搜索引擎做為網站流量的重要來源，網站的收錄量自然是大部分網站運營人員關心的問題。
先明確一些基本點，一個網頁被收錄與否，有兩個因素:
是否被爬蟲爬過
頁面質量是否過關
上一篇文章已經提過了收錄率這麼一個指標，很多網站都懶得去做這個指標，“我看看site的數據不就行了！”，事實上沒有這個指標，很多工作就無從下手。從數據中找出問題，利用數據指導解決方案，分析數據驗證工作成果。 最近看了《深入淺出數據分析》這個本，覺得不錯，把數據分析的方法講得很生動，建議有興趣的從事數據分析的同學可以買本看看。 任何數據分析由，目標->分析->評估->決策，四個環節組成。
目標：我們想看一下網站的收錄情況如何，在SEO方面是否還有提高的機會。
分析：收錄情況什麼算好什麼算壞，是不是用一些指標來衡量？網站的收錄情況是不是過於籠統，是不是應該細分下各個頁面的收錄情況？
評估：於是我們需要下面一些數據
> 網站的頁面層級關系
> 各個層級頁面帶來的SEO流量
> 各個層級頁面的收錄情況如何
SEO流量的占比可以從Google Analytics中過濾出來。
頁面數量可以從數據庫獲得，或者通過火車頭or自制小腳本抓取統計。
收錄率可以將獲取的頁面通過工具進行搜索，火車頭也可以。
問題立馬凸顯！
1+2級目錄頁帶來了大量的流量，收錄率不是很好，優化收錄的流量提升突破口在此！
產品頁面數量很多，收錄也不是很理想，但是帶來的流量有限，除了收錄問題，還有頁面內容的問題，本文中先不管它了。
決策：我們的結論是立刻展開行動對目錄頁面進行收錄的優化。
看到這邊，似乎剛開始的目標：“通過優化收錄提升流量”
演變成了新的目標：“如何提高目錄頁面的收錄量”
這邊能不能再次通過數據分析的方法進行SEO呢？
答案是肯定的！
我們再來重新走一遍 目標->分析->評估->決策 的過程
目標：提高目錄頁面的收錄量
分析：通過本文開始的有關收錄的兩個因素，我們需要檢查一下，網頁是否被爬蟲爬行過，網頁的質量是不是過關。
1. 關於爬蟲的情況，我們需要分析日志，才能確定。於是我們從日志中拆分一系列數據看看頁面是否真的被爬行過。
2. 由於頁面質量似乎是一個很難衡量的值，於是我們可以用相同模板下的：
已被爬行的頁面數量/已被爬行並且被收錄頁面數量
來評估該模板頁面質量對收錄的影響大小。如果被爬的頁面都被收錄了，那至少說明這套頁面的內容搜索引擎還算認可。（實際情況遠比這個復雜，而且收錄後也有可能因為質量問題被刪除，但總比什麼參照都沒有要好，對吧！）
評估：（敏感信息用編號代替，均為真實數據）
先看一下爬蟲日志的情況，通過Shell腳本，我們可以分析出。
目錄總計被爬行的次數為13000次左右
不重復的目錄爬行次數為5500次左右
頻道A下的目錄幾乎被100%抓取過至少1次，頻道B的目錄抓取也不錯，有70%被至少抓過一次。
其余頻道下的目錄被抓取的覆蓋率不到30%
不要覺得這個結果很神奇，其實很多網站都會面對這樣的糟糕問題，只要你把數據不斷的細分，細分，再細分，總會觀察出一些端倪的。
關於日志分析，不要迷信任何的日志分析軟件，那都是給懶人用的，自制腳本+Excel才是王道，可以拆分顯示出任何你想要的數據，當然，甚至可以連Excel都不要。
然後，我們統計了一下被抓得最頻繁的頻道A和頻道B，目錄頁的收錄率
頻道A和B是很讓人放心的，說明頁面質量沒問題，但是余下的收錄情況就讓人比較擔心了。
決策：通過上面的數據評估，我們已經得到了如下結論。
頁面質量並不是影響收錄的原因。
頻道A，B的抓取量異常的高，通過調查了解，原來是首頁上的目錄頁，顯示的全是頻道A下的目錄頁，首頁又擁有全站最高的權重。頻道B擁有比其他頻道強大的外鏈資源，權重也非常高。
除了A, B頻道，其他頻道的抓取情況不容樂觀，抓取入口太少，太深，進而影響了收錄情況。
很明顯，現在頻道A從站內的角度