搜索引擎抓取份额是什么?抓取份额是由什么决定的?怎样节省抓取份额?对大中型网站来说,这是个颇为重要的SEO问题,有时候会成为网站自然流量的瓶颈,今天我们就一一为大家介绍一下

一月份时,Google新的SEO代言人Gary Illyes在Google官方博客上发了一篇帖子:What Crawl Budget Means for Googlebot,讨论了搜索引擎抓取份额相关问题。对大中型网站来说,这是个颇为重要的SEO问题,有时候会成为网站自然流量的瓶颈。

今天的帖子总结一下Gary Illyes帖子里的以及后续跟进的很多博客、论坛帖子的主要内容,以及我自己的一些案例和理解。

强调一下,以下这些概念对百度同样适用。

什么是搜索引擎抓取份额?

顾名思义,抓取份额是搜索引擎花在一个网站上的抓取页面的总的时间上限。对于特定网站,搜索引擎花在这个网站上的总时间是相对固定的,不会无限制地抓取网站所有页面。

抓取份额的英文Google用的是crawl budget,直译是爬行预算,我觉得不太能说明是什么意思,所以用抓取份额表达这个概念。

抓取份额是由什么决定的呢?这牵扯到抓取需求和抓取速度限制。

抓取需求

抓取需求,crawl demand,指的是搜索引擎“想”抓取特定网站多少页面。

决定抓取需求的主要有两个因素。一是页面权重,网站上有多少页面达到了基本页面权重,搜索引擎就想抓取多少页面。二是索引库里页面是否太久没更新了。说到底还是页面权重,权重高的页面就不会太久不更新。

页面权重和网站权重又是息息相关的,提高网站权重,就能使搜索引擎愿意多抓取页面。

抓取速度限制

搜索引擎不会为了抓取更多页面,把人家网站服务器拖垮,所以对某个网站都会设定一个抓取速度的上限,crawl rate limit,也就是服务器能承受的上限,在这个速度限制内,抓取不会拖慢服务器、影响用户访问。

服务器反应速度够快,这个速度限制就上调一点,抓取加快,服务器反应速度下降,速度限制跟着下降,抓取减慢,甚至停止抓取。

所以,抓取速度限制是搜索引擎“能”抓取的页面数。

抓取份额是由什么决定的?

抓取份额是考虑抓取需求和抓取速度限制两者之后的结果,也就是搜索引擎“想”抓,同时又“能”抓的页面数。

网站权重高,页面内容高,页面够多,服务器速度够快,抓取份额就大。

小网站没必要担心抓取份额

小网站页面数少,即使网站权重再低,服务器再慢,每天搜索引擎抓取的再少,通常至少也能抓个几百页,十几天怎么也全站抓取一遍了,所以几千个页面的网站根本不用担心抓取份额的事。数万个页面的网站一般也不是什么大事。每天几百个访问要是能拖慢服务器,SEO就不是主要需要考虑的事了。

大中型网站可能需要考虑抓取份额

几十万页以上的大中型网站,可能要考虑抓取份额够不够的问题。

抓取份额不够,比如网站有 1 千万页面,搜索引擎每天只能抓几万个页面,那么把网站抓一遍可能需要几个月,甚至一年,也可能意味着一些重要页面没办法取,所以也就没排名,或者重要页面不能及时被更新。

要想网站页面被及时、充分抓取,首先要保证服务器够快,页面够小。如果网站有海量高数据,抓取份额将受限于抓取速度,提高页面速度直接提高抓取速度限制,因而提高抓取份额。

百度站长平台和Google Search Console都有抓取数据。如下图某网站百度抓取频次:

上图是SEO每天一贴这种级别的小网站,页面抓取频次和抓取时间(取决于服务器速度和页面大小)没有什么大关系,说明没有用完抓取份额,不用担心。

有的时候,抓取频次和抓取时间是有某种对应关系的,如下图另一个大些的网站:

可以看到,抓取时间改善(减小页面尺寸、提高服务器速度、优化数据库),明显导致抓取频次上升,使更多页面取收录,遍历一遍网站更快速。

Google Search Console里更大点站的例子:

最上面的是抓取页面数,中间的是抓取数据量,除非服务器出错,这两个应该是对应的。最下面的是页面抓取时间。可以看到,页面下载速度够快,每天抓取上百万页是没有问题的。

当然,像前面说的,能抓上百万页是一方面,搜索引擎想不想抓是另一方面。

大型网站另一个经常需要考虑抓取份额的原因是,不要把有限的抓取份额浪费在无意义的页面抓取上,导致应该取的重要页面却没有机会取。

浪费抓取份额的典型页面有:

大量过滤筛选页面。这一点,几年前关于无效URL爬行索引的帖子里有详细讨论。站内复制内容低质、垃圾内容日历之类的无限个页面

上面这些页面被大量抓取,可能用完抓取份额,该抓的页面却没抓。

怎样节省抓取份额?

当然首先是页面文件大小,提高服务器速度,优化数据库,抓取时间。

然后,尽量避免上面列出的浪费抓取份额的东西。有的是内容问题,有的是网站结构问题,如果是结构问题,最简单的办法是robots文件禁止抓取,但多少会浪费些页面权重,因为权重只进不出。

某些情况下使用链接nofollow属性可以节省抓取份额。小网站,由于抓取份额用不完,加nofollow是没有意义的。大网站,nofollow是可以在一定程度上控制权重流动和分配的,精心设计的nofollow会使无意义页面权重,提升重要页面权重。搜索引擎抓取时会使用一个URL抓取列表,里面待抓URL是按页面权重排序的,重要页面权重提升,会先取,无意义页面权重可能低到搜索引擎不想抓取。

最后几个说明:

链接加nofollow不会浪费抓取份额。但在Google是会浪费权重的。noindex标签不能节省抓取份额。搜索引擎要知道页面上有noindex标签,就得先抓取这个页面,所以并不节省抓取份额。canonical标签有时候能节省一点抓取份额。和noindex标签一样,搜索引擎要知道页面上有canonical标签,就得先抓取这个页面,所以并不直接节省抓取份额。但有canonical标签的页面取频率经常会,所以会节省一点抓取份额。抓取速度和抓取份额不是排名因素。但没取的页面也谈不上排名。

最新资讯
小心陷阱!用户扫码开通包月影视VIP 被自动续费79年

小心陷阱!用户扫码开通

商家设置的很多条款,不仅只对商家有利,消费者在开通时往
盖茨称TikTok是烫手山芋 扼杀脸书唯一对手令人匪夷所思

盖茨称TikTok是烫手山

微软创始人比尔·盖茨(Bill Gates)接受媒体采访时将该公
福特换帅背后:韩恺特输给了华尔街 法利能否打败特斯拉

福特换帅背后:韩恺特输

资本市场已经对这位即将退休的CEO失去了耐心。在福特
评:斗鱼虎牙如若合并,应当接受《反垄断法》严格检视

评:斗鱼虎牙如若合并,应

互联网巨头们此前依托平台优势和用户数量限制、排挤友
造车新势力扎堆赴美上市 如何破(kai)解(she)“盈利难”

造车新势力扎堆赴美上

业内人士指出,企业IPO估值能否维持在合理区间面临考验,
平台叫卖明星祝福视频产业链:最高售价二十万元

平台叫卖明星祝福视频

从法律层面来说,明星为企业录制宣传推荐视频时,更多的目
最新文章
新手干货之网站建设中常见的一些问题

新手干货之网站建设中

这篇文章主要介绍了新手干货之网站建设中常见的一些问
DNS污染检测方法 教你一招轻松验证DNS

DNS污染检测方法 教你

DNS污染,又称为域名服务器缓存污染(DNS cache pollutio
百度、360、搜狗、神马搜索份额多少?2018中国搜索引擎排行

百度、360、搜狗、神

最近有网友问了小编一个比较有意思的问题:2018年百度、
网站升级HTTPS教程

网站升级HTTPS教程

由于运营商的肆意劫持,越来越多的网站开始使用https协
简析如何才能把营销型网站做好

简析如何才能把营销型

如果一个企业的搜索引擎以及用户体验都比一般的企业好
如何正确设计404错误页面?5个让你的404页面变的更加实用的技巧

如何正确设计404错误

最近,有很多网友问小编如何正确设计404错误页面?今天爱