如何避免大量URL被重复收录2015-11-17

作者:刘明(艺龙SEO负责人)

 

首先声明,我们只谈论有检索意义的URL,也就是用户会从搜索引擎查找的页面。其他页面按照常用的方法做屏蔽就好了。

鉴于很多站长都爱讨论整体的收录量,我必须泼一下冷水,也许你的有效收录是1/10。

 

一、URL参数

 

也叫URL query,是一个最复杂,最容易被忽视,最容易被妥协的问题。他是网站运营中必不可少的元素,如果简单的去除,其他部门就无法工作了。URL参数经常被用于以下几方面:

 

1.同一个实体的不同状态展示,比如同一个酒店,在不同时间点会有不同的房间库存。

 

 

2.为了统计不同渠道的流量

 

 

3.为了统计不同渠道,具体模块的点击量

 

 

4.调试

 

 

5.全世界最奇葩的是亚马逊,居然把统计参数放到了路径中

 

 

出现这种问题的坏处有几点:

 

(1)浪费搜索引擎对你网站的各项配额,从而影响其他正常的页面。

 

(2)丢失很多本应拿到的链接加分,站外渠道的链接往往是最优质的。同一个URL的分值可能分散成几十份。

 

(3)SEO的流量被统计到别的渠道(因为tracking字段写的是别的渠道,而且被收录被点击)。

 

(4)往往形成一种局面,产品用一套URL,SEO用另一套URL,甚至不同渠道用不同的URL,后期开发和维护的成本极高。

 

为了解决这个问题,首先要弄清网页的URL的定义。以我的理解,每一个URL是一个静态的、独立不重复的、有意义的实体,一般也有检索意义(就是有人会搜)。比如一个人,一辆车,一条道路,一个零件。而不能混入各种“状态”,比如这个人生病的时候,难道就不是他自己了么? 一件商品在促销的状态难道是另一件商品了么?

 

理论上canonical标签就可以解决这个问题了,但是从实际测试结果看,效果并不明显,几乎可以忽略不计。那么我的解决方案是这样的:

 

(1)建立好网站的思维导图和元信息。

 

(2)所有和SEO元信息相关的参数都放到路径中去

 

(3)所有和SEO元信息不相干的参数都放到#后边,因为#后边不影响web服务器返回的内容。简单的说就是用”#”替代”?”。

 

(4)每个页面中都利用js获取#后边的参数对,通过二次请求发回给统计服务器

 

(5)如果#后边的参数影响页面内容,比如酒店的入住日期。那么这部分内容用ajax加载就行,他是不稳定的,不属于页面内容的一部分。(当然还有变通的办法,暂不赘述。)

 

(6)原始的#锚点定义肯定会冲突,定义一个#后边的变量,并用js控制屏幕滚动,来保证原始锚点的作用。

 

有人可能会想到,根据ua判断,如果是搜索引擎爬虫,就用跳转的方式去掉URL参数。但效率最高的方法必然是从一开始就不展示错误URL。那么前面的例子优化后就变成了:

 

 

其实我们的竞争对手早就使用这种方式了,但是由于我们的开发效率无法及时实现,还没有赶上行业的进度。所以对于一般的小网站,一定要考虑开发成本,不要轻易冒进。只要能避免问题的发生,变通的方法是很多的。

 

二、路径中使用非必要元素

 

很多网站仿照亚马逊的做法,把商品名体现在URL中,然后再通过id来决定页面展示的内容:

 

 

这样虽然可以提高一些相关性,但是很危险。在长期甚至短期的时间内,大量商品的名称是非常可能有变化的,那么URL也就跟着变化。成本也是非常高的,因为加大了技术实现难度,不管从站内还是站外,每次增加链接都是一个很麻烦的事情。

 

在我接手艺龙SEO之前,URL被全部改成了这样,对我早期的工作造成了非常巨大的负担:

 

 

通过日志分析发现基本所有的蜘蛛发起的请求都被301跳转了一次。

 

细致调查后发现,从SEO拼接规则到后台的汉字和翻译数据被一直修改。也就是说,这个URL相关的元素有:

 

(1)中文 (非必要元素)

 

(2)由中文翻译的英文 (非必要元素)

 

(3)id (必要元素)

 

而当时负责SEO的同事把英文和id拼接在了URL中。那么这样一个URL先后变成过:

 

 

跟”相关性”比,URL的唯一性和稳定性更重要。所以针对这个问题,URL的最佳策略应该是

 

 

如果这个id是隶属于一个分类下的,比如城市,那么就可以

 

 

从技术角度说, id一般是数据库的primary key,可以是数字也可以是字符串,那么这个时候URL是一维的; id也可以是联合的唯一索引,那么URL就是二维的,就像上面的(bejing,123)缺一不可。电商类网站列表页经常用到三维以上。

 

三、大小写

 

如果网站的技术架构用的是开源系统,一般是不会有这个问题的。如果使用了微软的技术架构,这个问题非常常见。

 

 

我的建议是统一使用小写,大写自动跳转为小写(小心301死循环!)。

 

四、目录的规范

 

很多网站同时存在这样的URL,无形中把收录量扩大了一倍。

 

 

上边第一个路径的意思是在product目录下有一个123文件。第二个路径的意思是在product目录下有一个123目录,这个目录下可能有很多文件,但是他代表众多文件中的index.html或index.php或default.aspx等优先级最高的那个文件。为了避免歧义,我定义文件都是用”.html”结尾的。

 

为了减少重复收录,那么按我的习惯是:

 

 

五、总结

 

1.所有部门统一使用SEO定义的URL,屏蔽非SEO URL的入口。

2.用”#”替代”?”

3.统一使用小写

4.保证目录的规范

5.把不规范的URL跳转到规范的URL

有用:16 阅读:746
提交失败 关闭

您好,站点本周已提交抓取诊断200次,达到每周抓取诊断上限,已无剩余次数。请下周再提交,合理利用抓取诊断次数,谢谢您的配合!