太长不看版： 上万篇的网站做内容剪枝，第一步是用 Search Console 16 个月的数据把文章分成三层：A 核心（近 90 天有点击，或贡献前 80% 流量）只准加强、不准动。B 有流量的维持。C 零展现的再拆成“其他引擎或镜像还有流量”和“哪里都没流量”两种，只有后者的旧文才是候选。处理手段是按 ID 名单、只对 Google 加 noindex，不删文章、不批量返回 410。重复内容的合并依据是视频 hash 完全相同，标题相似不算：我们在一个 1 万多篇的视频内容站按标签配对抽查 50 组，真正同主题的只有约 6 组。剪枝本身不会带来流量，它做的是把抓取预算让给值得排名的页面，这一点要在报告里先讲清楚。
剪枝解决什么问题，不解决什么问题
1 万多篇的站里有 9,528 篇 16 个月零展现：内容剪枝解决的就是这类低价值网址占走抓取额度的问题，它把抓取资源移到有价值的页面，但不会直接让点击上升。
网址量一大，抓取预算就成了瓶颈。Google 在大型网站抓取预算说明↗里讲得很直白：爬虫花在低价值网址上的时间，就是没花在重要网址上的时间。上万篇的内容站，收录率天生偏低，也不可能逐页人工处理，只能用规则分批决定哪些页面值得被抓、哪些页面该让位。
我们接手的一个 1 万多篇的视频内容站，Google 16 个月都没给过任何展现的文章有 9,528 篇。也就是说，这个站大部分页面在 Google 眼里等于不存在。比例到这个程度，任何“再多发一点”的计划都只是在加重同一个问题。
但剪枝的效果要讲准。它的作用是把抓取资源从零价值页面挪到有价值的页面，不会直接让点击上涨。如果报告里写“剪枝后预计流量提升 X%”，就是在承诺一个没有证据的结果，以后流量没动，整套做法会被一起否掉。我们在报告里固定写的是：剪掉多少、让出来的是哪一层、接下来看哪几个指标、看多久。
分层要用 16 个月数据，不靠直觉
内容剪枝的分层要用 Search Console 最长的 16 个月数据，分成 A 核心、B 有流量、C 零曝光三层。
分层依据是 Search Console 能拉到的最长区间，也就是 16 个月。只看 3 个月会把季节性内容误判成死页。只凭“感觉没人看”更危险，印象和排名经常对不上。三层定义如下：
| 层 | 定义 | 处理方式 |
|---|---|---|
| A 核心 | 近 90 天有点击，或贡献全站前 80% 流量 | 保护名单：不改网址、不 noindex、不合并；只做加强（内链、内容） |
| B 有流量 | 16 个月内有一定点击 | 维持，视情况优化 |
| C 零展现 | 16 个月内 Google 从未展现 | 再拆 C1／C2，见下一节 |
A 层的门槛故意放宽成“或”：近 90 天有点击的页面，哪怕只有一两次，说明还有真人在找它。前 80% 流量的页面就算最近安静，也是站的骨架。两个条件满足任意一个就进保护名单。保护名单的意思是连“顺手整理一下网址”都不行，网址一变，积累的信号就要从头再来。
看流量要看绝对值，别只看比例。搜索结果页跌 50% 可能只少 500 次点击，文章页跌 10% 却可能少 2 万次。分层也是同样的逻辑：A 层篇数可能很少，扛的却是整个站的流量，任何可能碰到它的操作都要先过一遍名单。
C 层还要再拆一次
“Google 零展现”不等于“没人看”。这类大型内容站通常不只靠 Google，Yandex、Bing、百度各有分量，镜像域名上也可能有用户。所以 C 层还要再拆：
- C1：Google 零展现，但在其他搜索引擎或镜像域名有流量 → 不动。
- C2 旧文：哪里都没有流量，而且已经上线一段时间 → 候选“只对 Google noindex”。
- C2 新文：哪里都没有流量，但刚上线不久 → 先观察，还在被评估的页面不适合下判断。
前面那个 1 万多篇的站，C 层 9,528 篇拆完是 C1 4,977 篇、C2 旧文 3,105 篇、C2 新文 1,350 篇。如果不拆，直接对 9,528 篇动手，超过一半其实在别的引擎有人看的页面会被一起处理掉。真正进入候选的只有三千多篇，大约是 C 层的三分之一。
C 层抽查还有一个发现：大约一半是“已收录，但没有任何展现”。也就是说，它们的问题是收录了却排不上去，并不是 Google 不知道这些页面。这会影响手段的选择：没收录的页面补 sitemap 或内链可能有用，已收录零展现的页面再怎么提交索引也不会变。
剪枝的四条红线
内容剪枝有四条红线：不删文章、不整批 noindex、不碰 A 层名单、不承诺剪枝会带来流量。
这四条是我们在大型站上不会越过的线，每一条都对应一种很难回头的后果。
一、不删文章，不批量返回 410／404。 大批错误页本身就是负面信号。一次让几千个网址变成 404，爬虫看到的是一个突然坏掉一大块的站。而且删掉的页面里只要有一页其实还在排名，就等于亲手把那份流量送进错误页。删了再想恢复，等于重新发一遍文。
二、不整批加 noindex。 要做就按 ID 名单，而且只对 Google。整批套用的规则（比如“某个分类全部 noindex”）一定会扫到 A 层或 C1 的页面，下一节会讲为什么范围还要限定在 Google。
三、A 层名单上的页面一律不碰。 不改网址、不合并、不 noindex。剪枝的任何批次在执行前，都要先和 A 层名单比对一次，命中就剔除。
四、不承诺剪枝会带来流量。 这一条写在报告第一段。剪枝让出的是抓取预算，预算被拿去抓哪些页面、那些页面能不能排上去，是另外的问题。
为什么只对 Google noindex，而不是整批加 meta robots
内容剪枝只对 Google 加 noindex，因为普通 noindex 会连镜像站的 Yandex、百度流量一起弄掉。
这个做法是踩过坑才定下来的。同一个视频内容站有镜像域名，主站和镜像共用一个后台，在主站加的 meta 标签会同时出现在镜像上。如果 C 层直接加 <meta name="robots" content="noindex">，镜像那边的 Yandex、百度流量会一起掉，而这部分流量正是 C1 的来源。
解法是只把指令给 Google 的爬虫：
<meta name="googlebot" content="noindex, follow">
Google 的 robots meta 标签文档↗说明了 googlebot 这个名称只作用于 Google 的爬虫。Bing、Yandex、百度读的是 robots 或各自的名称，不受影响。Yandex 的规则可以对照它的 meta robots 说明↗。保留 follow 是为了让页面上的链接继续传递，这些旧文往往还链着 A 层页面。
另外，noindex 和 robots.txt 屏蔽不能同时用在同一批页面上：爬虫要能抓到页面，才读得到 noindex。
说实话，“只对 Google noindex”对抓取预算的实际效果，我们目前还没验证完，要等那个站的 C2 旧文名单实施之后持续跟踪才知道。数据出来之前，我们不会把它写成已知有效的做法。
视频 hash 相同，才算重复内容
重复内容只有在视频 hash 完全相同时才能合并。标题、标签或上传账号相似，只能当作去查证的线索。
大型视频内容站最常见的误判，是看标题相似就合并。我们在同一个站按标签配对抽查了 50 组“看起来重复”的文章，真正同一个主题的只有约 6 组。其余的大致是这几种：
- 不同日期的榜单，标题几乎一样，内容是不同周期。
- 同一支长视频切出的不同片段，标题只差片段编号。
- 换了细节的不同视频，标题沿用同一个模板。
合并的依据因此是视频 hash 完全相同，也就是文件本身一样。标题、标签、上传账号相似，都只能当成“去查”的线索，不能当成“去合并”的依据。文字站也是同一个道理：要有内容层面的证据，不能只看标题。
确认重复之后的处理：
- 来源页 301 到目标页，目标选主网址，不选排序页或筛选页。302 不行，302 告诉搜索引擎这是临时的，信号不会合并。
- 来源页从 sitemap、列表页、相关推荐里全部移除，别让站内还有链接指向 301。
- 连载系列不合并。每一集都有各自的搜索需求，改成上一集／下一集互链。
- 从源头拦：运营发布前先查重，比事后合并省事得多。
Google 在合并重复网址的说明↗里把 301、canonical、sitemap 都列为信号，其中 301 最强。我们在已确认重复的页面上用 301，canonical 留给“两页都得存在、但只想让一页参与排名”的情况。sitemap 里只放返回 200、可索引的网址，格式规范见 sitemaps.org 协议↗。
权重集中：把让出来的预算导回 A 层
剪枝让出抓取预算后，要给 A 层补同主题内链，并在首页与分类页只放 A 层标签的入口，预算才不会被平均分掉。
剪枝只做完了一半。让出抓取预算之后，要让爬虫和用户更容易走到 A 层，否则省下来的预算只是被平均分给剩下的页面。
我们的做法是两件事。第一件是给 A 层补内链：从同主题文章链过去，配对方式是看两篇文章是否共用同一个人物或事件标签。相关推荐也改成“同标签优先”，不再随机或单纯按时间排。第二件是在首页和分类页加一个“热门标签”入口，入口里只放 A 层的标签。
“只放 A 层”这个限制很关键。首页的链接是全站分量最重的，把它分给零展现的标签，等于把最好的位置让给最不需要的页面。
做完之后怎么判断、怎么写报告
剪枝报告要先写数据变化再写判断，原因分成四级标示，所有状态都用 curl 请求正式站确认，不以延迟的报表为准。
剪枝报告最容易犯的错是先下结论。我们的顺序是固定的：数据变化、变化范围、具体页面、具体关键词、页面现状，最后才是判断。原因分四级写：已确认（有技术、数据或页面证据）、高概率（多个维度互相印证）、待验证（只有相关性）、已排除（查过可以排除）。“算法波动”这种没有证据的说法不写。
状态一律以线上为准。noindex 有没有真的出现在页面上、301 是不是 301 而不是 302、sitemap 里是否已移除，都用 curl 直接请求正式站确认。Search Console、Bing、Yandex 的报表有几天到几周的延迟，拿来推断“现在”的状态一定会误判。
如果只有一个搜索引擎出现异常，就只做那个引擎的专项，不要因此动全站的剪枝规则。另外，“暂不调整”是有效方案，前提是写清楚为什么不改、观察什么、观察多久、出现什么条件才动手。C2 新文那 1,350 篇就属于这一类：先观察，不动手。Bing 的网站管理员指南↗对低质量和重复内容的态度与 Google 接近，如果 Bing 流量对你的站有分量，观察指标里也要把它算进去。
如果你的站也是上万篇、收录率偏低，想先弄清楚 A／B／C 各有多少篇，这类分层盘点我们在 SEO 建站与代运营服务里会先做一次，各方案的范围写在价格页。盘点做完之后要不要剪、剪多少，再按你站点的实际流量结构一起定，这部分也包含在 SEO 建站与代运营的范围里。
这篇是大型网站 SEO 指南的其中一章，六个工作面的全貌和接手第一周的处理顺序都整理在那里。
常见问题
内容剪枝一定要删文章吗？
不用，大型站也不建议删。大批 404／410 本身就是负面信号，删完才发现其中有页面还在排名，也救不回来。我们的做法是按 ID 名单、只对 Google 加 noindex，页面对用户和其他搜索引擎照常存在。
为什么分层要用 16 个月，不用 3 个月？
16 个月是 Search Console 能拉到的最长区间。短区间会把季节性或周期性内容判成零展现，误剪掉每年固定会回来的页面。
Google 零展现的页面可以直接处理吗？
要先拆。我们的例子里，9,528 篇 Google 零展现的文章，有 4,977 篇在其他搜索引擎或镜像域名有流量，直接处理会把这部分流量一起拿掉。真正进候选的是哪里都没流量的旧文。
标题很像的文章算重复内容吗？
不一定。我们按标签配对抽查 50 组看起来重复的文章，只有约 6 组真正同主题。视频站的合并依据是视频 hash 完全相同，文字站也要有内容层面的证据，标题相似只能当调查线索。
剪枝之后多久能看到流量变化？
剪枝本身不直接带来流量，它让出的是抓取预算。能不能转化成流量，要看让出的预算有没有导向 A 层、A 层页面本身够不够好。所以报告里写的是观察指标和观察期，不写预估的流量涨幅。你的剪枝报告里，写的是观察期还是流量预估？
相关文章
- strategyAI 批量发文的质量关卡：发布前 12 项检查、前台验收与修后再查每天几十篇 AI 辅助产出的文章，错误几乎都是模板性的，一错就是十几篇。这篇整理我们实际在用的发布前 12 项检查、发布后的前台验收步骤、自动修正为什么一定要配修后检查，以及验证时最常被误判的三件事：原始 HTML、UA 与非当前标签页。
- strategy大型网站索引管理：页型规范表、sitemap 四条规矩、镜像与多域名怎么处理网址几十万的内容站，收录率低多半不是内容不够，而是该进索引的页和不该进的页混在一起。本文整理我们实际在用的页型规范表、sitemap 四条规矩、canonical 与 301 的写法、镜像域名三种处理方式，以及只对 Google noindex 的做法和风险。
- strategy大型网站 SEO 怎么做：六个共同特征、六条原则，和一套能照着走的方法网址上万、镜像域名一堆、Google 之外还要顾 Yandex 和 Bing、标签页失控、每天批量发文、改动要靠别人排期。这篇整理大型网站 SEO 的共同特征与六条基本原则，再用六章摘要带你找到索引、剪枝、标签、诊断、分工、发文质量的完整做法。