排名因素清单实测：131人投出的75项，官方文档里查不到的有20项

摘要：一份新出的排名因素调查请131位从业者给100多项因素打分，总共收了13665个评分，排出来的前三名是相关性、外链、内容质量。我把它公开的那份定义表（75项）逐条拿去和谷歌搜索中心的160页官方文档对账，193万字符全文检索：20项在官方文档里一个字都找不到。零命中最集中的是外链组，10项里6项；内链组和品牌组各是6项里3项；技术SEO组9项和体验组5项全部命中。更极端的是，backlink这个词在160页里只出现过1次，而且出在网站迁移那一页；inbound link和link building是0次。

每年都有人做排名因素调查，这类调查的第一版能追到2005年。看这类结果的时候，大家习惯直接读名次：相关性第一、外链第二、内容质量第三。名次看着挺干净，干净是因为中间有一步被省略了——131个人的分歧，被均值压成了一个数。

压掉分歧本身不是错，那是统计的常规动作。问题是压完之后那个数长得像事实，而它其实只是一群人相信的东西。所以这次我没顺着名次往下读，而是给它找了一个对照物：谷歌自己公开写下来的那些字。

131个人投出来的排名因素名次，是怎么算出来的？

方法是公开的，值得先说清，因为后面每一条推论都挂在它身上。这份2026年的排名因素专家调查请131位从业者给100多项潜在因素逐项打分，量表是7档，从强正面的加3到强负面的减3。打完分之后另有一道开放题：你认为最重要的三个排名因素是什么，随便答。

累计收到13665个评分。前十名来自那道开放题的提及率：

单项评分里最高的是搜索意图匹配，最低的一批里有元描述——多数人认为它对排名没有直接作用。内容质量那一组内部，原创研究和自有数据得分最高；AI生成内容只有在“大规模生产且几乎没加价值”这个前提下才被打成负面。

这些结论我基本认同，作为行业体温计它是有用的。要留意的是它的性质：这是一份信念的分布，不是一份系数表。而信念和系数之间，隔着一次没人写下来的换算。

三份讲排名的清单摆在一起，长度差多少？

把市面上能拿到的三类材料排一排，会看到一个有点好笑的画面。

调查那份和逆向那份长度几乎一样，官方那份只有它们的四分之一。性质则三份全不同。官方那份是系统名单，讲的是有哪几套机器在干活，最后更新是2025年12月10日；逆向那份是内部词汇表，名字是真的，系数不在恢复范围里；调查那份是外部推断，唯一带数字的一份，而那个数字来自人。

两份来自谷歌的材料里都带作废标记：官方21个里4个退役，逆向72个里25个废弃。也就是说，谷歌自己维护的清单里，大约五分之一到三分之一的条目已经不算数了，而它还在同一份文件里挂着。调查那份没有这一栏——投票不会告诉你哪一项已经死了。

把75项因素逐条送去和官方160页文档对账，会漏掉几项？

这一趟是本篇的主体，做法很土但可复现。

我把谷歌搜索中心文档站的160个页面全量抓到本地，去掉脚本和导航之后留下193万字符的纯文本。然后把调查方公开的那份因素定义表解析成75条，逐条写一组核心词组的正则，去这160页里检索，统计命中的页数和总次数。

口径必须先声明，否则数字会被误读。命中的判据是“这个因素的特有说法在官方文档正文里出现过”，大小写不敏感。零命中不等于官方否认，只等于官方文档里没有这个说法。反过来，命中次数多也不等于重要，只说明官方在这件事上话多。

结果：75项里20项零命中。按分组看，分布极不均匀。

这张表的形状本身就是一个结论：官方文档只在你改得动的那几层说话。技术SEO和体验两组14项，一项不漏，全部有据可查；越往“别人怎么看你”那一侧走，官方越沉默。

零命中的20项，逐条摆在这里

数字容易被当成结论，清单才能被挑错。所以把这20项完整列出来，读者可以自己判断我有没有判错某一条。

• 外链（6项）：锚文本多样性、域名权威度、精确匹配锚文本、来自主题相关页面的链接、来自高信任域名的链接、来自有流量页面的链接
• 内链（3项）：孤岛页面、从首页起算的点击深度、内链锚文本多样性
• 品牌、实体与声誉（3项）：无链接的品牌提及、品牌词搜索量、域名年龄
• 内容质量（3项）：内容投入的工作量、主要答案靠近页面开头、与专家共识一致
• AI相关（3项）：答案的显著程度、内容结构的可抽取性、品牌在模型记忆里的显著度
• 相关性（1项）：站点主题权威度
• 用户信号（1项）：返回搜索结果页

有几条值得单独提一句。孤岛页面这个概念在整个官方文档站里一次都没出现，而它几乎是每个抓取工具的默认报表项；站内孤岛页面检测的抽样口径决定了你看到的孤岛是真是假那篇讲的正是这类工具概念的脆弱处。域名年龄也在这一堆里，这一条倒是有过公开表态，只是不在文档里。

另一条是内容结构的可抽取性。它在AI搜索这两年被反复强调，官方文档里却找不到对应说法。调查把它列成一项因素，说明从业者普遍相信它，而信不信和有没有出处是两件事——这正是本篇想把它们分开的原因。

为什么外链那一组10项里有6项官方一个字都没写过？

零命中的那6项是：外链锚文本多样性、域名权威度、精确匹配锚文本、来自主题相关页面的链接、来自高信任域名的链接、来自有流量页面的链接。

这几项是外链工作里最常被当成判据的东西。它们在官方文档里没有对应说法，这件事比“官方说链接不重要”要精确得多，也更有用。我顺手数了几个词的出现次数，画面更清楚。

这不是说链接不起作用。官方那份排序系统指南明写了有链接分析系统，PageRank也在里面，措辞是“理解页面之间如何互相链接，以此判断页面讲什么、哪些页面对某个查询更有帮助”。链接作为机制是承认的，作为一套可优化的指标体系，官方从没给过任何刻度。

而调查里外链排第二，提及率54.8%。两边都没说错，说的根本不是同一件事：一边讲机制存在，一边讲我按什么干活。站内外链越多排名越高这个说法的真相和买来的外链没进索引就等于零两篇分别从数量和索引两侧拆过这件事，本篇补的是第三侧：你用来判断一条链接好不好的那几个词，官方词典里查不到。

顺带说一句谷歌那边的公开表态

谷歌有工程师公开说过链接不在最重要的三个排名信号之列。这句话每次被引用都会吵一轮，因为它和从业者的体感直接冲突。放到本篇的对账里，冲突就不奇怪了：那是一句关于系数的话，而从业者手上从来没有系数，只有一套自己积累的判据。PageRank工具条退役之后权威信号怎么演变那篇讲过这条线怎么一步步从可见变成不可见。

官方写得最多的那些，从业者为什么给分最低？

把两边的排序放在一起对，会看到一个近乎反向的关系。

官方话最多的是结构化数据，1449次，覆盖77个页面。而在调查里，结构化数据不在前十，元描述这类页面元素的评分则接近垫底。反过来，调查里排第二的外链，官方文档里的专有词汇量接近于零。

这个反向关系有一个很朴素的解释：官方文档讲的主要不是怎么排得更高，是怎么够资格拿到某个展示位。能不能出现在某个富媒体结果里，是个有明确判据的问题，所以官方能写、也愿意写、还能写得很细。排名是个竞争性问题，写细了等于交底。

这也解释了一件常被误读的事：官方文档里唯一真正带分档的地方，是结构化数据那39页里的必填和推荐两档——必填标记82次，推荐标记96次。官方给过分档，只不过那个分档管的是展示位资格，不是排名权重。站内词汇表方第一次公开全网使用数据那篇讲的是哪些类型值得做，跟这里的必填推荐两档正好配着看。

官方话最多的那几项，恰好是没人争的那几项

把命中排序反过来看也有意思。除了结构化数据、站点地图和robots文件这三样，命中密度最高的是创作者专业性与署名，37个页面出现351次；规范化网址30个页面171次；内容新鲜度24个页面61次；抓取频次51个页面90次。

这几项有个共同点：判据清楚、争议很小、而且基本在你自己站里就能做完。官方愿意把话说满的地方，正好是“做没做”能一眼看出来的地方。

还有一项很有代表性：用户主动选择的偏好来源，全文只命中2个页面，其中23次集中在它自己那一页。一个功能刚上线的时候就是这个形状——独立成页、说得很细、但还没和别的文档织在一起。偏好来源这件事的信号面怎么拆那篇讲过它的三层结构，本篇只补一个观察：文档里的分布形状，能看出一件事在官方眼里处于哪个阶段。

另外我检索了“看情况”这一类措辞，命中12个页面22次。官方自己也在大量使用这种语气，这一点和外面流传的那种斩钉截铁的清单风格，正好是两个极端。

只在一页里出现过一次的那9项，算不算有出处？

零命中和高命中之间还有一档，我觉得比零命中更值得警惕：全文只在1个页面里出现、而且只出现1到几次的那些。

前五行和后四行性质完全不同。前五行是在讲别的事情时偶然带了一句，后四行有正式条目。所以“有出处”这三个字本身也需要分档：一句顺带的措辞和一个带小标题的条目，能支撑的推论完全不是一个量级。

后四行里有两条出自垃圾内容政策，而且都是从负面那一侧写的：过期域名滥用、站点声誉滥用。这是官方文档的一个明显偏好——它更愿意告诉你什么会出事，不太愿意告诉你什么会加分。我检索了链接垃圾这类说法，命中7个页面14次，语境全是政策与惩罚，没有一处是在教你怎么建链接。

调查里那项llms.txt，官方只在一页提过

调查的AI相关组里有一项是llms.txt这个文件。我检索之后发现官方文档里它确实出现了，3次，全在同一页AI优化指南里。这是个很典型的例子：一项从业者已经在讨论、官方刚刚有一句表态、但离“判据明确”还差很远的东西。

这类项目最容易被清单形式伤害。它在表里和收录、抓取这些确定性极高的项目并排站着，占同样一行，字号一样大。读的人如果不去核出处，很难看出这一行的证据等级低了两档。

均值这个动作，把什么东西压掉了？

13665个评分变成一张名次表，中间那一步是求平均。平均会压掉两样东西，一样明显，一样不明显。

明显的那样是分歧。同一项因素，有人打加3有人打减1，均值落在正的一点几，读起来像“大家都觉得有点用”，实际情况可能是“一半人觉得很有用，一半人觉得有害”。调查正文里有一条恰好露了馅：有专家说他在大规模高质量AI生成上看到过正面结果，而同一组的整体评分是负面的。均值把这类对立藏起来了。

不明显的那样是经验来源的重合度。131个人不是131次独立观测。他们读同一批文章、用同一批工具、在同一批会议上听同样的说法。工具面板上有什么指标，判据就容易长成什么样子；某个泛用的权威分越好用，它进前十的机会就越大。这种相关性在均值里完全不可见。

站内调研数据的入选条件决定了结论的边界那篇讲的是另一种压缩——样本挑错了人；一条趋势线上的三处口径变更讲的是跨期不可比。本篇这一种更隐蔽：样本对、口径也对，只是被平均之前它们本来不独立。

官方唯一那句“不是排名因素”，说的是哪件事？

我在160页里检索了各种否认式的句型，明确说“不是排名因素”的，全文只有一句，出在创作有帮助的内容那一页，讲的是经验、专业性、权威性、可信度这一组概念本身不是一个具体的排名因素，但用一组能识别出好内容的因素去判断它是有用的。

这句话的结构很值得抄下来：一个概念可以既不是因素，又确实在起作用。行业里关于某样东西“到底是不是排名因素”的争论，大半可以用这个结构化解。站内这组概念到底是不是排名因素那篇专门拆过它，元描述那一项、域名年龄那一项、字数那一项、域名里塞关键词那一项都是同一个句式的具体化。

另外还有一句官方原话值得记住。搜索的工作原理那一页写着：相关性由数以百计的因素决定，这些因素可能包括用户的位置、语言和设备。注意它举的三个例子——位置、语言、设备，没有一个在你的站上。

那份公开的定义表为什么只有75项，调查说的是100多项？

这是我在对账过程中撞到的一处落差，值得单说。

调查正文说的是每位专家给100多项因素打过分，另有报道说是103项。而调查方公开的那份定义表只有75条，自我描述是“调查中用到的术语的速查表”。也就是说，大约四分之一到三成的因素没有公开定义。

这对读者有两个实际影响。一是对账只能在75项这个范围内做，本篇所有比例的分母都是75，不是103，别拿去和别处的百分比直接比。二是没有公开定义的那些项，读者无法判断它们和自己理解的是不是同一件事——同一个词在两个人嘴里可以差很远，比如“内容深度”是指覆盖面还是指论证密度，评分会完全不同。

站内十条最佳实践清单逐条点回出处那次核对做过一件很像的事：清单形式本身就在做承诺，读的人会自动补上三个它没说的前提。本篇是同一个毛病换了个场景——这回连词条的定义都不全。

这份共识清单该怎么用，才不至于用反？

我的用法是把75项拆成三堆，分别对待。

第三堆最需要小心，但也别一概否定。经验不因为官方没写就无效，行业里很多真知识确实先于文档存在。要做的只是别把它和第一堆混在一张表里，因为两者的验证方式完全不同：第一堆可以当天验，第三堆只能靠长期观察和多站对照。

站内排名因素分级与优化优先级那份清单是按可执行性排的，跟本篇不冲突也不重复：那篇回答“先做哪个”，本篇回答“这一条的出处在哪、够不够格当依据”。你优化的从来不是内容而是能被算成数字的信号那篇讲的是可量化这件事本身，正好是第一堆和第二堆的分界线。

被淡化的和已经死掉的，是两回事

还有一类项要单独挑出来：官方清单里标着已退役或已废弃的。官方21个系统里4个退役，逆向72个信号里25个废弃。这两个数加起来提醒一件事——一份清单里同时躺着还在用的和早就不用的，而清单本身不会替你区分。

站内被淡化的十个老信号里哪些真死哪些只是误读那篇逐项做过分类，算法更新的完整盘点给的是时间线。配着本篇的作废比例看会更有体感：这不是偶发现象，它是清单这种形式的固有缺陷。

下次再看到一份排名因素清单，先问哪三个问题？

保哥现在拿到任何一份这类清单，都先问三句话，答不上来就不往下读。

第一句：这上面的数字是谁给的？是系统给的、官方写的，还是人投的？三者的可靠性依次下降，而版式上长得一模一样。

第二句：这份清单里已经作废的有几条？有没有标出来？没有标，说明作者没做这道功课，整份东西的时效性都要打折。

第三句：这上面哪几条是我今天就能自己验的？能验的先做完，剩下的排进观察队列。社交信号那笔账拆成两半那篇是个好例子：把“有没有用”和“怎么起作用”分开问之后，原来吵不完的问题就有答案了。

顺着这三句话往下，行为与点击信号那一组也能安顿下来。点击率到底是不是排名因素和品牌力算不算排名因子两篇的结论都是同一型：机制层面有证据，操作层面没有旋钮。调查把它们排在第五和第六，位置是合理的；要小心的是不要把“排第五”当成“有五分之一的力气该花在这”。

常见问题解答

官方文档里查不到，是不是说明这一项没用？

不是。本篇的口径只是“这个因素的特有说法在官方160页文档里没有出现”。官方不写的原因可以是不便公开、可以是没有明确判据、也可以是他们认为那不是网站方该操作的东西。所以零命中应该读成“这一条没有官方出处”，而不是“这一条无效”。区别在于它能不能当依据用，不在于它有没有效果。

为什么要用词组检索这么土的办法，不能用语义比对吗？

可以，但会牺牲可复现性。词组检索的好处是别人拿同样的正则、同样的160页文档能跑出同一个数，争议点只在正则写得宽不宽。语义比对的结论没法这样复核。为了让读者能挑错，我宁可用笨办法，并且把零命中的20项逐条列出来，谁觉得某一条判错了可以直接指出来。

调查说100多项，你只对了75项，会不会让结论偏乐观或偏悲观？

两个方向都有可能，这是本篇最大的口径限制。公开定义表只有75条，没公开定义的那二三十项无法对账。如果缺的那些偏向品牌与外链这类官方沉默区，真实零命中率会比26.7%更高；如果偏向技术层，就会更低。所以本篇所有比例的分母都写明是75，不要和别处的百分比直接相加。

外链在官方文档里几乎没有专有词汇，那外链工作还要不要做？

要做，但要换个理由。官方承认链接分析系统存在，PageRank也在公开名单里，这说明机制是真的。官方没给的是刻度：什么样的链接算好、多少条算够、锚文本该怎么分布，这些判据全部来自行业经验。所以外链该做，只是别把行业判据当官方标准写进验收文档，两者的证据等级不一样。

三份清单都没有权重，那到底该按什么排优先级？

按可验证性排，而不是按清单名次排。能自己测、测完有明确结果的先做，比如收录、抓取、结构化数据的必填字段。测不了的当方向，别设成指标。这样排的好处是每一件事做完都有回执，不会出现“做了一堆说不清有没有用”的局面。

这份调查还值得看吗？

值得，它是目前最大的一份外部经验汇总，作为行业共识的快照很有价值。看的时候把它的性质摆正就行：它记录的是131个人相信什么，不是系统在算什么。真正有用的读法是看分歧——哪几项评分分散得厉害，那里通常藏着还没被讲清楚的东西。

权威参考资料