外链失效实测1336条出处链接：真死链只有6条，打不开的有181条
跑法分两轮：先用8线程并发把1336条去重出处链接过一遍，再对所有非200的目标换成单线程、完整浏览器请求头、45秒超时并重试一次，同时单独做一次域名解析，把真死链、被反爬拦住、本地连不上三种情况拆开；最后打开能取回的目标页，用原样、归一化、只比数字串三层匹配找一遍被引的那个数值。
技术SEO
内容再好，爬虫抓不到、收录不进去也是白搭。这里深入技术SEO，从抓取预算、robots与sitemap、canonical与hreflang到JS渲染、日志分析和索引膨胀治理，帮开发和SEO协作把工程底子打牢。
-
-
门店页结构化数据实测49页：地址电话齐了，说清是哪家店的一个都没有
测法写清楚了好复现：从131个站的站点地图里筛门店类网址，分层抽样95条取回84个页面，人工剔掉商品页和专题页，再按门店详情与查找入口分档，最后逐页量结构化数据的属性字段与身份字段。顺带记了一次探测节奏把结论带偏15个百分点的过程。
-
AI爬虫抓取与引荐比实测：同一个指标传出七个数字
把抓取引荐比的公式拆成六个必须自己拍板的口径：窗口长度、爬虫标识范围、样本来源、状态码取舍、垃圾来路清洗、网页判定方式。再用本站十五天、258560行nginx日志原样跑一遍，附上改日志格式、清来路、分标识计数、验真假这四步落地顺序。
-
页内锚点三成指不到目标，点下去地址栏变了页面不动
做法是把131个英文独立站首页与商品页上所有以井号开头的链接取下来，连同解析成绝对地址后只多一个井号的那一类，按HTML规范里滚动到片段的四步逐条判定目标在不在。同时把页面上所有按名字指认别人的属性一起量了一遍——label的for、输入框的form、以及aria那一族。这里踩过一个坑：第一遍把单值属性也按空格拆成了多个名字，算出label有一半指不到，改对分类之后真实数字是另一个量级，两个口径都写在文里。死锚点最后按第三方组件的钩子与…
-
id重复的页面占六成，浏览器只认第一个，而它多半看不见
做法是用真实浏览器逐页打开131个英文独立站的首页与商品页，把每个页面上所有带id的元素连同标签名、当场可不可见、往上四层的祖先链一并取下来，按名字分组找出撞名的那些。统计前先把内联SVG导出时自动生成的图层名和写成空字符串的id剔到另外两栏，否则排行榜会被Figma的默认图层名占满。再拿服务端吐出的原始HTML与渲染完的DOM逐页对照，判断这些撞名是模板带来的还是脚本后加的；另挑30个站的首页做两组对照，桌面视口连读三遍再换手机视口读…
-
商品页的结构化数据里，一半找不到哪个节点是这一页
实验台把53个英文独立站392个商品页的JSON-LD节点全部取下，对每一个Product节点上的url与@id补全成绝对地址，再与页面自身地址逐字比对，据此判断这一页能不能指出它的主体。第一版比对忽略了查询参数，得到的通过率虚高三十多个百分点，翻查具体案例后改成完整地址严格比对。随后逐项统计@id、url、mainEntityOfPage的写入率与取值形态，把WebPage节点、结构化数据里的商品名与页面h1、以及同一页内的h1数量一…
-
表单提交交给谁？收邮箱那张表一半没写去向
做法是把同一批页面上的form元素连同它的action、method、enctype、novalidate、提交按钮与全部隐藏域一并取下来，按站内签名合并重复渲染的表单，再把每个收邮箱的输入框与它所在的那张表逐一对上，看去向写在哪儿。跨域判据取注册域比较，不看子域；隐藏域按名字归成八类用途，并记下取值长度。另外对每个页面再取一次原始HTML，与渲染后的DOM逐页对照，用来区分“页面本来就这么写”和“脚本后来插进去的”。
-
一张礼品卡的结构化数据119KB，同一段配送政策抄了60遍
实验台用真实浏览器逐页打开53个英文独立站的392个商品页，等页面渲染完成后取出全部application/ld+json脚本，递归遍历每一个带@type的对象，按类型和它在JSON结构里的位置分别计数，同时记录字节量与脚本标签数。为了把模板复制与变体展开这两种不同的膨胀来源分开，每个站另外抽取了主推款与长尾款做同站对照；三个拿不到真实商品页的站——反爬拦截、跳转首页、地址全部失效——从统计中整体剔除。最后用加长等待时间的第二轮采集做自…
-
商品描述空了5537件，其中2542件出自同一个站
实验台从60个英文独立站的公开商品清单接口取回43912件在售商品的描述字段，先按站算空值率并观察整体分布形态，再用逐站剔除法看单个站对行业指标的影响幅度。随后给每一件空值商品跑一遍归因，按站级用法、非商品条目、占位测试、整条半成品四档依次往下扣。最后用真实浏览器打开商品页，把JSON-LD里的description与页面meta描述取出来跟接口值三方对照——正是这一步推翻了第一档的扣减依据，把2542件从待定改判回真缺，缺口最终从最初…
-
商品品牌字段一个空的都没有，17个站把自己写成了好几个牌子
实验台从60个英文独立站的公开商品清单接口取回43912件在售商品的品牌字段，先按站算出主品牌，再把每一个非主品牌的取值做三级归一化——去掉重音符号、把与号换成and、砍掉地区码与公司后缀，据此把它们分成同一品牌的别写、字面空值、真正的另一个牌子三类，并逐条做字符级差异归因。随后用真实浏览器逐站打开商品页，等页面渲染完成后取出JSON-LD里Product节点的brand属性，与接口值一件件对照，判断这些取值有多少原样进入了搜索引擎读取…
-
Range请求回了200，里面却连全文的千分之一都不到
量法是同一个地址问五遍：普通GET、带压缩的Range、不带压缩的Range、只要末尾一百字节、一次要两段、以及一个不可能满足的越界范围，每一遍都记原始字节数而不只是状态码；再对同一批站的CSS与JS各问一遍做对照；最后在自己的nginx上把动态压缩、预压缩、不压缩三档摆开，逐个开关复现。
-
网页加载顺序实测：12个首页的前14KB里浏览器无事可做
量法分两层：131个站的首页各抓两轮，流式记下首字节与末字节的时刻；再把112份文档按字节位置摊开，找第一个能被预扫描发现的资源引用落在第几位。两层各自成立，但坐标系不同，一层是压缩后的字节，一层是解压后的字符，中间不能互相换算。
-
图片SEO换个请求头小37%，但发哪种格式不归你定
测法是三档请求头加一次定宽对照：先把每条地址的尺寸参数统一改成800，再用现代、只认WebP、两样都不认三种身份各要一次。尺子先自查——把通配符去掉重问一遍，那16个站16个照旧。
-
网页体积实测：118个首页58%的字节，缓存寿命0秒
量法分三步：先把五类内联内容从HTML里挖出来称重，再用brotli和gzip各压一遍验证压缩会不会推翻结论，最后隔段时间重抓一次逐块比哈希。第二步的结果和直觉相反。
-
62个站的前端库版本：中位停在四年前，最老的是2011年
做法是三条通道并用：URL路径里写着的版本、打包器留下的banner注释、库自己给版本变量赋的值。上全量之前先拿16份版本已知的官方文件验尺子，命中12份、读错0份，所以所有数字都是下限。
-
域名转移锁89%的站有，但那把锁是注册商默认替你上的
用RDAP协议逐个拉130个大牌域名的注册局记录，解析EPP状态位、到期事件、注册商归属与DNSSEC委派标记，再用DNS over HTTPS查DS记录两边对账；聚合服务限流掉的44个站，改从IANA引导表直连各注册局补齐。四把尺子中途改过，其中一把关系到整篇的分母。
-
DNS的SOA记录谁在填？131个站只有4个写了自己
先用公共解析器把131个海外站的SOA七个字段全部取下来，再直连各自的权威服务器复核，最后隔几秒重问一遍，剔掉那些每次都在变的动态读数。尺子中途改过三次，其中一次把已经写好的结论砍掉了一半还多。
-
开源许可声明该跟着JS一起发出去，114个站里40个一条不剩
取127个海外电商站首页的全部外链脚本，把每份文件里的块注释扒出来，先按写法筛出构建工具刻意保留的那批，再判断哪些真是许可声明；随后把webpack抽到旁边的36个LICENSE文件逐个访问。第一版判据太窄，把短格式的声明整批判成了非许可，修完结论方向就变了。
-
sourcemap文件谁都能下，里面是55个还没上线的实验名
对131个海外电商站首页引用的JS与CSS逐个下载，在文件尾部搜sourceMappingURL声明，顺着声明拉map并解析；用正文首字节而不是状态码判真伪，剔掉单页应用的兜底首页和只有29字节的空壳map，最后把拿到的自有源码全文扫一遍工单链接、非生产域名与实验配置。五道尺子全部修过一遍。
-
HEAD请求实测124个站：九成的站和GET给的不是同一套头
对同一个首页地址依次发GET、HEAD、OPTIONS，记录状态码、全部响应头、正文字节与耗时，再往下测一层内页、一个静态资源和robots.txt；被拦的站打乱顺序多轮重试，把分母从84做回124。五把尺子中途改过，其中ETag那把把41个站的结论砍成了2个。
