抓取覆盖率：一个被忽略的 GEO 指标

二月第一周，一家做露营照明的独立站复盘去年秋冬的上新。运营发现，AI 答案里反复出现的还是两款两年前的主力灯；去年补的六个色温版本、两个套装组合，一次都没被提过。工程同事查了 robots.txt、sitemap 和状态码，全放行，全是 200。会开到这儿卡住了：没有人算过，这批新页面里，检索类爬虫到底抓过几个。

从可抓取到被抓取再到被引用，是一条逐级漏损的漏斗；抓取覆盖率是漏斗的第一格，不按模板算它，后面所有优化都在赌。

口径：分母由人定，分子只认验证过的请求

覆盖率最容易被做成一个漂亮的假数字：分子和分母都能随手挑。先把两件事写死。

分母是你希望被 AI 读到的 URL 集合，按模板分组，只收 canonical 版本。商品页、类目页、对比与测评文章算；筛选参数页、站内搜索结果、购物车、账户页不算。

分子是在一个明确时间窗内至少被一次验证过的检索类爬虫请求过、返回 2xx、且关闭 JS 时正文非空的 URL 数，按 canonical 去重。

第一，全站一个百分比没有用。分母里混进参数页，覆盖率永远是个很低的数，团队会把它当噪音；按模板算，数字才能落到“改哪张模板”。

第二，被抓到不等于被读到。返回 200 但首屏是空壳的页面，算进分子就是假通过，必须抽样做无 JS 对照。抓取之前的断点分几层、各层怎么取证，见一次完整的 AI 抓取审计。

第三，分子只认验证过的爬虫。UA 是日志里最容易伪造的字段，不核验 IP 的请求会把覆盖率刷高，这是最隐蔽的一种假通过。

还有个口径要先说清：Google 后台能看索引状态，AI 侧没有对等报表。所以“被抓取”是观测链上的最后一格，再往后只能用引用做代理——覆盖率因此比索引覆盖率更基础，也更早该被盯。

为什么这个指标总被跳过

不是团队懒，是结构上没人对它负责。AI 平台不提供抓取覆盖报表；SEO 工具的可见度数据在结果页那一侧；能证明“来过”的只有服务器日志。而日志通常被当排障工具：出 5xx 才拉，平时不看。

三个机制让它天然隐形。

分母需要人的判断。 工具不会替你决定哪些页面值得被 AI 读。

抓取是低频事件。 一个长尾类目页可能几十天才被回访一次，按周算覆盖率会剧烈抖动，像随机数。窗口至少 30 天，SKU 多、模板多的站用 90 天。频率怎么分配，见抓取预算不是 Google 的专利。

覆盖率不产生收入，只产生上限。 它决定有多少页面有机会被引用；等复盘时发现答案里没有你，这个上限已经定完了。

这个指标的价值不在数字，而在它能被拆到模板，逼你回答：哪一类页面，AI 根本没读到。

一次测量：五步，两周内能出第一版

步骤	做什么	谁来做	怎么算过
1 圈分母	按模板导出 canonical URL 清单，写清排除项与生成规则	增长与工程	每个模板一张清单，条数可复现
2 洗日志	拉 90 天日志，先按 UA 粗筛，再用反向 DNS 或官方 IP 段核验，URL 归一到 canonical	工程	每个模板得到一个“被抓过”的 URL 集合
3 算覆盖	按模板算命中率并分档：断点、待排、稳定	增长	一页表，每行一个模板，附低覆盖样本 20 条
4 归因	只看低覆盖 URL，找共同特征：内链深度、入口数量、lastmod、是否只靠 sitemap	技术负责人	每个模板一条可验证假设，不写“可能是”
5 排期与复测	只挑一个模板改，30 或 60 天后同口径重算	增长	有前后对比，且能解释差异

第 3 步的分档阈值请写成团队内部约定，不要当成行业基准：不同品类、不同模板结构的合理水位差别很大。有信息量的是模板之间的落差，不是单看某一个数。

第 4 步最容易走偏：拿着覆盖率去催内容团队多写。低覆盖的常见原因是结构性的——页面没有可抓取的链接入口、只存在于 sitemap、变体从主 SKU 分叉出去。这些都不是写一篇文章能修的，具体做法见给 AI 看的导航：分类、筛选与分页。

示例：缺口最大的那张模板，通常不是你以为的

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），有商品页、类目页、变体页、测评文章四类模板。90 天口径算下来，类目页和测评文章覆盖得不错，商品页只到一半，变体页几乎没有。

第一反应是去改商品页。但把变体页的 URL 抽出来看，问题很清楚：只从主 SKU 页的一个下拉框指向，没有可抓取链接，sitemap 里也没有条目——不是内容不好，是根本没有入口。

改法因此不是补文案，而是三件工程活：给变体生成可抓取的独立链接，在 sitemap 里分开列并维护 lastmod，把色温这类属性收进主页面的一段规格说明。复测时这张模板的覆盖率明显上升，另外三张没动——这才说明改对了地方。

同一轮复测里，引用并没有同步上涨，这在意料之中。覆盖率只解释“能不能被读到”；被读到之后说什么、凭什么被推荐，是答案单元和第三方证据的事。两件事混在一个指标里，就会在错误的层级上反复返工。

覆盖率涨了、引用没动，怎么读

覆盖率是必要条件，不是充分条件。三种读法，对应三种动作。

涨了但仍很低。 先怀疑分母：模板是不是切得太碎，把一次性页面、即将下架的页面都收了进来。分母收缩一次，往往比修十个页面有效。

涨到稳定档，引用还是不动。 说明瓶颈已经转移，继续压工程是浪费。这时该看答案单元与站外证据；引用层怎么测，见先建基线：你的 AI 可见度现在是多少。

覆盖率没涨，引用反而涨了。 先查分母是不是漏了页面——被引用的那几页如果压根不在分母里，指标本身就已经失真。

还要接受一个时间差：抓取到引用之间隔着索引与重排，别按周看这个数。月度节奏、固定口径、同一批问题复测，是这条线上唯一靠得住的纪律；其他判断在度量与增长主题页。

边界：什么时候别做这个指标

URL 总量只有几百的站。 抽样人工看即可，做报表的成本高于收益。

成交主要发生在平台内。 亚马逊、Shopee 不给日志，覆盖率无从算起；用 feed 字段完整率和 listing 变更时效替代，别硬套官网口径。

主动屏蔽了检索类爬虫。 覆盖率低是策略的结果，不是问题。先把策略写成书面文件，再决定要不要看这个数。

大促前两周。 上新与临时页会让分母剧烈抖动，测量窗口避开这个区间。

打算拿它考核团队。 一旦进 KPI，最省力的做法就是往分母里塞容易抓的页面，把数字做漂亮。这个指标适合做诊断，不适合做考核。

把动作收窄，这个月只做一件事：挑本季度上新最多的那张商品模板，导出它的 canonical URL 清单，拉 90 天日志按模板去重统计，算出这一张模板的覆盖率；把没被抓到的 URL 按“内链深度”和“sitemap 状态”分成两列，各挑 10 个，下个月的今天用同一口径再算一次。