一家企业连续发了两个月软文，内容团队用 site 命令一查，出来的结果只有发稿总数的一半，负责人当场判断「服务商在骗人」，差点终止合作。后来排查发现，其中一部分文章在索引库里检索得到，只是 site 查询没有放出来——一场乌龙，但合作关系差点因此破裂。
对企业来说，收录量是软文投放里少数能自己监测的硬指标。但很多企业主拿着 site 查询的数字焦虑，其实没搞清楚这个数字本身就不准。本文把收录量诊断这件事讲透：数字从哪来、为什么对不上、怎么查才可信。
先分清两个概念：收录与索引
日常说的「收录」，在搜索引擎内部其实是两个动作：抓取之后先建入索引库，再在搜索结果里检索展示。前者是索引量统计的口径，后者是 site 查询反映的口径。
两者的关系是：索引是全集，检索展示是子集。一个页面可以已经进了索引库，但因为质量评分不高、被判定重复、或者数据更新延迟，暂时不出现在 site 结果里。所以 site 数字小于索引量是常态，不代表收录失败。
判断收录的规则细节，比如什么样的页面容易被建索引，可以参考百度收录规则的解读，本文重点讲怎么查、怎么读数。
site 查询：方便，但天然失真
site 命令是随手可用的收录查询方式，输入域名就能看到结果数。但这个数字有四种失真来源，用它做决策前要心里有数：
- 结果数是估算值。site 返回的总数从来不是精确统计，只是一个参考量级，同一时段反复查询，数字自己就会浮动。
- 只反映可检索部分。如前所述，索引库里的页面不一定全部放出检索，低质量评分的页面会被压在库里。
- 数据更新延迟。新发文章从建索引到能在 site 里查到，存在时间差，隔几天再查是常态。
- 站群域名去重。如果同一篇文章出现在多个站点（软文分发很常见），检索展示时会做去重，site 数字会低于实际收录的 URL 数。
这四种失真叠加，site 数字偏离真实收录量两三成并不稀奇。它适合用来做趋势观察（这周比上周多了还是少了），不适合用来做精确对账。
索引量工具：官方收录量数据的正确读法
百度搜索资源平台提供索引量工具，按域名（可精确到目录级）给出每天被建入索引库的页面数量曲线。这是官方口径，比 site 准，但读它也有三个要领：
一是看曲线，不看单点。 索引量每天小幅波动正常，单日下跌不必紧张；连续一两周趋势性下滑才值得警惕，那通常意味着站点质量评分出了问题或者有技术故障。
二是分目录查。 把软文页面放在独立目录下（比如 /article/），索引量工具支持按目录监控，这样数据不被其他页面混杂，趋势更干净。企业自建站尤其建议这么做。
三是理解「建索引不等于有排名」。 索引量涨了只说明页面进了库，能不能在搜索结果里拿到位置，是另一套质量竞争。所以索引量是健康度指标，不是效果指标——效果要看排名与流量，那是另一套评估口径。
数字对不上时的排查顺序
当 site 结果、索引量曲线、实际发稿数三者明显对不上，按这条顺序排查，从常见到少见：
- 查 robots 屏蔽。站点或目录是不是被 robots 文件挡了抓取，误屏蔽的四种情况在robots 文件排查里有逐条对照的检查步骤。
- 查死链与失效页面。软文发布在第三方媒体上，站点改版关站会造成批量失效，怎么巡检清理参考网站死链的影响与清理。
- 查更新与抓取频率。站点长期不更新，抓取预算会被压缩，抓取预算与更新频率讲了怎么养回抓取节奏。
- 查内容重复度。同一篇稿子多站分发高度雷同，会被去重压制，规范版本的标记另有专文，核心是把原创首发页声明为标准版本。
- 查单页质量。以上都没问题仍不收录的个别页面，通常是内容本身被判低质——字数、原创度、排版都要打问号。
注意一个边界：这些手段管的是你自己可控的站点。发布在第三方媒体上的软文页面，你只能观测收录结果（site 单查那个域名），干预不了对方的站点配置，选媒体时就要把收录健康度考虑进去，这也是投放前要做媒体背景核查的原因。
给企业的收录监控建议
- 自建站：搜索资源平台后台开着索引量曲线，每周看一次趋势；site 查询只做抽查，不做考核依据；
- 第三方发稿：每篇文章发布后第 7 天和第 30 天各查一次收录，单篇链接直接检索标题关键词即可，30 天仍未收录的文章纳入百度站长推送工具的主动推送范围（限自有站点）；
- 报表口径：对外汇报收录率时注明统计方式（site 估算还是索引量），口径写清楚，数字才有意义。
软文投放的收录量焦虑，多半来自拿不精确的数字当精确的考核。把 site 当温度计、把索引量当体检报告、把排查顺序当流程，数字对不上就按步骤走一遍，大多数「没收录」其实都有明确的、可修的原因。定期把这套诊断跑一遍，比盯着 site 数字反复刷新有用得多。
