去年给一家做工业传感器的制造业 B2B 官网做 SEO（Search Engine Optimization，搜索引擎优化）诊断，后台数据看下来曝光量不算差，就是询盘少。翻 Google Search Console 效果报告才发现，几十个产品页曝光都排在前十，点击率却普遍不到 1%。把其中 38 个页面的 title 和 description 分三批重写、上线、等了 45 天复查，整体点击率从 0.9% 拉到 2.1%，周点击从 410 涨到 890 左右。这篇文章把整个过程拆开讲，包括筛选口径、判定阈值、改写规则和批量操作的做法。

效果报告到底怎么筛，口径先说清楚

很多人打开效果报告（Performance Report）看一眼总量就关了，其实里面值得挖的是 queries 和 pages 两个维度。我用的是这样一套口径，建议直接照抄：

• 维度切到「页面（Pages）」，时间范围拉满 16 个月，先看大盘再缩到最近 28 天对比前一个 28 天；
• 筛选条件用「曝光次数 > 500」先把样本收窄，曝光太少的页面数据噪音大，改了也看不出显著性；
• 再叠加「平均排名 ≤ 20」这个条件，排名在第三页开外的页面，改标题带来的点击增量有限，优先级放后面；
• 最后人工看 CTR（Click-Through Rate，点击率），低于 1.5% 的标记出来。

这套口径背后有个简单的逻辑：曝光高说明 Google 认为页面和查询相关，排名也过得去；点击率低说明问题大概率出在搜索结果页上那段展示文案，也就是 title 和 meta description，而不是页面内容本身。内容不行的话排名早掉下去了。

为什么曝光高 CTR 反而低：机制拆解

这一节讲机制，不是操作清单。Google 的搜索结果展示文案有一个重要规则：title 标签会被系统改写（Title Rewriting）。官方在 2021 年的「标题链接更新」公告里说明，当标题过长、堆砌关键词、或者和页面主体内容脱节时，Google 会改用 H1、其他显著文本或锚文本来生成展示标题。那批传感器产品页的原始 title 长这样：

<title>工业级高精度压力传感器_温度传感器_流量传感器_厂家直销_现货供应_XXX公司欢迎您</title>

80 多个字符，七个关键词连排。SERP（Search Engine Results Page，搜索结果页）上大约只能展示 580 像素宽，超长部分直接截断，用户看到的结尾是「工业级高精度压力传感器_温度…」，既看不到公司名也看不到差异化卖点。更要命的是这种写法是 2015 年的 SEO 流派，现在的用户对下划线连排的堆砌标题已经有视觉免疫，滑过去根本不停留。

meta description 的问题则相反：整站CMS 图省事，几十个页面共用一句「XX公司是专业的传感器制造商，产品远销海外」的全站默认描述。description 本身不参与排名计算，但它决定用户在结果页看到的摘要文字。摘要和查询词不匹配，Google 会直接从正文里随机抓一段替代，抓出来什么全看运气。

还有一个常被忽略的点：CTR 是排名的间接信号。同一排名位置的历史点击率显著偏低，长期看会拖累页面被分配的展示位置。所以改 title 和 description 是投入产出比最高的站内优化动作之一——不用动正文，不用改结构，一次上线，两周后就能在效果报告里看到反馈。

flowchart LR
    A[GSC 效果报告 Pages 视图] --> B{曝光>500 且排名≤20}
    B -->|否| C[放低优先级<br>先解决收录与内容]
    B -->|是| D{CTR<1.5%?}
    D -->|否| E[保持观察<br>每月复查一次]
    D -->|是| F[判定为曝光高点击低页面]
    F --> G[导出数据<br>批量重写 title/description]
    G --> H[上线并记录基线]
    H --> I[第 45 天复查 CTR 与点击]

改写规则：title 这样写，description 那样写

title 的规则我总结成四条，都是在那 38 个页面上验证过的：

1. 核心关键词前置。最重要的产品词放在前 30 个字符内，因为移动端截断比桌面端更狠；
2. 总长度控制在 50-60 字符（按半角算，中文一个字算 2 个字符左右，实践中就是 25-30 个汉字）；
3. 加一个差异点：精度参数、认证、交期，这类 B2B 买家真正在筛选的信息，比「厂家直销」管用；
4. 一页一句，禁止堆砌。同系列页面靠型号和参数区分，不要复用同一句模板。

改写前后的对比例子很直观：

description 的写法核心是「回答查询意图 + 给一个行动钩子」。写 140-155 个字符，前 80 个字符把页面最核心的价值说完，因为摘要折叠发生在那附近。别写「欢迎咨询」「官网精心打造」这类空话，B2B 场景里写「附规格书下载」「支持样品申请」这种具体动作，点击动机强得多。

有个细节值得说：改 title 时我用表格整理了每页的目标查询词（从 GSC 的 queries 维度抄过来曝光最高的那个词），确保改后的 title 前置词和页面实际获得的头部查询一致。有 4 个页面改完第一版发现前置词和真实查询对不上，是编辑凭印象写的，打回重写了。

批量操作：导出、重写、上线、复查

页面少可以手工改，几十上百个页面就得走批量流程。我的做法是把 GSC 效果报告导出 CSV，和站点 XML sitemap 做关联，生成一张「页面 - 头部查询 - 曝光 - CTR - 当前 title」的工作表，改写完成后由脚本批量替换模板里的 title 和 description 标签再提交部署。环境是 Python 3.10 + pandas，直接 pip install pandas 就够，不需要额外的 GSC API 依赖——导出 CSV 是零门槛方案，适合没有 API 权限的场景。

import pandas as pd
from pathlib import Path
import re

# 读取 GSC 效果报告导出的 CSV（Pages 维度，含曝光/点击/CTR/排名列）
# 注意导出时选「页面」维度而不是「查询」，否则拿不到页面级 CTR
df = pd.read_csv("gsc-performance-pages.csv")

# 按之前定的口径过滤：曝光>500、排名≤20、CTR<1.5%
# 这一步出来的就是「曝光高点击低」候选池
low_ctr = df[(df["Impressions"] > 500) &
             (df["Avg. position"] <= 20) &
             (df["CTR"] < 0.015)]

# GSC 导出的 CTR 是百分数文本时先转数值，避免比较失效
# 文本 "0.91%" 直接比大小会得到 False，全表为空先查这里
if low_ctr["CTR"].dtype == object:
    low_ctr = low_ctr.copy()
    low_ctr["CTR"] = low_ctr["CTR"].str.rstrip("%").astype(float) / 100

# 读取 sitemap，把 URL 与站点真实路径对齐，后续好定位模板文件
sitemap = Path("sitemap.xml").read_text(encoding="utf-8")
# 正则直接抽 <loc> 标签，URL 做成集合方便 isin 查询
urls_in_map = set(re.findall(r"<loc>(.*?)</loc>", sitemap))

# 只保留 sitemap 里真实存在的页面，防止改到已下线的旧 URL
low_ctr = low_ctr[low_ctr["Top pages"].isin(urls_in_map)].copy()

# 按曝光降序排序，输出待改写清单，交给编辑填新 title 和 description
low_ctr = low_ctr.sort_values("Impressions", ascending=False)
low_ctr[["Top pages", "Top queries", "Impressions", "CTR"]].to_csv(
    "rewrite_todo.csv", index=False, encoding="utf-8-sig")
print(f"待改写页面 {len(low_ctr)} 个，已输出 rewrite_todo.csv")

import re
from pathlib import Path

# 读取编辑填好的改写清单：url, new_title, new_description 三列
import pandas as pd
plan = pd.read_csv("rewrite_todo.csv").fillna("")

# 逐条替换 HTML 模板里的 <title> 与 <meta name="description">
# 执行前先 git commit 一次，改坏了随时能回滚
for _, row in plan.iterrows():
    # 路径映射规则：URL 去掉域名后对应 templates 目录下的同名 html
    rel = row["Top pages"].split("://", 1)[1].split("/", 1)[-1] or "index.html"
    fp = Path("templates") / rel
    if not fp.exists():
        # 找不到模板文件的记到日志里，人工处理，不要静默跳过
        print(f"[MISS] {fp}")
        continue
    html = fp.read_text(encoding="utf-8")

    # title 替换前先做长度校验，超出 60 字符（约 30 个汉字）直接拒绝写入
    if len(row["new_title"]) > 60:
        print(f"[LONG] {rel} title 超长，退回编辑")
        continue

    html = re.sub(r"<title>.*?</title>",
                  f"<title>{row['new_title']}</title>", html, flags=re.S)
    html = re.sub(r'<meta name="description" content=".*?"',
                  f'<meta name="description" content="{row["new_description"]}"',
                  html, flags=re.S)
    fp.write_text(html, encoding="utf-8")
    # 每改一个文件打印一行，方便上线前 git diff 逐条核对
    print(f"[OK] {rel}")

上线节奏上，我分了三批，每批间隔一周：第一批 12 个高曝光页面用来验证方向，第二批 16 个，第三批 10 个。每批上线当天在 GSC 里用「网址检查（URL Inspection）」请求编入索引，并在站点地图提交一次更新。这样错开上线的好处是能把数据波动和上线时间对齐，不会被某次 Google 算法调整污染归因。

timeline
    title 45 天重写周期
    第 1 周 : 导出效果报告并定口径 : 输出 38 页待改写清单
    第 2 周 : 第一批 12 页重写上线 : 请求编入索引
    第 3 周 : 第二批 16 页上线 : 复查第一批 CTR 走向
    第 4 周 : 第三批 10 页上线 : 全量基线快照存档
    第 5-6 周 : 等待数据积累 : 不做其他站内大改
    第 7 周 : 45 天对照复查 : 输出前后数据表

45 天前后的数据对照

复查时把每个页面的 28 天区间拉出来对比上线前同长度区间，汇总如下（曝光口径不变，避免季节性干扰）：

曝光只涨了不到 6%，点击却翻了一倍多，说明增量几乎全部来自展示文案的改善，而不是排名大幅波动。33 个页面 CTR 上涨，其中涨得最猛的 6 个页面都是把型号参数和交期写进 title 的。3 个下降的页面复盘后发现是 description 写得太「营销腔」，摘要被 Google 改抓正文段落了，后来照公式补写了一版。

几个过程中踩的坑顺便记一下：GSC 导出的 CSV 里 CTR 列有时是「0.91%」文本，pandas 直接比大小会全表为 False，过滤结果为空时先检查这一列的数据类型；效果报告的排名是平均值，单日波动两个位次很正常，判定一律用 28 天窗口；改完 title 别急着天天看数据，GSC 报表本身有 2-3 天延迟，三天内的数据没参考价值。

结尾说两句趋势

这套打法的前提是流量来自传统搜索结果页。现在生成式搜索和各类 AI 搜索产品也在抓取页面 title 作为引用来源的标识，一段清晰、关键词明确、不带堆砌的标题，在 AI 摘要的来源引用里同样更容易被选中展示。也就是说，把 title 写规范这件事，在 AI 搜索时代不是贬值了，而是多了出口。工具层面 GSC 效果报告目前还没有直接对接 AI 流量的口径，这个缺口值得关注，但「曝光高点击低就改文案」这个判定逻辑，短期内不会过时。你们站点上 CTR 最低的那批页面，现在就可以去拉出来看看。

参考与延伸

• Google 搜索中心：控制搜索结果中的标题链接
• Google 搜索中心：效果报告官方文档
• Google 搜索中心：搜索结果摘要（meta description）控制
• 百度搜索资源平台：搜索优质内容指南

关键词：SEO、Google Search Console、标题优化、meta description、点击率、网站优化、制造业官网