百度SEO：如何保证网站长期的SEO健康度

4月底的北京移动化培训后，我们认识了艺龙SEO负责人刘明，他认为很多SEOer是只看整体数据判断网站是否有问题，而站点应该做的是每周出具一份详细科学的体检报告，能最早从很多细节指标上发现问题——学堂感觉这个内容非常有价值，于是请刘明做了分享：

本篇文章的意义之一，很多站长对自己网站健康状况没有头绪：

在百度举办的活动上，有不少的站长会向百度工作人员提出一些根本无法回答的问题：收录掉了，怎么办？抓取掉了，怎么办？流量掉了，怎么办？排名掉了，怎么办？收录不及时，怎么办？

这些问题太笼统了，即使把百度所有后台数据完全开放，也无法解答。提问的人肯定是连网站的基本结构都没有清晰的认识。好的问题是怎样的？耐心看完就有答案了。

本篇文章的意义之二，产品改版对SEO造成毁灭性打击

SEO最严重的问题，往往不是SEO问题，而是产品问题，或技术问题。有些大型网站每次大改版都是这样的：

1，会更换一套URL pattern。

2，由于数据的不兼容，旧版本pattern无法301到最新版。

3，即使数据兼容，也忘了做301。

我问过一个产品经理，这个产品的URL换过多少pattern， 答案是3到4个。但是我从web.archive.org上看，最少8个。平均每年换一个。稍微有一点搜索引擎基本常识的人应该能意识到，这种网站是典型的no zuo no die。

本篇文章的意义之三，长期的迭代开发流程中，SEO的需求可能被逐步改错

在产品，技术和测试的思维中，往往是没有URL的清晰定义的，只要页面能访问，内容是对的就合格了.以下几种URL都是被认为没问题的，更不要提SEO的其他基本规范了。也就是说，事实上除了SEO没有人关心这些东西，每个开发环节都可能遗漏或者搞错一些东西：

1，http://www.a.com/product(category)/

2，http://www.a.com/product.Html/

3，http://www.a.com/product/？channel=123&category=abc&brand=def&tracking=other_website

曾经有一个产品，本来谷歌收录量达到了3000万，百度收录2000万，流量也不错，精力挪到别的产品上去了。 过了1个月发现流量有所下滑，以为是季节因素，没有在意，又过了2个月，流量下降非常多。仔细检查了一下发现一个惊人的变化。

1，本来收录的地址是http://www.a.com/product/item100.html

2，在没有被告知的情况下，被技术同事加了一个301跳转，到http://www.a.com/search/？product=a&item=100

3，其中/search/目录在robots.txt中是Disallow的

4，在随后的2周内，收录量最低降到了300万左右。

我希望能有个系统自动的帮我梳理这些问题，让我不再每天担忧SEO的需求又不知道被谁弄掉了，如果有问题，能让开发测试的同事马上就收到警报，让"擦屁股"的事情不再占用我太多时间。

内容思维导图，元信息，页面单元测试，蜘蛛日志监控

鉴于前边几点，我的解决方案是：

• 内容思维导图

• 元信息

• 页面单元测试

• 蜘蛛日志监控

这些方案5年前就构思好了，并且小规模试用，但是由于复杂度和开发成本较高，到过很多坑。直到最近两年才逐步启用。绝对不适用于小公司，请广大SEO从业者慎重决策。

• 内容思维导图

从产品的角度看是这样由各类功能组成的，有合理流程关系的(流程不展开讨论)，符合用户体验的，但可能不符合搜索引擎体验：

从SEO的角度看，网站的结构是这样由各类用户搜索需求组成的，也是有合理层级关系的：

不同的网站会有截然不同的思维导图，因为他可能基本取决于技术架构。因此建议SEO从业者深入了解网站的技术架构之后再来绘制导图。具体的细节暂不展开。但是最起码自己要保证这几点：

1，网站有哪些内容节点

2，哪些命中了用户的需求

3，哪些是毫无检索意义的

4，缺少哪些节点

5，应该如何部署层级关系

思维导图绝对不是一劳永逸的，每当产品有新的pattern上线，或者旧的pattern下线，需要及时更新。每当你发现新的用户搜索习惯，也应该更新，并且推送给产品同事知道。

• 元信息

我这里说的不是， 而是一切SEO相关的，有规律的(最好是可以用正则表达的)，可量化的信息。包括：标题，关键词，描述，H1，等等。

从SEO的角度看，某网站的URL是这样的，符合"思维导图"层次的：

首页： www.example.com/

首页-频道1： www.example.com/channel/

首页-频道1-维度1： www.example.com/channel/abc/

首页-频道1-维度1-维度2： www.example.com/channel/abc/xyz/

首页-频道1-详细页： www.example.com/channel/item12345/

从产品，开发，测试的角度看URL可能是这样无序的：

• www.example.com/channel/？category=abc&brand=xyz&tracking=other_website

• www.example.com/channel/？item=12345

如果下一版改成这样也没问题的：

www.example.com/？channel=123&category=abc&brand=def&tracking=other_website

如果没有清晰的规则定义，几乎是无法知道现在的网站还是不是你优化过的那个样子的。 根据SEO内容思维导图，我们得到如下的元信息表格(仅列出几个字段给大家参考)：

• 页面单元测试

这个"单元测试"是借用了一个研发的术语，原本是测试某一个函数或类的。我是用来测试SEO的一个具体的细节定义。工具也是借用了"Rspec"来二次开发的。这个模块可以分为两个环境来运行，production和testing。

其中production的测试，我们叫"回归测试"，目的是保证之前已经上线的SEO需求，依然好好的呆在那里，如果报警需要及时修复。

testing环境中，是为了给研发人员做类似TDD(测试驱动开发)用的。它包含了production的回归测试也包含了testing中新的需求，可以被当做是需求文档。只要研发人员把这个测试都跑通，就说明你的需求完成了。当这些需求上线后，把测试合并到production一起做回归测试，这样就圆满了。

测试的内容可以涵盖：元信息中的所有细节，已知链接的锚文本， 站内URL， 站外URL， 面包屑， alt， 响应时间， 页面尺寸，等等。

• 蜘蛛日志监控

有了"元信息"的定义。做蜘蛛日志监控易如反掌。亲身经历的一些现象：

1，全站85%的访问，response code都是301。

2，蜘蛛抓取量的50%都是抓异步请求(ajax，iframe)的URL。

3，某些类别的页面平均响应时间超过10秒/次。

4，response code 200的访问中60%的请求都不是SEO需要的URL。

附图仅展示一些字段给大家做参考：

针对本文开头的问题，比较靠谱的提问方式是，   "我的某某pattern页面每天抓取量多少，其中response200的有多少，平均响应时间是多少，主要的内容，SEO元素都正常，没有作弊的行为，但是这个pattern最近抓取掉了，收录掉了"。  其实能问这种问题的人，也基本不用提这类问题了。大多数的问题只要足够细化，就已经迎刃而解了。