录量随时间的变化曲线。三者同时向上,说明策略有效;只有推送量在涨、抓取没变,说明推的内容没有吸引力。
要说明的是,百度不公开配额分配与抓取调度的具体规则,各家站点看到的数字也不一样。以上流程来自实际操作记录,具体配额和效果需要用你自己站点的后台数据校准。