GEO-020·第 02 期·内容与语义·20 / 132
hreflang 之外：多语言站点的抓取一致性
hreflang 校验通过，德语商品页仍可能被 AI 判成重复页，德语提问永远轮不到你。本文拆开语言目录、canonical 与 hreflang 的三角冲突，讲清站点地图、缺失页与内容对等的处理，给出五步对齐做法和验收口径。
本期主线先被看见：抓取、渲染与 AI 爬虫可访问性
德国站上线两个月，运营在 ChatGPT 里用德语问“适合通勤的防水骑行背包推荐哪个”，答案里三个品牌，没有他们。技术同事先查 hreflang：校验工具 0 报错，双向标签齐全。再往下翻才看到问题——德语商品页的 canonical 全指向英语页，语言切换器是个 JS 下拉，sitemap 里也只有英语 URL。标签是对的，路是断的。
hreflang 只声明“谁对应谁”，不声明“这一页能被抓到”；语言目录、canonical、sitemap 三套信号不一致时，AI 拿到的是英语页，德语提问就永远轮不到你。
hreflang 是一句声明，不是一条通路
hreflang 只做一件事：告诉引擎这几个 URL 是同一内容的不同语言或地区版本，好让结果给出对应语言的那一版。它不创建页面，不提高可抓取性，也不保证被发现。
一个只在 hreflang 里被提到、HTML 里没有链接、sitemap 里没有条目、robots 或 WAF 还挡着的德语页，对爬虫等于不存在。更糟的是，标注指向一个抓不到的目标，这条标注本身变成噪音。
检索型爬虫是按问题取页面的：候选来自链接、sitemap 与站外引用，它未必替你跑一遍语言匹配，多数时候只抓它找到的那个 URL。所以每个语言版本要能独立成立——独立 URL、独立可达、独立可读。
检验方法很土但有效：把 hreflang 全删掉，德语页还能不能被链接到、被抓到、被读懂？能，标签才有意义；不能，先修通路，别改标签。
三套信号打架时，AI 信的是 canonical
语言目录决定 URL 形状，canonical 决定这一页算谁的，hreflang 决定对应关系。三者里 canonical 语义最强：一页把 canonical 指向另一页，等于自己承认“我不是正本”。
硬规则一条：每个语言版本的 canonical 指向自己，hreflang 指向其他语言版本，并且双向闭合。canonical 指英语、hreflang 也指英语，是自相矛盾；引擎通常按 canonical 处理，德语页被并进英语页，hreflang 白写。
| 常见配置 | 看起来没问题的地方 | AI 侧的实际结果 |
|---|---|---|
| 语言切换器只做 JS 或 cookie | 人点得动 | HTML 里没有指向德语页的链接，爬虫走不到 |
| 德语页 canonical 指向英语页 | hreflang 校验 0 报错 | 德语页被当作重复页，不参与德语答案 |
| sitemap 只有默认语言 | 站点地图提交成功 | 德语页只能靠切换器被发现 |
| 按 IP 或浏览器语言自动跳转 | 用户体验顺 | 爬虫被 302 回英语页，德语页不再被取 |
| 缺内容的语言页 302 到首页 | 没有 404 | 软 404，等于说这页不该存在 |
自动跳转单独说一句。按 IP 或浏览器语言把 /de/ 跳回 /，对人是省一步，对爬虫是把入口关上：它没有你的位置，也不带你的 cookie。真实语言页必须能在不带任何偏好时返回 200。这类 302 在日志里很好认，怎么把日志读成证据见一次完整的 AI 抓取审计。
sitemap 里，每个语言版本都要自己出现
sitemap 的 alternates 是 hreflang 的第二种写法：一条 <url> 挂一组 xhtml:link，或者每个语言各自成条。两种写法都行，判断标准只有一条：德语 URL 有没有作为一个可发现的条目出现。
清单五项：
- 每个语言版本在 sitemap 里有自己的
<url>，不是只出现在 alternates 里 - 每条
<url>的lastmod反映该语言的实际更新，而不是英语页的更新时间 - sitemap 按语言拆文件（
/sitemap-de.xml），覆盖差异一眼能看出来 - 提交后抽 20 条德语 URL，用
curl访问，返回 200 且语言正确 - alternates 里的 URL 与页面内 hreflang 完全一致，不出现两套写法
容易误判的一点是“提交成功”。sitemap 只解决发现，不解决优先级；如果德语页的全部入口只有 sitemap 一条，抓取顺序会被排到最后。补链接比补 sitemap 更直接：分类、筛选与分页里那条“三跳可达”，同样适用于语言目录。
内容对等：缺失页不能用机翻补齐
多语言站真正难的不是标签，是德语版有没有值得被引用的内容。200 个 SKU 的英语站，德语只做了 20 个的本地文案，其余 180 个用机翻铺页——这不是覆盖，是把 180 个薄页塞进德语索引，稀释掉那 20 个。
| 情况 | 该怎么做 | 不该怎么做 |
|---|---|---|
| 有本地需求，也有本地文案 | 独立德语页，尺寸、保修、配送按当地写 | 直接复用英语答案单元 |
| 有需求，没文案 | 保留英语页并标明语言 | 机翻生成空壳页 |
| 没需求，也没文案 | 404/410，或本地化的“暂不配送”说明 | 302 到英语首页 |
配套要改的是度量口径：看“德语有内容的 SKU 覆盖率”，不看“德语 URL 数”。后者只会鼓励铺页。
五步把三套信号对齐
| 步骤 | 做什么 | 谁来做 | 怎么算过 |
|---|---|---|---|
| 1 盘点 | 列出语言 × 模板矩阵，每格填一个真实 URL，标出有没有静态链接、在不在 sitemap、canonical 指向谁 | 工程 | 矩阵每格都有样本；空白的格子就是缺口 |
| 2 修三角 | canonical 改自指，hreflang 双向闭合，x-default 指向默认语言或语言选择页 | 工程 | 抽 20 个 URL，双向都对得上，canonical 全部自指 |
| 3 补通路 | 切换器改静态链接，sitemap 每语言独立成条与成文件，取消按 IP 或语言的自动跳转 | 工程 | 无 JS、无 cookie 抓取仍返回 200 的德语页 |
| 4 定缺失页 | 按上表三档处理，禁止无人工校对的机翻铺页 | 内容 | 德语 SKU 覆盖清单，缺口有明确处置 |
| 5 复测 | 同一批德语问题复测引用落地页的语言与 URL | 增长 | 引用页语言与提问语言一致的比例，按月记 |
第 1 步最容易被跳过，因为“我们有几个语言”听起来不需要盘点。真实站点里，语言目录常常是历史遗留：/de/ 与 /de-de/ 混用，部分页面来自旧站迁移，子域名和子目录并存。矩阵列出来之前，别急着改标签。
示例：一次德语站上线前检查
示例：一家做骑行配件的独立站（假设场景，不含真实品牌与数据），英语站 400 个 SKU，德语站两个月前上线，结构是 /de-de/。
检查出了三件事：德语页只作为 alternates 出现在英语条目的 sitemap 里；语言切换器是 JS 下拉，HTML 里没有链接；德语商品页的 canonical 指回英语页。改法对应三步：canonical 改自指、hreflang 补成双向闭合；sitemap 拆出 /sitemap-de.xml，每个德语 URL 独立成条；切换器改成静态 <a>，页脚同时给一条语言链接。
内容侧只做了 60 个 SKU 的德语文案，其余 340 个不铺机翻页，返回带德语说明的 404。验收看三件：无 JS 抓德语首页能顺着链接走到德语商品页；德语提问的引用落地页以 /de-de/ 开头；canonical 与 hreflang 双向一致。三件都过，再往上加 SKU。
边界：什么情况下这套对齐不适用
只做一个语言市场时不必做。英语站只卖美国，重点在抓取、渲染与答案单元，多语言一致性是空转。
成交发生在平台内的品类，先修 listing 与 feed。亚马逊、Shopee 的语言版本由平台管，官网 hreflang 与那些答案无关，三种载体的可访问性讲的是另一条线。
本地供给还没建起来时，不要先铺语言页。德语站上线了，但支付、退货、客服还只有中文团队，AI 把买家带过来只会放大退货。GEO 放大已有的供给，不制造供给。
用 ccTLD 的老站，历史结构改不动就别为了统一而全站迁移。先把 canonical 与 sitemap 对齐，URL 形状留在原地。
最后一种误用是把 hreflang 当排名工具。它解决的是“给哪个语言版本”，不解决“排第几”，也不解决“被不被引用”。
先做一件事：挑一个非默认语言目录，用 curl 抓 20 个 URL，不带 JS、不带 cookie、带上该语言的 Accept-Language，记三列——是否返回 200 且是该语言内容、canonical 是否自指、hreflang 是否双向闭合。出现“否”的那一行，就是本月要修的第一批；修完用同一批该语言的提问复测引用落地页，基线口径见AI 可见度基线。这条线的其余文章在内容与语义主题页。