SEO 是什么：搜索引擎其实只做三件事

先说结论：SEO 是什么？就是让搜索引擎在做那三件事的时候，每一件都别在你这儿卡住。

三件事是抓取、索引、排名。它们是先后关系，不是并列关系。第 3 件做得再漂亮，前两件不成立，那就什么都不会发生。

这一章我们拿本站自己开刀。域名 freeourdays.com，2026 年 9 月 1 日实测，全部命令你可以照抄去跑你自己的站。查出来的东西有点难看——一个早就删掉的页面还留在 Google 的索引里，一个页面被收了两遍，索引里存的标题还是改版前那一版，上一章发出去 7 天也没进去。这些都留在下面，因为一个只有好消息的例子教不了你任何东西。

抓取：爬虫怎么找到你的页面

爬虫是搜索引擎派出来的程序，它干的事和你按 Ctrl+U 看网页源代码几乎一样：请求一个网址，把返回的 HTML 存下来，从里面挑出链接，再去请求下一个。Google 的那只叫 Googlebot。

它怎么知道你的站存在？三条路：别人的页面链到了你、你自己提交的 sitemap、以及站内已抓到的页面里的链接。sitemap 就是你自己列的一份网址清单，放在站上一个固定地址，等于主动递给搜索引擎一句「我有这些页」。

先验证第一件事：爬虫来的时候，看到的和你在浏览器里看到的是同一个东西吗？

# 假装自己是 Googlebot 抓一次，只看 HTML 有多大
curl -s -A "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)" \
  https://freeourdays.com/posts/does-seo-still-matter-2026/ | wc -c

# 再用普通浏览器的身份抓一次，对比
curl -s -A "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36" \
  https://freeourdays.com/posts/does-seo-still-matter-2026/ | wc -c

-A 后面那一长串叫 User-Agent，是浏览器和爬虫访问网站时自报的身份。改掉它，服务器就以为来的是 Googlebot。

本站两次都是 141734 字节，一模一样。这是好事：说明服务器没有对爬虫另眼相待，正文实实在在写在 HTML 里。

把网址换成你自己的页面跑一遍。如果第一条命令的数字明显小于第二条，或者小得离谱（比如只有两三千字节），你的正文很可能是靠 JavaScript 在浏览器里现拼出来的。Googlebot 会渲染 JavaScript，但那是排在后面的另一道工序，不保证时机，也不保证每次都做。第 9 章会专门拆这个坑。

顺手再确认一件事——你有没有亲手把爬虫拦在门外。robots.txt 是放在网站根目录的一个纯文本文件，爬虫进门先读它，看哪些路径准进、哪些不准：

curl -s https://freeourdays.com/robots.txt

本站返回的是：

User-agent: *
Allow: /
Disallow: /api/

Sitemap: https://freeourdays.com/sitemap-index.xml

Allow: / 是全站放行，Disallow: /api/ 只挡住接口路径——那些地址返回的是 JSON，收录了对谁都没用。真正要命的写法是 Disallow: /，少一个 api 就从「挡住接口」变成「谢绝参观」，而这行经常是从别人的模板里抄来的。第 6 章会把这个文件逐行讲清楚。

这里有个细节值得单独说。 抓取搬走的只是文字，你在图里画了什么它一概不知。上一章那两张 AI 概览截图里有整整一屏的站名和数据，爬虫从图片文件里一个字也读不到。所以那一章的正文里另外用表格把同样的内容又写了一遍：

# 截图里出现的站名，正文里到底有没有对应的文字
curl -s -A "Googlebot" https://freeourdays.com/posts/does-seo-still-matter-2026/ \
  | grep -o "知乎专栏" | wc -l

结果是 7 次。这不是巧合，是写的时候刻意做的：截图只负责证明「这事真发生过」，它里面的每个数字都必须同时以文字形式出现在页面上。 图里的字、视频里的话、canvas 画出来的表格，对抓取这一步来说都等于不存在。

alt 是个例外，它是 HTML 文本，爬虫读得到。所以 alt 要写清图里在发生什么，而不是填个「示意图」交差。

索引：被抓到 ≠ 被收录

索引是搜索引擎的库。抓取只是把你的页面下载走了，接下来它要判断这一页值不值得存进库里——存了，你才有资格参与排名；没存，你在搜索结果里就是不存在。

Google 自己把这两步分得很开。它那份《Google Search Essentials》里有一句话，位置很不显眼，但说得毫不含糊：

It's important to note that just because a page meets all of these requirements and best practices, doesn't mean that Google will crawl, index, or serve its content.

页面把每条技术要求和最佳实践都满足了，也不代表 Google 会抓取它、收录它、把它拿出来给人看。原文见 Google Search Essentials。

「不代表」这三个字要当真。看本站的实测：

# 站上一共提交了几个网址（sitemap 是一整行 XML，所以按出现次数数，不能按行数数）
curl -s https://freeourdays.com/sitemap-0.xml | grep -o "<loc>" | wc -l

答案是 10 个。（这是本章发布前的数字。本章上线后你跑同一条命令会拿到 11，多出来的就是你正在读的这一页；它此刻只是进了 sitemap，收不收还得看下面那一节。）这 10 个还不是全部——/series/game-site-seo/ 能正常打开，却根本没写进 sitemap，是本站 sitemap 生成时漏了系列页。第 6 章讲 sitemap 的时候会一起修。

然后去 Google 搜 site:freeourdays.com，数一数它真收了几个。

截图顶上写着「找到约 640 条结果」。别高兴——这个数字基本没有参考价值。 640 里绝大多数不是这个站的页面，而是挂在同一个域名下的其他子域名：nextjs.freeourdays.com、skillsmanager.freeourdays.com、pixverse.freeourdays.com、moltbothub.freeourdays.com，那是另外几个项目。site: 是按域名后缀匹配的，子域名一律算进来。

这个数还会自己漂。同一天稍晚再查一次，它变成「约 649 条」，站上一个字都没动。

把范围缩到主域名，真实的收录清单是这样：

四处不对劲，一个一个说。

上一章那篇文章发了 7 天，还没进索引。 /posts/does-seo-still-matter-2026/ 在 sitemap 里，能正常打开，HTML 里有 14 万字节的正文，但搜不到。这不是出了故障，这就是新站的常态——一个几乎没有外部链接的新域名，Google 不着急。第 6 章会讲多久没收录才算真的出问题。

一个已经删掉的页面还在索引里。 那是 8 月做的一个 Product Hunt 日报页，后来撤掉了。现在访问它：

curl -s -o /dev/null -w "%{http_code}\n" \
  https://freeourdays.com/posts/producthunt-daily-2026-08-18/

返回 404。页面早没了，索引里的记录还在，别人搜到它就会点进一个死链。索引不是你网站的镜子，它是一份有延迟、会出错、按它自己的节奏更新的副本。 你删掉一个页面，Google 不会当场知道。

索引里存的标题是旧的。 同一次 site: 查询返回的结果里，/about/ 那条的标题是「关于我 - 弗雷FREE」，/posts/ 那条是「文章| 弗雷FREE」。这个站早就改过名了。看现在的真实标题：

for u in /about/ /posts/; do
  curl -s "https://freeourdays.com$u" | grep -o "<title>[^<]*</title>"
done

出来的是 关于 Game Site Academy | Game Site Academy 和 AI 游戏网站搭建教程 | Game Site Academy。搜索结果里显示的标题，是 Googlebot 上次来的时候看到的那一版，不一定是你现在这一版。 所以改完 title 别急着看排名有没有变，先确认 Google 已经重新抓过。

这一步顺带露出另一个毛病：/posts/ 现在的 title 和首页一字不差，两个页面在抢同一个标题。第 7 章讲 title 的时候会把全站重复标题一次查干净。

同一个页面被收录了两遍。 这条最值得你现在就去查自己的站：

# 同一个页面，网址末尾差一条斜杠
for u in /terms /terms/; do
  curl -s -o /dev/null -w "$u → %{http_code}\n" "https://freeourdays.com$u"
done

两个都返回 200。对搜索引擎来说，/terms 和 /terms/ 是两个不同的网址，内容却一字不差。截图里那两条服务条款结果就是这么来的，标题还不一样：一条是「服务条款| Game Site Academy」，另一条被 Google 接上了站名，成了「服务条款| Game Site Academy - AI 游戏网站搭建教程」，下面的摘要则完全相同。

这条证据有个坑。 同一天稍晚重搜一次，那两条只剩一条了——Google 会把同一个站的近似结果折叠起来，不同请求折叠得还不一样。所以别把搜索结果页当检测工具，上面那两行 curl 才是稳的：两个网址都返回 200 且内容相同，问题就客观存在，这一刻能不能在结果页看见它是另一回事。

sitemap 里那 10 个网址，我们一个个试过，带斜杠和不带斜杠都返回 200，一个例外都没有。这是本站实际存在的一个缺陷，第 9 章讲重复内容的时候会把它修掉，并且把过程写出来。

先记住这个判断：页数多不等于收录多，收录多也不等于内容多。 一份内容拆成两个网址，不会让你多一份曝光，只会让搜索引擎在两个几乎一样的页面之间反复犹豫。

排名：同一个词凭什么排你在前面

前两步是资格审查，这一步才是比赛。库里所有跟这个词有关的页面排成一队，谁在前面。

这一步的官方名字其实不叫排名，叫「呈现搜索结果」（Serving search results）。 差别不是文字游戏。Google 那份《How Search Works》讲到这一步时补了一句：Search Console 说某个页面已收录、你却在搜索结果里找不到它，可能是内容跟查询不相关、质量不够，或者 robots 元标记禁止了呈现。「被收录」和「会被拿出来给人看」还是两件事，这是第三层最容易被忽略的一半。（Google 搜索中心：How Search Works）

这里不打算罗列排名因素。官方在同一页上只说了这么多：

Relevancy is determined by hundreds of factors, which could include information such as the user's location, language, and device (desktop or phone).

数百个因素，点名的只有三个：用户位置、语言、设备。Google 从来没有公布过完整清单。 所以那些「SEO 排名因素 200 条」的文章，能对上官方口径的就是上面这一句，剩下的都是各家自己的推测和逆向观察——不是说没价值，但它和官方说法不是一回事，中文互联网上转来转去的版本往往连这个区别都不标。

不看清单看什么？看第一页。排名是相对的——你不需要满足某个绝对标准，只需要比现在排第一页那几个更值得排。所以判断「我能不能排上去」的正确动作不是对着因素表打分，是去搜那个词，看第一页站着谁。

拿这篇文章自己举例。它想排的词是「seo是什么」。我们在动笔前测过一批词的竞争度（用哥飞版关键词难度估算，地区参数 gl=us，2026-08-25），seo是什么 是 24.9 分，属于「容易」，工具估算进前十约需 30 个引用域。同一批里最容易的 seo竞争度分析 只要 10 个；最难的 网站测速工具 84.5 分、需要 530 个——那个词第一页全是各家测速工具的官网，新站去碰只是浪费时间。

不是「我要做好 SEO」，是「这个词第一页那十个我能不能超过」。第 4 章会把这套判断拆成可执行的步骤。

还有一条现在就能用：排名是按查询词逐个算的，你的站没有一个统一的「排名」。同一个站，某个冷门长词可能排第 3，某个热词连前 100 都进不去。所以「我的网站排名怎么提升」问不出答案，「《原神》武器突破材料这个词我现在排第几」才问得出。

跟着一个游戏攻略页走完全程

假设你刚给自己的原神攻略站加了一页，讲某把新武器的突破材料要去哪刷。发布之后会发生什么：

第一天，什么都没发生。 页面在线上，Google 不知道它存在。你的站没有多少外部链接，Googlebot 不会没事就来转一圈。

它得先听说这一页。 三条路：sitemap 里出现了这个网址；站内某个已被抓到的页面链到了它；或者外站有人链了它。第三条最快，也最难安排。这就是第 8 章要专门讲内链的原因——内链不只是给读者的导航，它是爬虫在你站内的唯一路线图。

Googlebot 来抓。 它请求这个网址，把返回的 HTML 存走。如果材料表格是靠 JavaScript 从接口拉回来渲染的，它这一趟看到的可能是个空壳。

接着是收录判断。 如果你站上已经有三个页面在讲同一把武器的同一批材料（总览页、单武器页、材料反查页，内容大段重合），Google 会挑一个，剩下的可能就不收了。本站 /terms 和 /terms/ 是这个问题的极端版本——两个网址内容完全相同。

最后才是排名。 有人搜「某武器 突破材料」，你的页面和另外几十个排队。这时候起作用的是：你到底有没有回答这个问题，还是绕了三段废话才给出材料清单。

整条链上，你能插手的地方比你想象的少，但每一处都有具体动作。

这三件事分别对应你能控制的哪三件事

页面不来流量，先定位它卡在哪一层：

三行里最不由你说了算的是中间那行。抓取有明确的开关，排名有明确的对手，收录既没有开关也没有对手——你只能把理由给足，然后等。本站那篇发了 7 天还没收录的文章，此刻确实没有任何「操作」可做，第 6 章会讲什么时候该催、什么时候催了也是白费力气。

动手清单

给自己的站做一次收录盘点。先手动数两张单子，再用脚本把三项检查一次跑完。

1. 开无痕窗口搜 site:你的域名，把结果里属于主域名的网址全抄下来，子域名的不算。顶上那个「找到约 N 条」直接忽略；
2. 打开你的 sitemap，把里面的网址也抄下来。地址一般写在 robots.txt 最后一行，常见的是 /sitemap.xml，也可能是 /sitemap-index.xml 套着几个子文件——那就先打开索引文件，找到真正列网址的那一个；
3. 两张单子对着看，标出三类：在 sitemap 里但没被收录的、被收录但不在 sitemap 里的、同一份内容出现两次的；
4. 第二类逐个 curl 一下状态码。返回 404 的，就是留在索引里的死链；
5. 把下面这段存成 check-index.sh，改掉头两行的 SITE 和 sitemap 地址再跑。

SITE="freeourdays.com"
BOT="Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)"

# 一、sitemap 里列了哪些网址
curl -s "https://$SITE/sitemap-0.xml" \
  | grep -o "<loc>[^<]*</loc>" | sed "s/<[^>]*>//g" > urls.txt
echo "sitemap 里有 $(grep -c . urls.txt) 个网址"

# 二、每个网址两种写法各返回什么：带斜杠 / 不带斜杠
while read -r url; do
  bare="${url%/}"
  printf "%s %s   %s %s\n" \
    "$(curl -s -o /dev/null -w "%{http_code}" "$url")"  "$url" \
    "$(curl -s -o /dev/null -w "%{http_code}" "$bare")" "$bare"
done < urls.txt

# 三、首页在两种身份下抓回来一样大吗
echo "Googlebot: $(curl -s -A "$BOT" "https://$SITE/" | wc -c) 字节"
echo "浏览器:    $(curl -s "https://$SITE/" | wc -c) 字节"

怎么验证做对了

• 你能报出两个数：sitemap 里几个网址，主域名实际被收录几个。报不出来就是没查；
• 你手上有一份「被收录但站上已经没有了」的清单。它可以是空的，但必须是查过之后确认为空，不是猜的；
• 第二项输出的每一行你都看过了。两个状态码都是 200 的行，就是你的重复网址清单，第 9 章要用；
• 两个字节数你记下来了，差距在几百字节以内。差出一半以上的别等第 9 章，现在就去看页面源代码里有没有正文；
• 如果 site: 一条主域名的结果都没有，这也是结论，不是查询失败：整站还没进索引。第 6 章就是为这种情况写的。

下一章开始选词。在你还不知道玩家到底在搜什么之前，上面这三件事都无处可用——它们保证的是「你能被搜到」，不保证有人搜。第 3 章讲三个不花钱的办法：搜索联想、玩家社区里反复出现的提问、竞品站的导航，产出你的第一批 20 个候选词。