重排小语种优先级那天才发现，六年里真正变过的只有一列数字

摘要：把六年前那张小语种优先级表翻出来重排一次，会发现里面一半的列根本没动过——人口没变、格变化的数量没变、书写系统还是那几套。真正变了的只有三列：本地同行有没有认真在写、工具还给不给数、AI在这门语言里引不引你。静态的量只配当准入门槛，不配进排序；而撤这个动作在今天也不再等于删站，它等于冻结。

为什么该撤哪门语言这个问题，一开始就问错了单位？

盘点做不下去，多半不是数据不够，是清点的单位选错了。

撤的不是语言，是语言乘品类乘内容形态那一格

先看一个很常见的会议场景。

有人提议把某门语言整个停掉，理由是投入产出比最低。

反对的人举出这门语言里表现最好的那几个页面。

两边说的都是真的，因为他们说的不是同一件事。

一门语言在你的站上从来不是一整块，它是一堆格子。

每一格是一门语言、一个品类、一种内容形态的交叉。

把清点单位从语言换成格子之后，加投和撤这两个动作第一次可以同时出现在同一门语言上，而这恰恰是真实情况。这个换单位的动作在本栏目里出现过一次，是小语种问答长尾那一篇提出的供给密度是语言乘品类的交叉属性。当时那句话是用来救一批被搜索量判死的内容形态，现在它有了第二个用途：它是这张盘点表唯一正确的行。行选错了，后面所有的列都白填。

换单位还有一个附带效果，是它把责任也拆开了。语言级的判断归负责国际化的人，格级的判断归品类负责人，两边各自能拿到自己那部分的数据，不必等对方。过去这类盘点总是卡在没人能同时说清所有语言和所有品类，拆成格子之后，每个人只需要对自己那几格负责，会议时间通常能砍掉一半。

同一门语言在两个品类上，结论会正好相反

举个具体的例子会更清楚。

有个做运动户外鞋服的站，波兰语这一边一直不温不火。

按语言整体看，它排在待撤名单的前几位。

拆到品类之后，登山鞋那一格的自然流量六年翻了几番。

而跑步服那一格从头到尾没有起色。

两格的差别不在语言，在当地有没有一批人真的在写这个品类。

登山鞋那一格好，是因为波兰的户外社群内容密度本来就高，用户搜的问题很具体，而具体问题恰好是长尾内容的主场；跑步服那一格不好，是因为那个品类的话语权在几个国际大品牌手里，本地内容几乎不存在。如果按语言整体拍板，这个站会连着把已经跑起来的那一格一起停掉。这类误伤在盘点里很常见，而且不可逆——停掉之后半年再想捡回来，位置已经被人占了。所以哪怕最后真要撤，也得先拆到格子再决定撤哪几格。

换了单位之后表变长了，但每一格都算得动

有人担心这样一拆，表会变得没法维护。

二十几门语言乘几个主要品类，确实是上百格。

但绝大多数格子不需要单独算。

同一门语言里，格与格的差异只集中在两列上。

其余几列在同一门语言内部完全一样，填一次就能复用。

真正要逐格填的只有本地供给密度和AI引用可见度这两列。

算下来的实际工作量是：语言级的列一门语言填一次，格级的列只填你真正在做的那几个品类，加起来通常不超过四十格，一个人一天能填完。把这个数说出来很重要，因为盘点这件事最大的敌人不是难度是拖延，一旦被想象成一个季度的工程，它就永远排不上期。四十格一天，这个量级才有人愿意开始。而且第二次重算时前面几列可以整列复制，实际只剩十几格要动。

六年过去，这张表里哪几列其实一个字都没变？

这一节是整篇最值钱的一条判断，它决定了排序该按什么排。

还有一点值得提前说破：格子的粒度不必一开始就定死。第一次做的时候按大品类拆，跑完发现某个大品类内部差异很大，下一轮再把它拆细就行。粒度是可以迭代的，而语言这个单位没法迭代——它要么整体在要么整体不在，这也是它作为清点单位最致命的地方。

静态那几列：人口、构词难度、书写系统、语言距离

先把六年前那张表的列拿出来看。

母语人口，六年里的变化在小数点后面。

构词难度，芬兰语还是十五个格，德语复合词还是那么长。

书写系统数量，印度还是那九套，一套没多也没少。

语言之间的距离，捷克语到斯洛伐克语的互通度没有变化。

正字法偶有微调，但对关键词表的影响接近于零。

这几列有一个共同点：它们描述的是语言本身的性质，而语言本身的性质以世纪为单位变化，不以季度为单位变化。把这样的量放进一个每季度重排一次的优先级表里，本身就是一件很奇怪的事——你每次重排，它们贡献的排序信息完全相同，等于把同一个常数反复加进去。加常数不改变排序，只会让人误以为这次重排是有依据的。这跟财务报表里把固定资产的账面值每个月重算一遍差不多，算得很认真，结论一个字不变。

要给这几列的静态程度找个佐证并不难，网页上各语言内容的占比结构就是个现成的例子，按语言统计的网站内容占比逐年翻下来，前十名的顺序好几年才微调一次。一个几年才动一次名次的量，放进季度级的排序模型里，它贡献的只有惯性。

可变那几列：本地供给密度、工具数据、AI引用

另外几列的六年变化幅度很大。

本地供给密度，有的语种翻了几倍，有的塌了一半。

关键词工具的数据可得性，整体在变差而不是变好。

AI在这门语言里引不引用你，六年前这一列根本不存在。

本地媒体和目录的外链渠道，有的语种整批消失了。

本地支付与物流的可用性，某些市场发生过跳变。

这几列的共同点也很清楚：它们描述的不是语言，是这门语言周围的生态，而生态是按季度变的。换句话说，六年前那张表里，真正携带决策信息的只有下半张。上半张不是没用，它有另一个用途，只是被放错了位置。放错位置的后果不是算错，是算了等于没算——每次重排都得到几乎相同的顺序，然后大家觉得这套方法很稳定，其实它只是没在动。

静态量只配当准入门槛，不配进排序

正确的位置在哪儿，这句话可以说得很干脆。

静态量适合做一道过不过的判断。

比如书写系统你的技术栈支不支持，不支持就直接出局。

比如构词复杂度高到需要专门的算法，没那个预算就先不碰。

这类判断只需要做一次，做完之后长期有效。

过了门槛的那些语言，再用可变量去排先后。

一句话概括就是：静态量决定名单里有没有你，可变量决定名单里你排第几，两件事混在一列里算，得到的分数既不能判进出也不能排先后。这条原则的适用范围远不止小语种。凡是一个评分模型里既有几乎不变的因子又有高频波动的因子，而且它们被加权求和成一个总分，那个总分基本上是废的：波动因子的信号会被常数稀释掉，模型看起来很稳，实际是钝的。检验办法很省事，把静态那几列全部去掉重排一次，如果顺序大变，说明之前那些常数一直在压着真正的信号。

准入门槛这一栏还有个好处，是它可以写成硬性的是与否，不需要打分。技术栈支不支持这套书写系统，团队有没有能力覆盖这种构词方式，本地化流程跑不跑得通——三个问题三个答案，一目了然。语言与地区标签的官方口径文档是回答第一个问题时最省事的对照表，半小时能把簇分完。

这是对当年那套成本模型的一次修正

说到这儿要回头认个错。

本栏目开篇那一篇讲的就是怎么给小语种排优先级。

那篇的核心是别按母语人口排，要算三笔账。

三笔账分别是关键词表膨胀倍数、竞争密度、内容复用率。

三笔账本身没错，直到今天算法都成立。

问题在于它们全是静态量，而当时没人意识到这一点。

所以那套模型在开工前用是对的——它回答的是这门语言值不值得进名单；拿它做六年后的重排就不对了，因为它的输入六年没变过，输出自然也不会变。那一篇讲的三笔账今天该放在准入门槛那一栏，本篇这套可变量的账放在排序那一栏，两者不冲突，是接力关系。承认这一点比继续维护一个自洽但迟钝的模型有价值，毕竟一套六年不变的排序，跟没有排序的区别只在于它更让人放心。

本地供给密度这一列，六年里到底变了多少？

这是三根可变列里权重最高的一根，也是唯一一根自己就能测的。

怎么测：供给侧的数自己数得出来

测法朴素到有点不好意思写出来。

挑二十条这门语言里的真实长尾问句。

每条搜一次，数前十条结果里有几条是本地内容。

本地内容的判据是用这门语言原创、由本地站点发布。

翻译过来的、机器生成的、内容农场的一律不算。

二十条的平均值就是这门语言在这个品类上的供给密度。

这个数最大的好处是它不依赖任何外部工具——需求侧的数字工具说没有你就没辙，供给侧的数字你自己打开结果页就能数，谁也拦不住。这条在本栏目里出现过，是关键词工具返回零那一篇的核心。当时它解决的是没数据怎么办，现在它解决的是排序按什么排。同一个测法在六年里升级了用途，这本身就说明供给侧视角一直被低估：它不只是需求侧的替补，它测的是一件需求侧根本测不到的事——你的对手强不强。

数的时候有个细节要统一，否则前后两次没法比：判定本地内容的标准必须写死并且记在表里，比如域名后缀、页面语言标注、作者信息三选二成立才算。标准松紧不重要，重要的是两次用的是同一把尺子。这类自建指标最常见的失效原因不是测得不准，是两次测的定义悄悄变了。

三种变化方向：涨、平、塌

把六年前的数和现在的数并排看，方向只有三种。

涨，指本地认真写的人变多了，前十条里本地内容占比上升。

平，指几乎没动，前后差异在一两条之内。

塌，指本地内容被大量低质量批量内容挤掉了。

三种方向对应的动作完全不同，这是重点。

涨意味着这门语言正在变难，进场窗口在关闭。

塌意味着门槛降低了，但用户的信任也一起降低了。

最容易判错的是塌这一类：结果页看起来很空，很容易被读成机会大，实际上是这个语种的搜索结果整体失去了参考价值，用户已经改去别的地方找答案了。判别办法是同时看一眼本地社群和问答平台的活跃度，如果搜索结果空而社群很热，说明需求还在只是不走搜索了，那这一格该做的是内容分发而不是加大产出。这一层跟小语种外链渠道在当地人圈子里那一篇讲的是同一个生态，只是那次看的是外链，这次看的是内容本身。

涨得最快的是哪几门，为什么是它们

把涨的那批语言排一排，会发现一个规律。

涨得快的多半不是使用人口最多的那几门。

而是本地创作者生态最近几年成型的那几门。

越南语、印尼语、波兰语、土耳其语大体属于这一类。

相对地，几门老牌欧洲语言的本地供给这几年基本没动。

因为它们的供给六年前就已经很饱和了。

这个规律翻译成决策语言是：本地供给密度的绝对值决定这一格难不难做，它的变化速度决定你还剩多少时间。两个数要一起看。绝对值高而且还在涨的格子，基本可以放弃了；绝对值低但涨得很快的，是最后的窗口期，值得优先加投；绝对值低而且六年不动的，通常说明这个品类在这门语言里根本没有真实需求，别被结果页的空旷骗了。这三种组合几乎能覆盖所有情况，比任何一个综合评分都好用，因为它保留了两个维度而没有把它们压成一个数。

AI那一列该怎么填，才不是拍脑袋？

这一列六年前不存在，现在它是权重上升最快的一根。

判断一门语言的生态到底成没成型，还有个粗但快的旁证是当地的上网人口结构与社交平台使用深度，每年更新的全球数字生态年度报告里按国家给了这些数。创作者生态的成型通常滞后于上网人口的爆发三到五年，看到某个市场几年前刚经历过一轮渗透率跳升，多半就是现在正在补内容的那批。

三个可测的数，别只测一个

很多团队这一列只填了一个数，就是被引用了几次。

这个数单独看意义不大，要配另外两个。

第一个数是在不在候选池里，用本语言问十条看来源清单。

第二个数是被引比例，你的页面在来源里出现的次数除以十。

第三个数是来源清单里本地站点的整体占比。

第三个数才是判断这一层空不空的关键。

三个数的组合能区分两种在报表上一模一样的零：一种是这一层压根没有本地内容，来源全是英文页面，另一种是有本地内容但没有你。两种零需要的动作完全相反，前者是抢先进场，后者是老老实实提升质量。AI用你的语言回答却挂着英文来源那一篇把这个区分讲得更细，包括怎么用十条查询把缺席和落后分开。这里只强调一句：只填一个数的那一列，六年后回头看会发现它什么都没记录下来。

被引用的门槛低，被采信的门槛高

低资源语言这一层有个反直觉的现象。

被引用其实不难，因为候选池本来就空。

一篇质量中等的本地内容也可能被挂进来源清单。

但被引用不等于内容被真正用来生成答案。

很多时候答案的实质内容来自英文语料，你只是被挂在下面当装饰。

判别办法是看答案里的具体数值跟你页面上的对不对得上。

对不上就说明你只是被引用了，没有被采信，这种引用带来的曝光是真的，但它对纠正错误信息一点用都没有。这个区分很重要，因为很多团队看到被引用次数上升就以为工作到位了，实际上错误的本地规则仍然在被复述。跨语言事实矩阵那一篇给的三类分歧判别法可以直接接在这里用：如果答案里的数值和你页面上的不一致，先按那三类分开，再决定要不要动内容。

另一个判别办法是拿公开评测当参照：低资源语言上模型的能力差距有多大，是有专门的基准在测的，面向西语各地区变体与低资源语言的评测榜单就是一例。差距越大的语言，被引用与被采信之间的落差通常也越大，因为模型越依赖跨语言迁移，就越不会真的去读你那一页。

低资源语言的答案，是从哪儿迁移过来的

把这一列填准，得知道答案的来路。

模型在低资源语言上的知识大量来自跨语言迁移。

迁移的源头通常是英语语料，偶尔是同语系的高资源语言。

迁移过来的东西读着很地道，因为语言层没问题。

出问题的是事实层，尤其是本地规则、期限、资质这类东西。

而这些恰恰是转化路径上用户最在意的信息。

所以低资源语言这一列的分数不该只看引用率，还得看这门语言里被引用的内容有多少是真正本地产出的，这个比例低就意味着整层内容的可信度是虚的。公开语料的语言分布可以当一个参照，Common Crawl按语言统计的月度抓取分布是少数几个能长期对比的公开数据源，看一眼你的目标语种在里面占千分之几，心里就有数了。这个数跟母语人口的排序对不上，落差最大的那几门语言，正是内容层最虚的那几门。

这一列跟排名那一列不是同一个方向

最后一条容易被忽略的性质。

传统排名那一列，竞争越激烈你越难上去。

AI引用这一列的逻辑不完全一样。

候选池空的时候，进去很容易但曝光量也小。

候选池满的时候，进去很难但一旦进去价值很高。

两条曲线在中间某处交叉，交叉点因语言而异。

实际含义是：不能拿同一套阈值去卡所有语言，高资源语言这一列的分数要求要高，低资源语言这一列的分数低也不代表没做好。粗糙但够用的做法是按语言分组设阈值，把语言按公开语料占比分成三组，每组用一套线。这比全站一条线合理得多，也避免了一个常见的管理错误——用同一个指标考核处境完全不同的几个人，最后大家都去优化那个最容易做高的数字，而不是最该做的事。

工具数据这一列，为什么反而比六年前更不能信？

这是唯一一根在退步的列，而且退步的方式很隐蔽。

这条差异还有一层管理上的含义：AI那一列的进步往往是阶跃式的，不像排名那样连续。某次模型换代或者语言扩容之后，一门语言可能一夜之间从没有覆盖变成有覆盖，中间没有过渡。针对西语生成结果的偏差评测这类研究说明，同一门语言在不同维度上的表现也可能相差很远，所以一列一个总分本来就装不下。

聚合口径变了，数字变好看了

先说现象。

六年前很多小语种关键词工具直接返回零或者无数据。

现在它们越来越少返回零，多半会给一个数。

这个数往往来自更大范围的聚合，或者来自模型估算。

从产品角度这是进步，用户不再面对一片空白。

从决策角度这是退步，因为你分不清哪些数是真测出来的。

没数据的时候你会警惕，会去自己数；有一个看起来合理的数，你会照着做，而这个数可能是从另外几个语种的行为推算出来的。这条判断在本栏目里出现过，是菲律宾混合语言那一篇的核心之一：官方语言跟大语种重合的市场，工具会给一个全球聚合出来的健康数字，本地混写查询在聚合里被打散。当时讲的是一类市场，现在这个现象扩散到了几乎所有小语种，因为估算能力普遍上来了。

有数字比没数字更危险的那类市场

危险程度不是均匀的，有几类市场特别值得警惕。

第一类是这门语言跟一门大语言共用大量词形。

第二类是这门语言主要在多语并用的市场里使用。

第三类是这门语言有两套书写系统在并行。

三类的共同点是聚合时会把不同来源的量混进同一个词。

混完之后数字变大，方向可能整个反掉。

识别办法很省事：拿一个你确定在本地几乎没人搜的词去查，如果工具照样给出一个体面的数字，那么这个工具在这门语言上的全部数据都不该被当成实测值。这个探针只要两分钟，却能定性整个工具在这门语言上的可信度。做完之后不必弃用它，把它降级成方向参考就行——比大小可以，比绝对值不行。降级这个动作比弃用现实得多，毕竟没有工具的日子更难过。

还有一类容易被忽略的高危情形，是这门语言的主要市场跟另一个大市场共用同一个国家代码或者同一个货币区，工具在做地域切分时会把两边的量并进同一个桶。这类混淆比语言层面的混淆更难发现，因为它不体现在词形上，只体现在总量上，而总量正是最没人怀疑的那个数。

补数的三个自建办法

工具降级之后，缺的那部分得自己补。

第一个办法是站内搜索日志，它测的是真实语言习惯。

第二个办法是客服工单里的原话，它测的是真实问法。

第三个办法是本地平台的搜索建议，它测的是本地大盘。

三个办法都不给绝对量，但都给可靠的相对关系。

而排序只需要相对关系，不需要绝对量。

把这一点想明白能省掉很多焦虑：优先级表要的是谁排在谁前面，从来不是每门语言精确的月搜索量，而相对关系恰恰是自建数据最擅长的部分。三个办法里第三个权重最高，因为本地平台已经替你做过一遍用户调研，它的搜索建议是从真实查询里跑出来的。这套用平台当对照组的思路在本栏目里反复出现，从非洲选语种那一篇开始，到今天依然是最省事也最可信的一手信号来源。

分叉和构词这两列，还要不要留在表里？

既然它们是静态量，是不是该整列删掉？答案是不删，但要换个位置放。

它们决定的是成本，不是收益

先把这两列到底在说什么讲清楚。

分叉说的是同一门语言在不同市场用词差多少。

构词说的是一个词能生出多少种形态。

两者都直接决定关键词表的行数和维护工时。

但它们跟这门语言能带来多少收入没有任何关系。

芬兰语的十五个格不会让芬兰人多买一双鞋。

把成本列和收益列混在一个总分里，最典型的后果是难做的语言分数低、于是永远排在后面，而它可能恰好是收益最高的那一门。正确的用法是把它们放进第二张表：先用可变量排出收益顺序，再用这两列去算每一档需要多少人力和多少周期。两张表分开之后，会议上的对话质量会立刻提升——原来大家争的是这门语言该不该做，现在争的是它值这个价钱吗，后面这个问题有答案。

把成本和收益分开还能解决一个长期的组织问题：负责本地化交付的人和负责增长的人，考核口径终于可以不一样了。前者对成本列负责，后者对收益列负责，两张表各有主人。混在一个总分里的时候，两边都会去争这个分怎么算，而不是各自把自己那半张表做扎实。

分叉率的分母是查询条数，不是词表长度

分叉这一列还有个算法上的坑。

很多人拿词表里有多少词存在地区差异当分叉率。

这个算法会把结论算歪，因为词表里冷门词占多数。

正确的分母是查询条数，也就是加权之后的量。

一个高频词的分叉，抵得上几十个长尾词的分叉。

换了分母之后，很多语言的分叉率会从吓人变成可以接受。

这条判据来自西语地区变体那一篇，那次算出来的三档决策线是分叉率低于一成就铺词、一到三成局部替换、超过三成才考虑拆站。三档线可以直接搬到别的语言上用，只是每门语言的分叉都要重新算一遍，不能沿用。另外那一篇还留了一条更根本的判据：先分清地区差异是词汇现象还是语法现象，前者可穷举、人工列一遍就完事，后者由构词规则生成无穷形态、只能上算法。这条判据决定的是投入的形态，不只是投入的量。

词汇现象和语法现象要分开算

把这条判据展开一点，因为它省钱最多。

词汇现象的例子是同一件东西在两个国家叫不同的名字。

这类差异的数量是有限的，几百条封顶。

人工整理一遍，之后只需要维护，成本一次性。

语法现象的例子是一个名词接十几种格尾。

这类差异由规则生成，理论上无穷，只能靠程序覆盖。

两类的预算量级差一个数量级，把它们混在一起报预算，要么把简单的报贵了，要么把难的报便宜了，后者更常见也更致命。本栏目里德语复合词、芬兰语的格、土耳其语的后缀堆叠、匈牙利语十八个格都属于后一类，而印尼语和马来语的词汇分裂、荷兰语和佛兰芒语的差异属于前一类。做盘点的时候在这一列旁边加一个标记，只标词汇还是语法两个值，后面所有的排期讨论都会顺畅很多。

二十几门语言现在各在哪一档？

这一节给的是入档条件，名单要你自己按条件填，因为每家的品类不同。

要判断某门语言的形态复杂度到底属于哪一类，有个不用请教语言学家的办法，就是去看公开的多语言标注语料里这门语言的词形标注规模，多语言依存标注项目覆盖了上百门语言。同一份文本量之下，词形标签种类多的多半是语法现象，种类少而词汇量大的多半是词汇现象，十分钟能判完。

加投档：两个条件同时成立

加投档的门槛应该设得比直觉高。

第一个条件，本地供给密度低但增速快。

第二个条件，AI来源清单里已经有本地站点出现。

两个条件同时成立，说明市场正在形成而窗口还没关。

只满足第一个，可能是这个品类在这门语言里没需求。

只满足第二个，说明你已经晚了，进去要拼质量不是拼速度。

符合两条的典型是那几门本地创作者生态刚成型不久的语言，越南语、印尼语、波兰语、土耳其语在多数品类上都落在这一档，而它们恰恰不是母语人口排名最前的那几门。这个错位本身就是整套方法最好的验证：如果重排之后的名单跟按人口排出来的顺序差不多，说明你的可变量列没填对，或者填的时候不自觉地照着旧顺序凑了。名单跟直觉不一样才是正常的，一模一样反而要回头查。

维持档：不加人也不减人

维持档是最大的一档，也是最容易被忽视的一档。

典型特征是本地供给密度高且稳定。

你的内容已经有位置，但再加投也很难往前挪。

几门老牌欧洲语言在成熟品类上多半在这一档。

这一档要做的是保鲜，不是扩产。

保鲜指的是把已有内容的事实层更新住，别的都可以不动。

维持档最实际的风险不是掉排名，是内容里的过期数值被AI原样复述出去，因为那些页面通常写得早、写得好、被引用得多。本栏目在十份口径一致的资料是同一篇英文翻出来的那一篇讲过这个机制：写得越一致越容易被当成共识，而共识错了纠正起来更慢。所以维持档的预算不该是零，应该留一笔专门用来核对数值，占比很小但不能没有。

维持档还有一个反直觉的操作要点：这一档最不该做的事是重写。已有页面积累的引用关系和外链是它最值钱的部分，大改一次可能把这些一起打散，而换来的质量提升往往有限。要动就只动事实层的数值和过期表述，结构、标题、地址一律不碰。这跟内容审计的习惯正好相反，得提前跟做审计的人打好招呼。

冻结档：停更但不下线

冻结档的入档条件也是两条。

第一，这一格的自然流量六年基本没有增长。

第二，AI来源清单里连本地站点都很少出现。

两条同时成立，说明这一层既没有搜索需求也没有引用价值。

但注意这两条说的是这一格，不是这门语言。

同一门语言的另一个品类完全可能在加投档。

冻结的判据里特意没有放收入指标，因为小语种的收入归因本来就不准，跨语言的用户旅程里最后一次点击落在哪门语言基本是随机的，拿它当判据会误伤。更稳的做法是用流量趋势加引用可见度这两个过程指标，它们虽然离钱远一点，但至少测得准。这也是两个市场关键词表相同落地页得拆那一篇里已经提过的老问题，跨市场归因这件事到今天都没有好办法。

三档之间怎么迁移

档位不是终身制，迁移规则要事先写死。

加投升不上去，连续两个季度没起色就降到维持。

维持档的供给密度开始塌，要判断是机会还是失效。

冻结档如果本地供给突然涨起来，说明有人开始做了，要重新评估。

迁移只在季度节点做，不在中途拍脑袋改。

每次迁移都要在表里留一行记录，写清楚依据。

留记录这件事看着像形式主义，但六年之后回头看，唯一能告诉你当初为什么那么决定的就是这几行字，而这正是这次重排能做出来的前提。说得实在一点：如果六年前有人在表里留了几行字，这次重排两天就能做完，而不是要把所有列重新测一遍。所以这一条不是给现在的你写的，是给三年后的那个人写的，他多半还是你。

撤在今天不等于删站，等于冻结

这是全篇最需要说清楚的一个变化，它跟六年前完全不同。

迁移规则里最容易漏掉的是降档也要有条件，而不是只写升档。没有降档条件的表会单调膨胀，所有格子最后都停在维持档，因为没人愿意主动说自己负责的那格该冻结。把降档写成自动触发——连续两个季度两项指标都没动就自动降一档，需要保留得给出书面理由——比靠人自觉可靠得多。

排名侧的资产会随着不更新掉下去

先说旧世界的逻辑。

传统排名有很强的时效性偏好。

内容不更新，排名会缓慢下滑。

竞争对手一直在更新，你不动就是相对退步。

所以过去停更等于放弃，放弃等于半年后归零。

既然半年后归零，那不如直接下线省服务器钱。

这条推理在六年前完全成立，也是为什么当年撤这个动作默认就是删站或者整目录下线。连带的一整套动作也是围绕删来设计的：做重定向、清站点地图、把外链指过去。这套动作今天依然会被人条件反射地执行，只是它服务的那个前提已经不完整了——排名侧确实还是那样，但排名侧不再是唯一的入口。

检索侧的资产不会随着不更新消失

新增的那一半是这样的。

被检索这件事的判据主要是内容对不对得上问题。

一条没变过的事实，一年前对，今天还是对。

它不会因为页面很久没改动就被判定失效。

所以停更的内容在这一层仍然持续产生价值。

前提只有一个，就是那些事实本身没有过期。

两侧的资产半衰期完全不同，这就让撤这个动作第一次有了中间形态：把排名侧的投入停掉，把检索侧的资产整个留着，成本降到接近于零而价值不归零。成本能降到多低取决于站点结构，多数情况下就是不再产出新内容、不再做外链、不再做本地化投放，页面留在原地。服务器那点钱在总账里可以忽略，真正省下来的是人。而人正是小语种项目里最贵也最难补的那一项。

这里要补一句限定，免得这条被用过头：检索侧资产不随时间衰减的前提是内容本身的时效属性弱。讲原理、讲流程、讲怎么选的内容衰减很慢，讲价格、讲政策、讲当年新规的内容衰减很快，后者停更之后不是躺在那儿不动，是躺在那儿持续输出错误。所以冻结之前得先按时效属性把内容分一次类。

冻结清单：停什么、留什么、什么时候才真该删

把冻结落成一张清单。

停：新内容产出、外链建设、本地化投放、母语审校排期。

留：现有页面、结构化数据、语言标注、内部链接。

留还要加一件：每年核一次页面上的事实类数值。

核数值是冻结档唯一保留的经常性开销，一门语言每年半天。

这半天不能省，省了冻结就变成了慢性投毒。

真该删的情形只有三种：页面上的事实已经彻底不成立、这门语言的市场因为合规原因不能再服务、或者内容本身是机器批量生成从来没有人校对过。前两种是业务判断，第三种是历史遗留。第三种最该果断删，因为它在检索侧不但不产生价值还会持续输出错误，而这类内容的规模往往还不小。机器翻译直接发布那一篇算过这笔账，当年的结论是拿收录和排名分期还，今天要补一句：在检索这一层，这笔账是不设还款期限的。

这张表多久重算一次，重算要花多久？

再好的方法，如果重算成本高到没人愿意做，它就只会被做一次。

两小时能重算完的那部分

先把便宜的部分挑出来。

本地供给密度，一门语言二十条查询，十分钟。

AI来源清单，一门语言十条问句，十分钟。

两项加起来，一门语言二十分钟。

主力的五六门语言，两小时能全部跑完。

这两项恰好是权重最高的两列。

也就是说，决定排序的信息里最重要的那部分，重算成本是两小时，而不是一个季度。把这个数字告诉团队非常关键，因为盘点这件事最常见的死法是被想象成一个大工程，然后一年只做一次，一年一次的频率对一根季度级波动的列来说等于没测。改成每季度两小时，信息质量的提升远远超过把测法做得更精细。这也是一条通用经验：一个指标的价值等于它的准确度乘以它被更新的频率，多数人只优化前面那个乘数。

一个季度才该动的那部分

其余几列的节奏要慢得多。

工具数据可信度，一个季度探一次就够。

外链渠道的存活情况，一个季度扫一遍。

本地支付与物流的可用性，跟着业务侧的节奏走。

静态那几列，一年动一次都算勤快。

档位迁移的决议，固定放在季度末。

把不同节奏的列分开更新，是这套表能长期活下去的关键——所有列都按最慢的节奏更新，表会失真；所有列都按最快的节奏更新，没人受得了。实操上建议在表头直接标注每一列的更新周期，这样接手的人不必猜。这个习惯还有个额外好处：当有人质疑某个结论时，可以直接指着列头说这一列是三个月前测的，讨论的焦点会立刻从对不对变成要不要重测，后者能当场解决。

季度级这几列还有个共同点，就是它们的变化通常有公开信号可循，不必靠自己监测。平台侧的能力变动会先出现在官方公告里，搜索侧的官方更新汇总是最直接的一个入口。把这类来源订阅起来，季度更新的那半张表基本可以做到有事才动，没事就跳过，进一步压低维护成本。

触发式重算的三个信号

除了定期，还有三种情况要立刻重算。

第一个信号是主流模型换代或者答案形态发生明显变化。

第二个信号是某个市场的搜索格局出现结构性变动。

第三个信号是你自己的品类结构发生了变化。

三个信号里第一个最近几年触发得最频繁。

触发之后不必全表重算，只重算AI那一列。

今年二月那次AI Mode一口气加进五十多门新语言、累计逼近一百门，就是一个标准的触发点，很多原本填着无覆盖的格子在那之后变了值。这类变动的特点是发生得快、影响面大，而且不会有人来通知你。关于这次语言扩容的报道可以当一个时间锚点：在它之前测的AI那一列，之后基本都要重测一遍。本栏目当年算过国家数和语言数不是一回事，这次的教训是同一件事——公告里的数字要换算成自己的口径才能用。

这套盘点法在什么情况下会给错答案？

任何方法都有边界，把边界写出来比多写十条技巧有用。

品类太窄的时候，格子不够多

第一种失效场景是品类单一。

如果整个站只做一个很窄的品类，格子就退化成语言。

换单位这个动作也就失去了意义。

这时候本地供给密度还能测，但方差会很大。

二十条查询在窄品类里可能凑不出来。

凑不出来就只能扩大到相邻品类，结论会变模糊。

窄品类的替代办法是把内容形态当第二个维度：同一个品类下的选购指南、参数对比、售后与合规说明，这三种形态的供给密度差别通常很大，足够拆出可用的格子。这个替代很实用，因为供给密度本质上测的是有没有人认真写，而认真写这件事在不同内容形态上的分布极不均匀——参数类内容满地都是，合规与售后类内容几乎没人写。窄品类的机会往往就藏在后面这一类里。

品牌处在早期的时候，供给密度不重要

第二种失效场景跟品牌阶段有关。

供给密度衡量的是这一层竞争激不激烈。

但早期品牌的瓶颈通常不在竞争，在自己的内容量。

页面总共几十个的时候，排序做得再精也没用。

这时候更该看的是哪门语言的转化路径最短。

转化路径包括支付、物流、客服、退换货这一整条。

换句话说，这套盘点法适用于已经铺开、需要做取舍的阶段，不适用于还在选第一门语言的阶段，那个阶段该用的是准入门槛那套账。把适用阶段说清楚，能避免一类很浪费的错误——早期团队拿着为成熟期设计的方法做决策，测了一堆没有区分度的数，最后还是凭直觉选。本栏目里选第一门语言该问什么那一篇给的四个信号，才是那个阶段该用的东西。

早期阶段还有一个更根本的差别：那时候语言和市场这两个字段往往是绑在一起的，先选市场再选语言，而成熟期这两个字段必须拆开独立记录。通用区域数据仓库把语言、书写系统、地区拆成三段的做法，正好可以当报表字段设计的参照，早拆一天，后面少返工一片。

有本地团队的时候，整套账要重写

第三种失效场景最彻底。

前面所有的账都默认内容由总部远程生产。

一旦某个市场有了本地团队，成本结构完全变了。

本地团队产出内容的边际成本比远程低得多。

而且他们能做远程做不了的事，比如本地媒体关系。

这时候这门语言不该跟别的语言放在同一张表里比。

更准确的说法是：有本地团队的市场，语言不再是一个成本变量而是一项已有产能，它该进的是产能规划表而不是优先级表。这条边界值得单独标出来，因为很多公司的小语种投入结构里恰好有一两个这样的市场，把它们混在同一张表里排序，会得到两个都不对的结论——本地团队那门语言的分数虚高，其余语言的分数虚低。分开之后两边都清爽了。这也算是这套方法自己给自己划的最后一条线。

常见问题解答

可变量和静态量的划分，会不会因为行业不同而不一样？

划分标准不变，具体归属会变。判据只有一条：这个量在一个季度到一年的尺度上会不会明显变化。语言本身的性质不会，生态相关的量会。行业差异体现在权重上，不体现在归属上。比如快消品类里本地供给密度的变化速度远快于工业品类，所以快消的重算频率要更高。但无论哪个行业，母语人口都不会变，它永远属于门槛那一栏。

没有六年历史数据的团队，这套重排还能做吗？

能做，而且第一次做的成本更低。可变量那三列全部是当下就能测的，不依赖历史数据。历史数据只影响一件事，就是判断趋势方向是涨是塌。没有历史值的话，第一次跑出来的数就当基线，下个季度再跑一次就有方向了。也就是说这套方法的第一次执行只能得到静态照片，从第二次开始才有速度信息，而速度信息才是最值钱的那部分。所以越早开始跑第一次越好。

冻结之后，这门语言的页面还要不要保留在站点地图里？

要保留。冻结的核心就是让内容继续可被发现，从站点地图里拿掉等于自断一条路。要调整的是优先级字段和更新频率字段，把它们改成跟实际情况相符的值，别继续声称每周更新。另外语言标注和多语言之间的互相声明也全部保留，因为它们的维护成本是零而移除的代价不可逆。真正该动的只有那些指向已下线页面的链接。

怎么判断某一格是没需求还是需求没走搜索？

看两个地方。第一是本地的社群与问答平台，如果那里关于这个品类的讨论很活跃而搜索结果很空，说明需求在但渠道变了。第二是本地主流电商平台的搜索建议，如果建议词很丰富，说明需求真实存在。两处都冷清才是真没需求。这个区分很重要，因为需求没走搜索的格子该做的是内容分发和社群渗透，跟加投内容是两种完全不同的动作，预算也归不同的人管。

这套表能不能直接拿去跟老板汇报？

能，但建议改一下呈现方式。老板要看的不是二十几行的明细，是三档各有几格、这个季度有几格发生了迁移、迁移的理由是什么。把明细放附件，正文只放三档汇总加迁移记录，一页纸就够。特别要把冻结这个概念讲清楚，否则很容易被理解成放弃了某个市场，实际上它是把投入停掉而把资产留下，两者在财务上的含义完全不同。这一句解释不到位，后面的沟通成本会很高。

如果某门语言的数据在三列上互相矛盾怎么办？

矛盾本身就是有用的信息，别急着求平均。最常见的一种矛盾是本地供给密度很低但AI引用里全是英文来源，这通常意味着这一层是空的而且暂时没人会来填，属于典型的窗口期。另一种矛盾是供给密度高但引用可见度为零，多半说明你的内容在这门语言里质量不达标，而不是市场问题。所以三列不一致的时候要做的是读组合，不是压成一个总分，压成总分正好把最有价值的那点信息抹掉了。

这套盘点跟常规的内容审计是什么关系？

两件事，不能互相替代。内容审计看的是每一篇内容自身好不好、要不要更新或者合并，是纵向的、逐篇的。盘点看的是资源该往哪几格投，是横向的、跨语言的。一个站完全可能每篇内容都通过了审计，同时把八成的产能投在了三档里最不该投的那一档上。反过来盘点做得再准，具体到每一格里内容不行也没用。实际排期上建议盘点在前、审计在后，先定投哪几格，再决定那几格里的内容怎么处理。

权威参考资料