神马头条的秒收录,真是提交完就进索引吗

秒收录这个词,我在客户嘴里听了不下五十次,但真正去复现过的人不多。2024年3月,我拿一个测试站点做了三周实验,目标是搞清楚神马和头条的秒收录到底是不是提交完就进索引。结论是:进索引是真的,但”秒”的含金量,和大部分人想的不一样。

先定义什么叫进索引

实验里,我们把三种状态分开记录:抓取、收录、进索引。神马侧最快的一次,提交后四十分钟出现在索引里;头条侧最快的一次是提交后一小时二十分钟。但注意,这是单一URL,而且这个URL对应的是新内容页,不是空壳页。换句话说,秒收录成立的前提,是页面本身有内容可收录。

为什么要把三种状态分开记?因为大部分人说”秒收录”时,指的是提交后很快能看到页面,而页面出现的位置不一样:先出现在抓取记录里,再出现在站内收录里,最后才进索引,能被搜索词命中的是最后一步。实验里我们遇到过抓取很快、但索引迟迟不进的页面,这种情况在移动端页面尤其常见,所以定义清楚,数据才不会骗人。

三周实验的设计

测试站三周内每天提交十个URL,分三组:新内容页、更新页、空模板页。记录每组的首次抓取时间、入库时间、进索引时间,数据对比如下。

秒收录的四个前置条件

实验跑完,总结出四个条件:页面必须有完整独立的内容;URL是干净的静态形式;提交接口规范、频率稳定;内容不与其他页面重复。四条缺一,秒收录就从分钟级退化成小时级,甚至干脆不进。我后来用这四个条件过了一遍客户手里的站,大部分秒收录失败,都能对上其中一条。

四条里,最容易满足也最容易被忽略的是第四条。实验里我们做过一次对照:同一篇内容的两个版本,一个改了标题和首段,一个原样重发,前者的收录速度是后者的三倍。这说明在神马和头条眼里,页面独立性是快速通道的硬门槛,原创不是口号,是能换算成收录速度的。

神马和头条的差异在哪

神马对移动端友好度更敏感,页面转码、首屏加载速度都会影响收录速度;头条更看重内容时效和独立度,伪原创页面几乎不会走快速通道。同一个池子喂,两边的判断标准完全不同。

实验里最反直觉的一组数据

最反直觉的是更新页的表现:更新页的收录速度比预期慢很多,神马侧平均四小时,头条侧六小时,比新内容页慢了几倍。原因是更新页要经过新旧版本比对,引擎需要确认改动幅度才肯重录。所以想靠频繁修改旧页来刷收录的,在神马和头条这边行不通,新页才是快速通道。

别把秒收录当目标,当验证工具

复盘下来,我的建议是把秒收录当成内容质量的验证工具,而不是追求本身。页面能在神马和头条走快速通道,说明内容过关;走不了,先查内容,别加推送量。三周实验里最贵的一课是:空模板页提交了五十多次,一次都没进索引,推送量救不了内容。

三周实验的最后一个收获,是给客户出了一张自查表:新页发布后二十四小时内,神马侧应出现首次抓取,四十八小时内应有收录动作;头条侧分别放宽到四十八小时和七十二小时。超过这个区间,就按四条前置条件逐条排查。这张表后来用在十几个客户身上,排查效率高了很多。

更多秒收录案例的拆解在秒收录案例栏目,昨天的案例原文在这里。

常见疑问

秒收录是所有页面都能做到的吗?

不是,只有新内容页能做到分钟级,更新页和普通页走常规流程,别拿极端值当常态。想要稳定的秒收录,先把内容产出的独立性做好。

提交后没进索引,是池子的问题吗?

大概率不是,先查页面内容和URL规范,九成情况出在页面端而不是推送端。查完没问题再回头找池子的日志对账。

头条对伪原创怎么处理?

头条对内容独立度的判断很严,伪原创页面基本被排除在快速通道之外,这点和神马不一样。