适用读者：负责企业官网的技术人员、接手他人网站做 SEO 优化的工程师、想搞清楚「为什么首页有排名栏目页没有」的后端开发。

接手这家制造企业官网的时候，改版上线已经三个月。首页排名稳的，品牌词第一，两个核心产品词也在第二页晃。但四个产品栏目页（精密加工、模具设计、表面处理、组件装配）在百度和 Google 里像被冻住了一样：百度收录了，排名死死卡在 5 页开外；Google 好一点，也就 3 到 4 页。运营那边换过 TDK、加过内容，都没用。我花了一周时间爬了一遍全站，发现根本不是内容的问题——是这个站的链接结构在物理上阻止权重流到栏目页。这篇把排查过程、脚本和调整前后 8 周的数据变化完整记下来。

先说结论：三个结构性病灶

不想看过程的可以直接看这里，后面全是取证细节：

1. 首页权重只通过导航单链灌给栏目页，全站几十个页面的内链几乎全部指向首页和联系方式页，栏目页从正文内容拿到的内链接近于零；
2. 正文里所有指向栏目页的链接锚文本都是「查看详情」，这种链接对搜索引擎来说几乎没有主题信号；
3. 深层内容页离首页超过 5 跳，部分产品参数页甚至要 7 跳才能到达，栏目页作为它们的父级节点自然分不到什么权重。

顺便还发现面包屑整个缺失，这个后面单独说。

排查第一步：把全站内链分布量化出来

SEO 工具箱里的现成产品（Screaming Frog 之类）当然能用，但那台机器装的 Python 3.11 加 Scrapy 6 已经够用了，自己写一个更可控——尤其是我要统计的是每个页面的入链数、出链数和锚文本分布，这是诊断权重分发的核心三件套。

环境说明：Windows 11，Python 3.11.6，Scrapy 2.11（pip install scrapy 即可），目标站约 800 个页面，无反爬压力。

核心脚本不长，贴出来：

import scrapy
from collections import defaultdict
from urllib.parse import urljoin, urlparse

class LinkAuditSpider(scrapy.Spider):
    name = "link_audit"
    # 指定爬取域名，防止跟踪到合作站或CDN外域
    allowed_domains = ["example-company.com"]
    # 从首页出发遍历，首页是权重源头也是入口
    start_urls = ["https://www.example-company.com/"]

    # 入链表：page -> 指向它的 (来源页, 锚文本) 列表
    inlinks = defaultdict(list)
    # 出链表：page -> 它指向的页面集合
    # 用 set 去重，同页重复链接只记一次
    outlinks = defaultdict(set)

    def parse(self, response):
        # 统一去掉末尾斜杠，避免 /a/ 和 /a 被算成两个页面
        url = response.url.rstrip("/")
        # 同时取 href 和链接文本，两者按顺序一一对应
        links = response.css("a::attr(href)").getall()
        anchors = response.css("a").xpath("string(.)").getall()

        for href, anchor in zip(links, anchors):
            # 相对路径补全成完整URL，比如 /about/ -> https://域名/about/
            full = urljoin(response.url, href)
            # 过滤掉外链、锚点、mailto 和 js 伪协议
            if not full.startswith("http") or self.allowed_domains[0] not in urlparse(full).netloc:
                continue
            # 去掉 # 锚点部分和末尾斜杠，得到规范化目标页
            target = full.split("#")[0].rstrip("/")
            # 记录出链和对应的锚文本，排除自链
            if target and target != url:
                self.outlinks[url].add(target)
                # 锚文本压缩空白，防止换行符污染统计
                anchor_text = " ".join(anchor.split())
                self.inlinks[target].append((url, anchor_text))

        # 继续追踪同域页面，构成完整站点遍历
        # dont_filter=False 让 Scrapy 自带的去重器生效，避免死循环
        for next_url in self.outlinks[url]:
            yield scrapy.Request(next_url, callback=self.parse, dont_filter=False)

    def closed(self, reason):
        # 收尾时输出每页的入链数与锚文本TOP分布，写成CSV方便透视
        import csv
        # 并集遍历：确保只出不入的页面（如果有）也被记录
        with open("link_report.csv", "w", newline="", encoding="utf-8") as f:
            writer = csv.writer(f)
            writer.writerow(["页面", "入链数", "出链数", "主要锚文本"])
            for page in set(self.inlinks) | set(self.outlinks):
                # 入链数按来源记录条数算，反映真实链接流量
                in_cnt = len(self.inlinks.get(page, []))
                out_cnt = len(self.outlinks.get(page, []))
                # 统计锚文本出现频率，取最高频的展示
                from collections import Counter
                anchors = Counter(a for _, a in self.inlinks.get(page, []))
                # 无入链页面用占位符标记，这类页面是重点关注对象
                top_anchor = anchors.most_common(1)[0][0] if anchors else "-"
                writer.writerow([page, in_cnt, out_cnt, top_anchor])

跑完 800 多个页面，导出 CSV，直接按入链数排序，第一屏就把问题看穿了：

这张表翻译成人话：全站 800 多个页面的链接权重，除了导航上那几个固定单链，几乎没有任何流通。内容页之间互不链接，栏目页只有首页给的那一条导航链接，深入的内容页链接价值传不到、也传不上去。这就是典型的「链接孤岛」结构。

原理剖析：搜索引擎怎么分配链接权重

这里值得停下来讲清楚底层机制，因为后面所有调整都建立在这个认知上。

现代搜索引擎的链接分析基础可以追溯到 PageRank 算法：每个页面的权重值，通过它页面上的出链平均分给被链接的页面，被分到的权重又取决于来源页自身的权重。这个模型下有个关键推论——权重是沿着链接流动的，链接就是这个系统的血管。

对照到我们这个站，问题就非常具体了：

• 首页是全站权重最高的节点（外部链接基本都指向首页），但它的出链绝大多数给了导航上的固定页面。栏目页每个只拿到一条链接，权重配额自然少；
• 内容页拿到的权重本来就少（离首页远、入链少），它们之间还不互链，权重在站点内部第二次衰减；
• 「查看详情」这类锚文本的问题不是权重，是主题信号。锚文本是搜索引擎判断目标页主题的重要特征之一，800 个「查看详情」对判断「精密加工栏目页讲什么」贡献为零。

还有一个对栏目页特别重要的机制：搜索引擎对页面重要性的判断有一个站点内部层级先验——离首页点击距离越近的页面，被赋予的默认重要性越高。Google 官方文档里明确提过点击距离与 URL 结构的影响。这就是为什么同样一条导航链接，深层 7 跳的页面和 2 跳的页面拿到的待遇完全不同。

改造前的站点结构画出来长这样：

graph TD
    HP[首页 - 权重最高] --> NAV1[关于我们]
    HP --> NAV2[联系我们]
    HP --> C1[精密加工栏目页]
    HP --> C2[模具设计栏目页]
    HP --> C3[表面处理栏目页]
    C1 --> P11[详情页-查看详情]
    C1 --> P12[详情页-查看详情]
    C2 --> P21[详情页-查看详情]
    P11 --> D1[参数页 第5跳]
    D1 --> D2[参数子页 第6跳]
    ART[技术文章页-无入链] --> HP

注意看：首页到参数子页要 5~6 跳，技术文章页反向只有一条回链，栏目页之间零互通。这个图不用做任何分析，肉眼就能看出权重流不动。

四处调整：把血管重新接通

诊断清楚了，调整方案围绕「让权重沿有意义的路径流向栏目页」展开。实际动手的是四件事。

一、扁平化层级：把栏目页拉到 2 跳以内

原站有一层没用的中间目录页（产品中心大类页 → 四个栏目页），既没内容也没排名，纯粹多跳一层。处理方式是砍掉中间层，首页导航直接挂四个栏目页，同时把 URL 从 /products/category/precision/ 规范成 /precision/。全站做好 301 重定向，这一步 Google Search Console 里提交了 sitemap，百度这边在资源平台做了改版规则提交。

二、正文锚文本重做：消灭「查看详情」

这是工作量最大也是收益最明显的一块。具体做法分两层：

• 产品详情页和文章页里，把指向栏目页的链接锚文本改成带关键词的描述性文本，比如「精密加工服务」「模具设计流程」；
• 栏目列表页的每条「查看详情」前面，补上产品名的独立链接（原来只有「查看详情」一个链接指向详情页）。

为验证改动覆盖度，又写了个小脚本统计改造后全站锚文本分布：

import re
from collections import Counter

# 读取审计脚本输出的全站HTML快照目录，逐文件统计锚文本
# 正则同时捕获 href 和标签内文本，re.S 处理跨行链接
ANCHOR_PATTERNS = re.compile(r"<a[^>]*href=\"([^\"]*)\"[^>]*>(.*?)</a>", re.S)
# 泛化锚文本黑名单：这些词对搜索引擎的主题判断没有贡献
GENERIC = {"查看详情", "更多", "点击进入", "read more", "learn more"}

def audit_anchor_text(snapshot_dir):
    # 两个计数器分别累计泛化和带关键词的锚文本
    generic_cnt = Counter()
    keyword_cnt = Counter()
    # 索引文件里每行是一个快照HTML的路径
    with open("pages_index.txt", encoding="utf-8") as idx:
        for html_path in idx:
            html = open(html_path.strip(), encoding="utf-8").read()
            # 只关心站内链接的锚文本质量
            for href, text in ANCHOR_PATTERNS.findall(html):
                # 剥掉链接文本里可能嵌套的 <span>/<strong> 等标签
                text = re.sub(r"<[^>]+>", "", text).strip()
                # 命中黑名单归入泛化，长度4以上的文本算关键词锚文本
                if text.lower() in GENERIC:
                    generic_cnt[text] += 1
                elif text and len(text) >= 4:
                    keyword_cnt[text] += 1
    # 输出占比和TOP榜，占比是本次改造的核心验收指标
    total = sum(generic_cnt.values()) + sum(keyword_cnt.values())
    print(f"泛化锚文本占比: {sum(generic_cnt.values()) / total:.1%}")
    print("高频关键词锚文本TOP10:", keyword_cnt.most_common(10))

改造前泛化锚文本（「查看详情」类）占比 71%，改造后压到 18%——剩下的是页脚「更多」之类的必要导航，这个比例可以接受。

三、面包屑补齐 + 结构化数据

栏目页和内容页全部加上面包屑导航：首页 > 精密加工 > 五轴CNC加工件。这不只是用户体验——面包屑每一条都是一条带上下文的内链，同时用 JSON-LD 输出了 BreadcrumbList 结构化数据，让搜索结果里也能展示路径。栏目页因此额外获得了所有子页面的入链，这是单一改动里对栏目页入链数提升最直接的。

四、tag 聚合页收口

内容页之间互链起来，靠的是 tag 聚合页。每个技术文章和产品详情页打 2~3 个 tag（如「五轴加工」「铝合金处理」），tag 页把同主题页面串起来。这样任意一个内容页最多 2 跳就能到另一个相关内容页，权重在内容层内部开始横向流动，而不是全部挤在首页一条路径上。tag 页本身也成为长尾词的着陆页。

改造后的结构：

graph TD
    HP[首页] --> C1[精密加工栏目页]
    HP --> C2[模具设计栏目页]
    HP --> C3[表面处理栏目页]
    C1 --> P1[产品详情页-关键词锚文本]
    C2 --> P2[产品详情页-关键词锚文本]
    P1 --> T1[tag页-五轴加工]
    P2 --> T1
    T1 --> ART[技术文章页]
    ART --> C1
    subgraph 面包屑
    BC[首页 > 精密加工 > 详情页]
    end

四个栏目页互相之间通过 tag 页和相关推荐形成环，深层参数页被并进详情页锚点或直接 301 到详情页，全站任意页面离首页不超过 3 跳。

8 周前后：数据对照

调整分两批上线：第一批（扁平化 + 301）上线于第 1 周，第二批（锚文本 + 面包屑 + tag）上线于第 3 周。之后没再动过，只观察。记录的排名均为人工查询值，取当日位次：

几个值得记录的细节：

• Google 的响应明显快于百度。第 3 周第二批上线后约 10 天，Google 侧排名就开始动了；百度拖到第 5 周才有可见变化，且至今没回到首页，推测与新 URL 收录周期有关；
• 栏目页入链数从个位数涨到 30~47，来源主要是面包屑（子页面数 × 1）加正文关键词锚文本和 tag 页；
• 收录侧：全站被收录页面数从改造前的 312 涨到第 8 周的 586，增长主要来自原本没有入链的技术文章页——它们通过 tag 页被重新发现。

两个容易踩的误区

误区一：栏目页没排名就是内容不行，猛加内容。 这家站改版前后内容量几乎没变，排名照样上来了。内容页孤岛状态下，往栏目页里塞再多文章，权重也传不进去。先做链接结构体检，再谈内容投入。

误区二：为了扁平化把所有页面 301 到首页或砍掉。 扁平化的正确姿势是缩短「有价值的层级」，不是消灭层级。那个没用的中间目录页该砍，但产品参数页的层级应该保留原 URL 做 301 映射，而不是图省事全指首页——我接手过另一个站就是被人这么干的，三个月丢了两百多个收录位。

再补一句趋势上的观察：这套内链和层级的整理，同样决定了 AI 搜索引擎抓取和引用你内容时的路径清晰度——抓取器沿链接走，结构混乱的站点在传统搜索和 AI 搜索里吃亏的方式是一致的。先把传统搜索的底座修好，后面的 AI 搜索引用是顺路的事。

参考与延伸

• Google Search Central：链接最佳实践 — https://developers.google.com/search/docs/crawling-indexing/links-crawlable
• Google Search Central：Breadcrumb（BreadcrumbList）结构化数据 — https://developers.google.com/search/docs/appearance/structured-data/breadcrumb
• 百度搜索资源平台：网站改版工具说明 — https://ziyuan.baidu.com/wiki/2546
• Wikipedia：PageRank — https://en.wikipedia.org/wiki/PageRank

SEO, 内链结构, 锚文本优化, 栏目页排名, 站点扁平化, Scrapy, 百度收录