SEO优化

想让网站在谷歌和百度持续拿到免费流量，靠的不是碰运气而是体系。这里汇集保哥二十多年的SEO实战经验，从关键词研究、页面与技术优化到外链建设、内容策略和算法应对，手把手带外贸、独立站与SEO从业者把搜索排名做成可复制的长期增长。

  • 先按RFC 9309自己实现一遍规则匹配，用规范里的18道经典用例把匹配器验过，再拿它逐条判定450个页面能不能被抓；然后读每个页面HTML里的meta robots与响应头里的X-Robots-Tag，把两份声明落进四个格子。全程按页面最终落地的主机去找对应的robots.txt，跨域跳到平台认证域的单独归类。

    robots.txt那87行，33个站一个字都没改过

  • 量法是把校验位这把离线尺子架到全站字段上：GTIN不论8位12位13位14位，末位都由前面各位推算，不联网也能判真伪。131个站单线程采集、间隔2秒，把页面结构化数据的每个节点和两个数据出口的每条变体记录都摘出编号，逐条算校验位，再按SKU把两侧配对，看同一件商品的条码是不是同一个。算不对的那些回原始记录里挖，看它原本是什么。

    商品条码与SKU标识符审计：131个站GTIN校验位实测与错填形态

  • 量法是把同一件商品的价格从四条独立路径各取一份：页面渲染、og标签、页面里的结构化数据、以及平台自带的两个数据出口。131个站单线程采集、间隔2秒，第二轮把请求顺序整个反过来重跑，并让同一个出口连问两次做自基线。配对不按节点出现的顺序，按报价层的SKU逐条对齐，再依次扣除划线价、地区定价、商品层与报价层编号错位这三类假阳性，剩下的才算数。

    商品价格不一致的六条报警，扣完之后一条不剩

  • 做法是从每个站的robots.txt找到sitemap入口，挑出商品那一份取一条网址抓回来，把结构化数据整段拍平后逐字段核地域信息，再拿hreflang里的多条地区网址交叉验证。尺子在这里坏过一次：第一版把欧元区多国共用一种货币的样本判成了地址不生效，9个站的结论修完只剩3个，而错的那一版恰好指向更有故事的那一边。

    运费写着发到加拿大，退货政策上只有美国这一个国家

  • 把171个海外品牌站的首页抽出六个自我介绍字段——标题标签、社交分享标题、推特卡片标题、页面H1、结构化数据里的名称、站点名称字段，逐对比对完全相同、包含还是完全不同；再用浏览器、搜索引擎爬虫、社交抓取器、AI爬虫四种身份各抓一轮，看不同的读者拿到的是不是同一份页面。文中给出字段覆盖率、五组两两一致率、消费方的取用顺序与回退链、四种身份的状态码差异、同一份规则文件对不同爬虫的判定落差，以及一条从模板层收敛六个副本的路线和几段可直接跑的核…

    首页的title、og:title和H1，说的常常不是同一件事

  • 把同一件事分别写进HTTP响应头和HTML，再交给真实浏览器裁决：字符编码两个方向各测一次，防嵌套做成六格对照，其中一格同时写了最严的老字段和较松的新指令。另一头拿674份配着响应头的真实页面逐项对账，统计响应头层各字段的实际覆盖率、meta里那些规范根本不承认的写法、以及站点规则文件里各类指令的接收方现状。文中给出三条线的层级顺序、三层规则的方向性、一张按层归位的对照表，以及四条能直接跑的核对命令与一段响应头变更监控脚本。

    响应头和meta打架的时候，赢的从来不是更严的那条

  • 把188个海外品牌站的首页在两个时间点各抓一次，337份可解析文档、17423条head声明，逐类统计那些语义上本该唯一的字段被写了几遍、值一不一样；再用一个最小的本地服务制造六组典型冲突，交给真实的浏览器内核解析，看它最终采纳了哪一条。文中给出重复率与冲突率的两次快照对照、内页与首页的差距、七类字段各自的裁决方式、被一个div赶出head的三条声明、编码声明写到十几万字节之后为什么仍然没事，以及三档整改优先级和一段能直接接进流水线的检…

    重复的meta标签，浏览器和搜索引擎各按各的规矩挑

  • 从73个多语言站的首页抽出2529条语言版本声明，实抓258个目标页，逐个解析对面自己的清单，按规范要求做集合比对与逐地址标法比对；非正常响应一律换第二种身份重抓一次，把不受接待与真的坏掉分开；跨域目标另做一次平台指纹对照。文中给出集群规模与跨域分布、自指与集合一致率、标法冲突的形态排序、跳转造成的错位比例、按责任方划分的问题清单，以及一套先修自己再推别人的优先级与可直接抄的沟通结构。

    hreflang互指对不上，多半是另一边先改的

  • 做法是用真实浏览器逐页打开55个英文独立站的首页、商品页，再从首页现场找出联系页与账号页，把每个页面上的input、select、textarea连同type、autocomplete、required、pattern、maxlength、inputmode与名字来源一并取下来。同一个站里声明完全相同的控件按签名合并，避免主题挂在每一页的抽屉表单被重复计数；从没可见过又没有任何说明文字的字段单独剔出，因为那多半是跟踪像素注入的参数框。另…

    表单字段的四件事：51个站的邮箱框，全写上的只有6个

  • 从116个海外品牌独立站的sitemap里各随机抽6条地址做实抓，把提交层、交付层、索引层三处的声明逐条比对。做法是先确认sitemap本身拿得到，再按固定随机种子抽样，一次请求同时取回状态码、跳转链、页面与响应头里的索引声明和canonical，最后对所有非200的地址换普通浏览器身份重抓一次做对照。文中给出一致率、各项失分分布、系统性与零星的分辨方法、六步自查顺序，以及五处差点搞错的判据。

    sitemap提交的地址，页面自己认不认账？

  • 把142个海外品牌独立站首页的最终响应逐字段拆开，按十二种形态归类，再对着规范逐条判它们的下场。做法是先切出跳转链最后一段2xx响应，再按字段名分组找同名重复，然后查缓存、防嵌套、Cookie到期这三对经典冲突，最后把内容安全策略里的关键字逐个过一遍。文中给出各形态的站数分布、平台指纹与自写部分的拆分、六步自查顺序，以及把合并误判成矛盾之后数字从69降到57的修正过程。

    HTTP响应头自相矛盾：142个站里108个在犯

  • 把57个英文电商站的19405个分类按建立年份切成五个桶，逐桶交叉商品数、描述长度、题图、sitemap收录与首页导航覆盖这五项指标；再用一组正则按handle的命名把它们分成促销、节日、赠品、联名等类别，跟空置率交叉；接着把分类的年龄与它里面商品的货龄配对，看货架和货哪一头更旧；最后用真实浏览器逐个打开每站最老与最新的分类页，核对状态码、最终地址与robots标记，并把不可靠的读数逐条剔出去。

    分类页越老越荒废？19405个实测，最乱的是三年前建的那批

  • 实验台从60个英文电商站的公开商品清单接口取回43912件在售商品与19405个分类的全部时间字段，再隔10.2小时把同一批站原样复抓一遍做纵向对照，用同一次测量里的另外两个字段当基线，判断哪一个字段真的记录了内容变动。随后按建档年份把商品分桶，逐站配对比较老货与新货在sitemap收录、首页两跳可达、前台是否仍在售三个维度上的差别，最后用真实浏览器逐个核对可疑读数，扣掉地区路由与渲染异常的站点。

    商品上架时间实测：43912件里老货没掉队，漏的是新货

  • 把143个站声明的sitemap两层全拉下来，435份文件、41万条地址，逐条解析修改时间字段，再按2小时22分、7分钟、4秒三种间隔各重抓一遍做前后比对；对声称刚刚改过的页面另做一次正文闭环，逐字比对标题、描述、H1与正文词集；最后用两种身份同时请求同一份文件，把测量顺序造成的假差异从身份差异里扣干净。文中给出覆盖率、精度、年龄七档分布、时间戳聚集度、索引层与子文件层的对账结果，一次把尺子量歪的完整复盘，以及一套可以在自己站上一分钟跑…

    sitemap lastmod记的是哪一刻？41万条实测

  • 按RFC 9309从零实现一遍匹配器，再用三种办法把157份robots.txt的合并效果逐条判出来：给每条规则生成一个一定能匹配的代表路径，做删除实验看这条规则删掉之后判定变不变，以及把规则随机洗牌五遍验证顺序到底有没有影响。文中给出撞车率、胜负分布、空转成因分类、三种解析器读法的分歧规模，以及一套五步自查顺序和两次量错口径的完整过程。

    robots.txt两条规则撞车，赢的不是先写的那条

  • 做法是把同一批分类从三条独立路径各取一份清单：不用登录就能读的分类出口、站点递给爬虫的sitemap、以及首页渲染后DOM里能点到的链接。sitemap那一份要按语言分卷拆开只取根语言，否则翻译过的handle会被算成另一批；导航那一份不能只抓静态HTML，得用无头浏览器渲染后取并集。空货架的判定不数页面上的商品链接，改用商品清单接口加浏览器里正文区可见的商品卡两条一起看。

    分类页开了19405个，首页只点得到一成七

  • 量法是每个站的首页连打三次、再各取一个CSS、一个JS、一张图片、一个网站图标和robots.txt，逐个记下全部缓存相关响应头，用Age字段反查谁真的把它存下来过。尺子中途出过两次问题：并发开太高让11个站返回429，差点被读成这些站没数据；以及把不带Age当成没被缓存，而115个站里91个不带Age，其中72个带着CDN自己的命中标记。

    写着每次都要回源，CDN手上那份副本已经躺了9小时