标签

技术SEO

保哥笔记 技术SEO 标签下共 50 篇文章合集，含《技术SEO一堆问题先修哪个？500站实测排出来的优先》《Core Web Vitals在AI搜索时代还值不值》《电商SEO最重要的5点：从AI爬虫到accessib》等，与 Core Web Vitals、AI爬虫、结构化数据 主题密切相关，覆盖 SEO/GEO 实战角度的深度解析与可落地方案。

  • 做法是用真实浏览器把131个英文电商品牌站的首页、一个类目页和一个产品页各打开一遍，在渲染后的DOM上取四组静态特征：搜索输入框在不在GET表单里且带name与action、类目页有没有带筛选参数的链接、有没有真分页链接或rel=next、加购按钮在不在带action的表单里。建站平台的判定另外补了一轮首页HTML特征探测才敢用——最初拿加购表单地址是不是/cart/add来认Shopify，把61个站认成了19个，低估3.2倍，那一版…

    AI代理只能猜着用你的站，四个动作83个站里1个全通

  • 用同一个浏览器对171个海外独立站首页各跑两轮，唯一变量是脚本开关，两轮都拿到200的有131个。三个文本口径在同一次访问里取，配47个两轮几乎不变的站作对照，再用1秒、3.5秒、10秒三档等待时间做敏感性检验，逐层拆开正文、链接、结构化数据、主标题、商品入口五类结构件的丢失情况，并把测量过程中翻车的两次尺子问题一并记下来。

    JS渲染实测131个站：担心的三件事，两件没发生

  • 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

  • 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

  • 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122个海外品牌站首页上的3102条资源提示逐条拆开，跟页面实际加载的资源域名做差集，再把所有第三方主机拿去做域名解析与请求验活，最后用同一批站在两个时间点的快照比对这块配置动没动。文中给出五种提示类型各自的空转率、重复声明的规模与三种成因、字体预加载缺跨域属性的比例、被指得最多的第三方域各自的空转情况、两次快照的变更率，以及一套先删哪些、哪些要先确认、删完怎么验证的完整操作顺序。

    preconnect指着的域名，有8个已经不存在了

  • 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

  • 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