屈折语站的锚文本报告，精确匹配那一栏的数字是假的

摘要：在俄语、芬兰语这类要变格的语言里，锚文本嵌进句子就必须跟着变形，这是语法要求不是优化选择。于是所有按字符串统计的锚文本报告在这些站上都会失真：精确匹配比例被系统性低估，锚文本多样性被系统性高估，拿英文站那套配比红线去对照只会得出错误结论。本文讲怎么把审计口径从字符串换成词干、六种锚位置各自允不允许变形、划锚边界该守哪三条规则。

屈折语里的锚文本为什么留不住原形？

名词进句子就要变格，这不是可选项

先把最基本的机制说清楚。俄语里一个名词单独站着是一种形态，放进句子当宾语是另一种形态，跟在介词后面又是第三种。

比如磨豆机这个词，主格写作кофемолка，属格变成кофемолки，宾格变成кофемолку，工具格再变成кофемолкой。

这些不是同义词，也不是写法变体，是同一个词按语法角色必须呈现的不同面貌。

现在你要在正文里给磨豆机分类页做一条内链，锚文本从句子里划出来，划到的必然是句子里那个形态。

想让它保持主格，唯一的办法是把整个句子改写成主格能站住的结构，而这种改写在自然行文里很快就用完了空间。

换句话说，锚文本的形态不由你决定，由这句话的语法决定。

这一点跟英文站的差别有多大，做过对照才有体感。英文里名词进句子形态基本不变，你想让锚文本精确等于目标关键词，几乎总是能做到，代价最多是句子稍微生硬一点。俄语里这个选项直接不存在，你面对的不是要不要精确匹配，而是接受它必然不精确。

一个核心词能出现多少种锚文本形态

数一下就知道这不是小数目。俄语名词六个格，加上单复数，一个词理论上有十二种形态。

实际写作里常用的大概是四到五种，因为有些格在电商文案里很少出现。

芬兰语更夸张，格的数量是俄语的两倍多，十五个格再叠上词干自身的交替，形态数量还要往上走。

匈牙利语的格数量还要更多，好在它的词尾拼接规律性强，归一化反而不难。

所以在这些语言的站点上，同一个目标页收到的内链，锚文本可能有五六种不同的字符串。

这五六种在人眼里是一个词，在按字符串比对的工具眼里是五六个不同的锚。

形态数量还会因为词性叠加而放大。如果核心词是形容词加名词的组合，形容词也要跟着名词一起变格，两个词各自变形，组合出来的字符串数量是相乘而不是相加。做核心词形态表的时候按短语整体列，比按单词列更贴近实际会出现的锚文本。

咖啡豆站那次内链审计：报告和现实对不上

保哥带过一个做精品咖啡豆和手冲器具的独立站，俄语站上线一年后做内链体检。

工具跑出来的报告说：核心品类页收到的内链里，精确匹配锚只占很小一部分，绝大多数是所谓的其他类。

按英文站的经验，这个分布意味着内链没有传递清晰的主题信号，该补一批精确匹配的锚。

负责俄语内容的同事看完报告愣了一下，说这些锚本来就是同一个词，只是格不一样。

把那批被归进其他类的锚导出来逐条看，果然全是磨豆机这个词的四种格形态。

真实的精确匹配率不是报告上那个数，而是接近满值，问题根本不存在。

差点就按报告去执行了，那意味着往正文里硬塞一批主格形式的锚，句子会变得像机器写的。这类返工最坏的地方在于它看起来很有道理：数据支持、逻辑自洽、执行明确，唯一的问题是数据本身在这门语言上根本不成立。

锚文本报告里的精确匹配比例，为什么在屈折语站上是假的？

字符串口径统计的是什么

几乎所有内链分析工具的分桶逻辑都一样：把锚文本当字符串，跟目标关键词做比对。

完全相等归精确匹配，包含关系归部分匹配，其余归品牌词、通用词或其他。

这套逻辑在英语里工作得很好，因为英语的名词短语在句子里形态稳定。

到了屈折语站，完全相等这个条件几乎只在主格锚上成立，而主格锚在正文里恰恰是最少的。

于是精确匹配桶被系统性低估，其他桶被系统性撑大。

工具没有错，它只是在做字符串比对，而字符串在这里不是合适的比对单位。

这个问题跟锚文本工程化那套变体管理方法是两回事，别混。变体管理讲的是主动设计不同说法去覆盖语义空间，是有意为之；这里说的是同一个说法被语法强制改写，你没有选择权。前者是策略，后者是约束，处理方式完全不同。

同一批锚在两个口径下差多少

把咖啡豆站那批数据按两种口径各算一遍，差距大到不像同一批数据。

字符串口径下，精确匹配占比是个位数，看着像内链主题信号严重不足。

词干口径下，同一批锚的精确匹配占比跳到了七成以上。

差了将近一个数量级，而中间没有增删任何一条链接。

这个倍数不是个例，它取决于该语言常用格的数量：格越多，字符串口径失真越厉害。

德语的名词变格少一些，失真幅度小；芬兰语这类多格语言，失真幅度比俄语还大。

值得留意的是差距最大的往往不是最核心的那几个词，而是中等热度的品类词。核心词因为反复出现在标题和列表里，主格形态本来就多，字符串口径下也不算太难看；中等词几乎只出现在正文句子中，全是间接格，字符串口径下能被判成精确匹配的接近于零。

被低估的精确匹配与被高估的多样性

失真是双向的，一头低估，另一头高估，两个错误还会互相掩护。

精确匹配被低估已经说过，另一头是锚文本多样性被高估。

报告会告诉你锚文本很丰富，有十几种不同的说法，主题覆盖很广。

实际上那十几种里可能只有三个真正不同的词，其余全是形态变化。

如果你正好在追求锚文本多样化，看到这个数字会觉得目标已经达成，于是停手。

真实情况是语义覆盖并没有你以为的那么宽，该补的相关词一个都没补。

两个方向的失真凑在一起，会导出一个特别舒服的结论：精确匹配不高，多样性很好，正是理想的健康分布。这个结论在屈折语站上几乎必然出现，而它跟真实情况可能正好相反——真实情况是高度集中于一个词、语义覆盖偏窄。舒服的报告最容易让人不去追问。

英文站的配比红线搬过来会得出什么结论

过度优化的判断标准里，最常被引用的是精确匹配锚占比的上限。

这个上限的来源是英文站的经验数据，讨论的场景多半是外链锚文本被算法盯上那一类。

把它原样搬到屈折语站的内链审计上，会同时犯两个方向的错。

一是按字符串口径算，你几乎永远不会触碰上限，于是失去了这条警戒线。

二是万一你为了提高精确匹配率而人为往正文里塞主格锚，那才真的制造出了不自然的模式。

红线本身没问题，问题是它要用词干口径去量，而且阈值要重新定。

还有一层容易被忽略：内链和外链在这件事上的处置逻辑本来就不同。内链的锚是你自己写的，算法对它的容忍度和对外链的容忍度不在一个量级上。把外链场景下的配比经验搬进内链审计，就算在英文站上也已经偏了一步，再叠上屈折语的字符串失真，两步偏差叠在一起，结论基本不可用。

把审计口径从字符串换成词干，具体怎么换？

词干工具的选择与语言支持度

最省事的路子是用现成的词干算法，把锚文本和目标关键词都归一化之后再比对。

Snowball的俄语词干算法对本文说的这些格尾处理得相当干净，磨豆机那五种形态归一化之后落到同一个词干上。

德语、芬兰语、匈牙利语也都有对应的算法，质量参差但基本可用。

词干算法是规则驱动的，不需要词典，跑起来极快，几万条锚几秒钟出结果。

它的弱点是遇到不规则变化会失手，比如词干本身发生交替的芬兰语词。

要求更高的场景可以换成词形还原，代价是要装词典、跑得慢一些。

两条路的取舍点很清楚：如果目的只是把锚分桶、看分布，词干算法的精度绰绰有余；只有当你要精确统计某个特定词的每一次出现，才值得上词形还原。信息检索领域对这两者的取舍讨论了几十年，结论大体一致：检索场景下词干够用。

归一化之后重新分桶

换口径的操作本身不复杂，难的是把它固化成流程。

第一步，导出全站内链，字段要有锚文本原文、目标URL、所在页面。

第二步，对锚文本分词，逐词取词干，得到一个词干序列。

第三步，对目标页的核心关键词做同样处理，得到另一个词干序列。

第四步，两个序列比对，完全一致归精确匹配，包含关系归部分匹配。

第五步，重新出报告，跟字符串口径的报告并排放。

这一套脚本跑通之后基本不用再改，每季度重跑一次就行。分词这一步在多数欧洲语言里按空格切就够了，真正需要专门分词器的是没有词间空格的语言，那是另一类问题。

这五步里最容易出岔子的是第三步。目标页的核心关键词常常存在关键词表里，而那张表里的词多半是词典原形，跟锚文本走的是两套来源。两边必须用同一个词干工具、同一份参数跑，否则归一化结果对不上，比对出来的差异其实是工具差异不是内容差异。

两套数字都留着，各有各的用处

换了口径不代表旧口径没用，两套数字要一起看。

词干口径回答的是：内链有没有把主题信号送到位。

字符串口径回答的是：页面上呈现的锚文本，读者看到的说法有几种。

后者跟用户体验有关，也跟页面读起来自不自然有关，不该被丢掉。

两个数字的比值本身也是个信号：比值越大，说明这门语言的形态负担越重。

把这个比值记录下来，做多语言站的时候可以横向比较各语种的形态复杂度。

实际用起来会发现比值很稳定，同一门语言在不同站点上算出来的数字差不太多。这意味着它可以当成一个校准系数：新接一个俄语站，先按字符串口径跑一遍，再乘上系数，就能大致估出词干口径的水平，不必每次都跑全套。

复合词语言的麻烦跟变格不是一回事

德语的复合词让锚划不出半个词

德语的名词变格没有俄语复杂，但它有另一个东西挡在路上：复合词。

磨豆机在德语里是Kaffeemühle，咖啡和磨这两个概念被拼成了一个单词。

现在你想给咖啡这个品类页做内链，锚文本要用哪一段？你划不出来。

一个词就是一个词，中间没有空格可以下刀，划一半得到的是一个不存在的词。

要么整词做锚，指向磨豆机页，要么改写句子让咖啡单独出现一次。

这在德语关键词研究里是老问题了，只是很少有人把它跟内链联系起来。

后果是德语站的内链密度天然比英语站低。英语里一句话可以顺手带出两三个可链的短语，德语的同一句话可能被压缩成一个复合词加一个动词，能下刀的位置少了一半。这不是内链没做到位，是构词法决定的上限，拿英语站的内链密度基准去要求德语站并不合理。

芬兰语两头都占：既复合又变格

芬兰语把两件麻烦事叠在了一起，是这个话题里最极端的样本。

磨豆机是kahvimylly，本身就是复合词；进了句子还要变格，属格kahvimyllyn，内格kahvimyllyssä。

所以一个锚同时受两重约束：边界由构词法定死，形态由语法定死。

能自由决定的只剩下要不要在这里放一条链接，以及链接指向哪里。

好在芬兰语的格尾拼接高度规则，词干归一化的成功率反而不低。

真正难的是那些词干本身会交替的词，规则算法在那里会失手。

做芬兰语站的内链时，一个务实的做法是先把常用核心词的全部形态列成表，直接用查表法比对，绕开算法。这张表几十行就够覆盖大部分场景，做一次能用很久，比调试词干算法的边缘情况划算得多。

还有一个芬兰语独有的麻烦：复合词的前半部分有时也要变格，形成属格式的复合写法。同一个概念因此可能有两种合法拼法，一种前半部分带格尾，一种不带。这两种写法在搜索量上往往不平均，做核心词形态表时要把两种都列进去，只列一种会漏掉相当一部分内链锚。

两种机制的共同后果：锚的边界不归你定

变格改的是词的形态，复合改的是词的边界，机制完全不同。

但对内链来说，两者的后果是同一个：你想要的那个精确锚，在这门语言里划不出来。

认清这一点之后，整个操作的重心就变了。

重心不再是想办法凑出精确匹配，而是接受不精确，转去保证指向关系清晰。

指向关系清晰的意思是：读者和爬虫都能看出这条链接通往什么主题。

这个目标用变形后的锚一样能达成，甚至因为句子自然，达成得更好。

放弃精确匹配这件事在心理上比在技术上难。做惯了英文站的人会觉得少了一个可控的抓手，总想找补回来。实际上抓手并没有消失，它只是从锚文本的字面移到了别的地方——目标页的标题、链接周围那句话、以及整个话题簇的结构，这三处能提供的信号一点没少。

六个锚位置，哪几个允许变形？

句内正文锚：必须允许变形

正文里嵌在句子中的锚，是最主要的一类，也是唯一必须放弃精确匹配的一类。

规则很简单：让句子通顺优先，锚文本跟着句子走。

不要为了保住主格去扭曲句子，扭出来的句子读者一眼就能看出不对劲。

屈折语的读者对格错误极其敏感，比英语读者对语法错误敏感得多。

一个格用错的句子给人的观感，接近中文里把量词全用错。

所以这一类锚的验收标准只有一条：这句话读起来像不像本地人写的。

这条标准的执行要靠母语审校那一道验收，而且要在简报里写清楚：锚文本处的词形归审校员判断，不在锁定范围内。不写清楚的话，审校员会以为这些带链接的词也属于不许动的清单，硬留着主格不改，最后拿到一份到处是病句的稿子。

列表与卡片标题：可以保持主格

列表项、商品卡片标题、侧边栏推荐这些位置，语境不是句子，是条目。

条目语境里主格是完全合法的，读者不会觉得别扭。

这就意味着这些位置可以稳定地承载精确匹配的锚文本。

换个说法：想要精确匹配，就把它挪到不需要变格的位置去。

这是整篇里最实用的一条，因为它把一个语法问题转化成了一个版面问题。

相关文章列表、你可能也需要模块、品类导航，全都属于这一类。

把精确匹配的需求集中到这些非句内位置，还有个附带好处：它们通常是模板化输出的，锚文本由数据字段决定，不需要每篇文章单独人工维护。一次配置，全站生效，比在正文里逐处纠结词形省力得多。

要提醒的一点是，模板输出的锚文本同样会出错，出错方式是全站统一错。见过一个站的相关文章模块，标题字段取的是某个带格尾的短标题字段，于是全站几千处推荐位的锚文本整齐划一地带着格尾。这类错误单看每一处都不严重，量一大就成了全站范围的形态噪音。

面包屑与导航：一律主格

面包屑和主导航的文字，在任何语言里都该用主格。

它们是标签不是句子，没有语法角色，也就没有变格的理由。

实际做站的时候这里偶尔会出错，原因是文案直接从某个句子里复制过来的。

复制过来的时候带着格尾，读者看着会觉得这个网站的导航写得很奇怪。

检查方法很简单：把导航文字单独列出来，请母语者扫一眼就能发现。

这一处的修复成本极低，收益却很直接，属于该优先做掉的小事。

多语言站还有个连带问题：面包屑的分类名往往跟分类页的标题共用同一个字段。改成主格之后分类页标题也跟着变了，如果那个标题原本是按某种句式写的，读起来就会别扭。遇到这种情况把两处字段拆开，面包屑用短标签、页面标题用完整写法，各写各的。

目录锚点与页内跳转：跟标题走

文章内的目录、页内跳转链接，锚文本应该跟对应的小标题保持一致。

小标题本身多半是主格或者某种独立形态，目录直接沿用就行。

这一类的关键不是词形，是目录文字和小标题文字必须逐字相同。

不相同会让页内锚点的段落直达失效，读者点过去也会疑惑。

屈折语站上这个错误比英文站常见，因为译者会顺手把目录里的表述改得更顺口。

验收清单里加一条逐字比对就能杜绝，脚本两行的事。

逐字相同这条要求在翻译流程里最容易断在交接处：正文和目录常常分两次交付，译者拿到目录的时候手边未必有正文的最终版。解决办法是干脆不要人工维护目录，让程序从小标题自动生成，这样两边永远一致，还省掉一次校对。

划锚边界该守哪三条规则？

只划名词短语的核心，别把介词划进来

第一条规则管的是锚从哪里开始、到哪里结束。

屈折语的句子里，名词前面常常有介词，后面可能跟着修饰成分。

贪心一点把介词一起划进锚里，锚文本就多了一个没有信息量的词。

更糟的是这个介词会决定后面名词用哪个格，两者绑在一起，锚看起来更不像关键词。

正确做法是介词留在锚外面，只把名词短语的核心部分划成锚。

形容词修饰语要不要划进来看情况：它是关键词的一部分就划，只是修饰就不划。

这条规则在实际操作里有个简单的自检：把锚文本单独摘出来读一遍，如果它像一个词条，就划对了；如果它像半句话，就划多了。多数划错的情况都是把连接成分带了进去，摘出来一读立刻能发现。

还有一种容易划错的情况是把数量词或者指示词带进锚里。这些词在句子里承担的是指代功能，跟目标页的主题没有关系，划进去只会稀释锚文本。判断方法跟前面一样：摘出来单独读，如果它需要依赖上下文才能理解指的是什么，就说明划进了不该划的成分。

允许带格尾，但格尾不算多余词

第二条规则管的是怎么评价一个带格尾的锚。

做锚文本审计的时候，很多人会把带格尾的锚判成部分匹配，理由是它跟关键词不完全一样。

这个判定在屈折语里是错的，格尾不是多出来的词，是同一个词的必要组成部分。

正确的判定是：词干相同就算命中，格尾不参与比对。

这也是前面说的换口径的核心内容，只是落到了单条锚的层面上。

把这条写进审计脚本的规则表里，人工复核的时候也照这条执行。

顺带说一句，通用依存标注体系对格的定义可以拿来当参考，它把各语言的格统一编了码。判断某个词尾到底是格尾还是派生后缀时，查一下这份定义比凭感觉可靠。派生后缀会改变词义，那才是真的换了词。

派生和屈折的界线在有些语言里并不清晰，黏着语尤其如此。土耳其语的后缀能连着挂好几层，其中有的是格标记，有的会改变词义。碰到拿不准的，最实用的判据是问一句：换成这个形式之后，它在词典里还是同一个词条吗？还是同一条就按形态处理，另起一条就按换词处理。

锚长度用词数不用字符数

第三条规则跟长度有关，是个容易被忽略的坑。

很多锚文本规范里会写：锚长度控制在多少个字符以内。

这个规范拿到屈折语和黏着语上直接失效，因为格尾会让词变长。

同一个概念，芬兰语写出来比英语长出三成很常见，匈牙利语更甚。

按字符数卡上限，等于对这些语言的锚做了额外的限制，凭空砍掉合理的锚。

改成按词数计，两到四个词，这个标准在所有语言里都成立。

按词数计还有个隐含前提要说清楚：复合词算一个词。德语里一个复合词可能有二十多个字母，按字符数它早就超标了，按词数它只占一个位置，而后者才符合它在句子里的实际角色。这也是同一条规则能同时通吃复合词语言和屈折语言的原因。

目标页标题里要不要留一个主格形态？

锚与标题的形态对不上会发生什么

锚文本和目标页标题的关系，是内链信号里比较重要的一环。

正文里的锚多半是间接格，目标页标题多半是主格，两者字面上对不上。

这在词干层面上没有问题，两者归一化之后是同一个词。

但如果你用的分析工具是按字符串比对的，报告会说锚与标题不相关。

这又是一次口径失真，处理方式跟前面一样，换口径重算。

真正值得担心的不是这个，是标题里那个词万一根本不是主格。

有些译者写标题的时候会沿用某种间接格，尤其是标题从正文某句话里提炼出来的时候。这样一来标题和大部分搜索查询的形态就对不上了，因为用户在搜索框里打的绝大多数是词典原形。这时候锚文本反倒不是问题，问题在标题本身。

标题里保留主格的代价与收益

建议是：目标页的标题里至少让核心词以主格出现一次。

代价是标题的写法会受一点限制，某些句式用不了。

收益是标题形态跟用户搜索的形态对齐，这一条比锚文本的匹配重要得多。

用户搜索时打出的绝大多数是词典原形，这一点在俄语的搜索量数据里看得最清楚。

标题命中原形，等于把最重要的那次匹配拿下了。

锚文本那边的变形因此可以完全放开，让位给行文自然。

这个取舍的逻辑值得说透：标题和锚文本如果只能保一个精确形态，保标题。原因是标题的展示位置和权重都在锚文本之上，而且标题只有一处、可控性强，锚文本分散在几十个页面里、根本控不住。把有限的控制力用在可控的地方，是这类取舍的通则。

用副标题或首段兜底的做法

如果标题因为某种原因必须用别的形态，还有兜底方案。

让核心词的主格形式出现在首段前一两句话里，效果差不了多少。

或者在页面上加一行副标题，用主格把核心词写一遍。

商品页还可以靠规格表里的字段名，那里天然就是主格。

兜底方案的共同点是：找一个不需要变格的位置，把原形放进去。

这套思路跟前面讲锚位置时是一样的，只是应用到了页面内部。

兜底位置的优先级可以排一下：首段最好，因为它离标题近、权重也高；规格表字段名次之，好处是天然主格而且不影响行文；副标题最灵活但要看模板支不支持。三个位置任选其一即可，不必都做，重复堆同一个原形反而显得刻意。

内链权重不会因为锚文本变形而流失，会流失的是别的东西

这个担心大部分是多余的

被问得最多的一个问题是：锚文本变形了，权重是不是就传不过去了。

答案是不会。链接本身传递的权重跟锚文本的字面形态没有关系。

锚文本影响的是主题相关性信号，也就是让搜索引擎知道目标页是关于什么的。

而搜索引擎处理主流语言的形态变化已经很多年了，词干归并是检索系统的基础能力。

所以变形的锚在相关性信号上并不吃亏，至少不会吃到值得担心的程度。

要担心的是别的：内链架构本身有没有搭对，重要页面有没有拿到足够的入链。

把注意力放在锚文本的字面上，是一种很常见的注意力错配。锚文本能提供的信号在整个内链体系里占比不大，而链接的位置、数量、来源页面的重要程度，这些才是决定性的。屈折语站的运营者尤其容易掉进这个坑，因为形态问题看起来很技术、很具体，让人误以为它很重要。

真正流失的是你的判断力，不是权重

这一批失真数据造成的实际损失，从来不是权重，是决策。

基于错误的报告，你可能补一批不该补的锚，也可能停下该做的事。

补锚的成本是内容质量下降，停手的成本是本该做的语义覆盖没做。

两种损失都不会立刻显现，它们要几个月后才在数据上露头，那时候归因已经很难。

更隐蔽的是，错误报告会持续输出，每季度提醒你同一个不存在的问题。

团队会慢慢习惯这个数字，把它当成这门语言就是这样的常态。

这类错误报告还有一个特点：它每次都指向同一个方向，也就是让你觉得内链做得不够。于是团队的动作永远是加链接，从来不会是删链接或者调结构。半年下来站内链接越堆越多，真正需要调整的结构问题一次都没被提出来，因为报告从来不看结构。

该盯的指标换成哪几个

与其盯着精确匹配比例，不如换四个指标，全都跟形态无关。

第一个是重要页面的入链数量，尤其是那些没人愿意主动链的交易页。

第二个是入链的来源分布，来自话题相关页面的比例越高越好。

第三个是孤立页面的数量，一条内链都没有的页面必须清零。

第四个是词干口径下的语义覆盖度，也就是真正不同的词有几个。

这四个指标在任何语言里都成立，不需要为屈折语单独解释一遍。

这四个指标还有一个共同的好处：它们全部可以从站内数据直接算出来，不依赖第三方工具的分桶逻辑，也就不会被工具的默认口径带偏。自己算的指标虽然要花一次开发成本，但口径完全掌握在自己手里，跨语种横向比较的时候才有意义。

过度优化的红线在屈折语站上怎么定？

词干口径下的重复度才是真重复

换了口径之后，过度优化这个概念要重新定义一遍。

字符串口径下看起来很分散的锚，词干口径下可能高度集中。

集中到什么程度算过度，没有现成答案，但方向是清楚的。

如果一个目标页收到的内链，词干口径下九成以上都是同一个词，那确实过于单一。

单一不等于危险，它更多是个语义覆盖问题：你只用一种说法在描述这个页面。

补救办法不是减少那个词，是增加相关词的锚，把语义空间铺开。

判断集中度的时候建议按目标页算，不要按全站算。全站维度的锚文本分布必然分散，因为每个页面的主题不同，看不出问题；单个目标页维度上才能看出它是被一种说法反复描述，还是被多种相关说法从不同角度描述。后者对语义覆盖显然更有利。

变体自然分布长什么样

自然写作产生的形态分布是有规律的，认识这个规律能帮你识别人工痕迹。

正文里宾格和属格最多，因为大部分句子里名词充当宾语或者表示所属。

主格锚只在少数句式里出现，占比通常不高。

如果导出来发现主格锚占了大多数，那多半是人为塞进去的。

反过来，如果某个格完全不出现，可能是内容类型太单一，也值得看一眼。

这套分布特征每门语言都不同，跑一次自己站的数据就有基线了。

拿到基线之后，判断新增内容有没有人为痕迹就很快：把新一批锚的格分布跟历史基线比一下，偏离明显的挑出来人工看。这个方法比任何阈值都实用，因为它用的是你自己站的自然写作分布当参照，不依赖外部经验数据。

另外要按内容类型分开统计。教程类内容里工具格和方式类表达明显更多，商品列表页里主格占绝对多数，两类内容混在一起算平均，得到的分布谁也不像。分开统计之后每类内容各有一条基线，识别异常的灵敏度会高很多。

人为制造变体反而更可疑

有人知道了这套失真之后，会走到另一个极端：刻意制造形态变体来让报告好看。

这件事的性价比极低，而且很容易露馅。

刻意制造的变体往往出现在不该出现的位置，比如列表项里冒出一个工具格。

母语读者一眼就能看出这个网站的文字有点怪，信任感是会掉的。

而搜索引擎那边，你换来的只是一个内部报告上的数字变化。

形态多样性从来不是优化目标，句子自然才是，两者顺序不能颠倒。

这里可以直接给一条判据：任何一次锚文本调整，如果理由是让报告的数字好看，就不该做。锚文本调整的合理理由只有两个，一是原来的锚指向不清楚、读者看不出通往哪里，二是这个位置本来就该加或者该去掉一条链接。除此之外的调整都是在优化数字而不是优化站点。

一个可操作的自查顺序

把这一节压成一个能照着做的顺序，四步。

第一步，用词干口径重跑一遍全站内链报告，跟旧报告并排看。

第二步，找出词干口径下集中度最高的那几个目标页，看是不是语义覆盖太窄。

第三步，导出锚文本的格分布，跟自然写作的规律对照，找人工痕迹。

第四步，只对确实有问题的页面动手，其余不动。

四步跑下来，绝大多数屈折语站会发现内链其实没什么问题，问题在报告。

四步里第四步最容易被忽略。发现报告失真之后，人的第一反应往往是把全站的锚重新梳理一遍，其实没有必要。真正需要动手的通常只有几个语义覆盖过窄的目标页，其余页面的锚文本本来就是自然写作的产物，动它们只会引入新的不自然。

这套做法怎么落进日常的内链维护？

什么时候重跑一次词干口径

频率不必高，季度一次足够，因为内链结构变化本来就慢。

例外是内容批量上线之后，比如一次性发了几十篇文章，那要单独跑一次。

换了内容供应商或者译者，也建议跑一次，因为写作习惯会带来分布变化。

网站改版之后必须跑，模板里的链接位置一变，整个分布就重排了。

平时不必盯，把脚本挂进定期任务，出报告的时候看一眼就行。

报告要存档，几个季度之后的趋势比单次快照有价值得多。

存档的时候记得把当时的词干工具版本和参数一起记下来。这类算法偶尔会更新规则，换了版本之后同一批数据算出来的数字会有小幅变动，如果没记参数，几个季度后看到趋势变化会分不清是内容变了还是工具变了。这种记录成本几乎为零，省下的排查时间却很可观。

新增页面的锚怎么定

发新文章的时候，内链是顺手做的事，别搞得太复杂。

做法是：写作时正常写，写完之后找出可以链出去的名词短语，按前面三条规则划锚。

不要为了链接去改句子，也不要为了保住形态去改句子。

需要精确匹配的，交给页面底部的相关文章模块，那里是模板输出的。

把这个流程写进内容规范，译者和编辑都照做，一年下来分布自然健康。

唯一需要人工把关的是链接的指向对不对，形态问题完全不用管。

这一点对话题簇的支柱页与子页结构尤其重要：簇内的链接关系是靠结构定义的，不是靠锚文本字面定义的。结构对了，锚文本怎么变形都不影响簇的完整性；结构错了，锚文本写得再精确也补不回来。

写作时正常写这一条要跟译者讲清楚，否则会出现另一种情况：译者知道了内链的存在，于是刻意往句子里安排适合做锚的名词短语，句式开始变得雷同。内链应该是从自然文本里发现的，不是为它预留位置的。这条边界写进内容规范，比事后挑毛病有效。

六步落地路线

整篇压成六步，可以直接照着排期。

第一步，确认自己站的语言属于哪一类：变格、复合，还是两者都有。

第二步，选一个词干工具跑通归一化，验证核心词的各形态能落到同一个词干。

第三步，用词干口径重跑一次全站内链报告，跟旧报告并排存档。

第四步，按六种锚位置划分职责，把精确匹配的需求集中到非句内位置。

第五步，检查目标页标题里核心词有没有主格形态，没有的补上或者用首段兜底。

第六步，把三条划锚规则写进内容规范，季度重跑一次报告。

六步里最关键的是第三步和第四步。第三步让你知道真实情况，第四步把想要的精确匹配挪到不受语法约束的地方去，两步做完，剩下的都是维护性工作。前面那些关于形态的纠结，本质上是想在一个不能控制的地方争取控制权，换个地方就不用争了。

常见问题解答

没有词干工具支持的小语种，锚文本审计还能做吗？

能做，退一步用前缀匹配。取每个词的前若干个字符做比对，比如前四到六个字符，绝大多数屈折语的格尾都在词的末尾，前缀部分是稳定的。这个办法会有误判，两个不同的词开头相同就会被并到一起，但用于分桶统计完全够用。另一条路是手工维护一张核心词的形态表，几十行覆盖主要品类词，查表比对，精度反而比算法高。两个办法可以叠着用。

锚文本变形会不会影响搜索引擎理解链接指向？

基本不会。词形归并是检索系统的基础能力，主流语言上处理得相当成熟，一个带格尾的词和它的原形在索引层面早就被关联起来了。真正影响理解的是别的因素：链接周围那句话在讲什么、目标页标题写的是什么、这两个页面在站内结构上是什么关系。这些信号加起来的分量远超锚文本的字面形态。把精力放在这几处，比纠结格尾划算得多。

面包屑里的分类名到底该用什么形态？

用主格，也就是词典原形。面包屑是一串标签，不是句子，没有语法角色需要标记，用间接格反而显得奇怪。实践中出错的情况几乎都是文案从某句话里复制过来的，带着格尾就上线了。检查方法很简单：把全站的面包屑分类名导出来列成一列，请母语者扫一遍，几分钟就能挑完，修复成本也极低。这类小事修完的观感提升比想象中明显。

德语站的内链密度比英文站低，这算问题吗？

不算，这是构词法带来的结构性差异。德语把两三个概念压成一个复合词，一句话里能下刀的位置本来就比英语少；能划的又常常是整个复合词，指向也就被锁定了。拿英文站的内链密度基准去要求德语站，结果多半是硬塞链接，反而让文本变形。合理的做法是给每种语言单独建基线，用自己站的历史数据当参照，横向比不同语言的绝对数字没有意义。

目标页标题非要用间接格，有没有补救办法？

有，让核心词的主格形式在页面别的位置出现一次就行，优先选首段的前一两句话，其次是副标题、规格表字段名或者面包屑。这些位置都不需要变格，天然承载原形。要注意的是别在标题里硬塞一个主格形式凑数，那会让标题读起来像两句话拼起来的。补救的思路始终是找一个不受语法约束的位置，而不是在受约束的位置上硬来。

词干口径和字符串口径的报告，该给老板看哪一份？

给词干口径那份，但要把两份的差异用一句话解释清楚，否则下次别人拿工具跑出来的数字跟你的对不上，信任就没了。比较省事的做法是在报告里固定放一个换算说明：本站锚文本按词干归一化统计，与通用工具的默认口径不同，差异来源是这门语言的形态变化。写一次，以后每份报告都带着，比每次口头解释可靠。

这套方法对没有词间空格的语言适用吗？

部分适用。词干归一化的思路成立，但前置的分词步骤要换成专门的分词器，按空格切完全行不通。而且那类语言的问题重心不在形态变化，而在切分边界本身：同一串字符可能有多种切法，锚文本的起止位置会直接影响它被理解成什么词。所以那边要先解决切分，再谈锚文本审计，顺序不能反。这属于另一类问题，处理框架不同。

权威参考资料