孤立页面：如何查找、修复与预防

当毫无防备的 SEO 从业者接手一个历史悠久的老网站时，前方往往布满陷阱。

历届代理机构遗留下来的技术性错误，会拖慢并阻碍 SEO 工作的推进。

被派去收拾这些遗留问题时，找到能快速见效的修复方法是首要任务。

于是可能从一次基础站点审计入手，结果发现不少孤立页面（orphan pages）。你或许听说过孤立页面对网站有害，却不完全清楚其含义与修复方法。

本文将介绍：

• 孤立页面的定义
• 孤立页面的成因
• 孤立页面对 SEO 的危害
• 如何查找孤立页面
• 如何修复孤立页面
• 如何预防孤立页面

什么是孤立页面？

孤立页面指搜索引擎难以发现的页面，因为站内没有任何其他地方链接到它。

这类 URL 常被遗漏，因为搜索引擎爬虫只能通过站点地图文件或外部反向链接发现页面，而用户需要知道 URL 才能访问。

孤立页面是如何产生的？

孤立页面通常由意外产生，原因多样，最常见的是在网站迁移、导航调整、网站改版、产品缺货、测试或开发页面等环节缺乏规范流程。

孤立页面也可能是有意为之，例如促销页面、付费广告落地页，或任何不希望出现在用户访问路径中的页面。

为什么孤立页面对 SEO 有害？

搜索引擎很难找到孤立页面，因为它们依靠链接发现新内容并判断页面的重要程度。

Google 的解释如下：

Google 使用称为爬虫的自动化程序搜索网络，寻找新增或更新的页面。[……] 我们通过多种方法发现页面，但主要方法是沿着已知页面上的链接进行跟踪。

例如，发布一个新网页却忘了在站内其他地方链接到它。若该页面既不在站点地图中，也没有反向链接，Google 就不会发现或索引它，因为其爬虫根本不知道该页面存在。

更糟的是，该页面无法获得 PageRank。

若此前未听过“PageRank”，需了解它的重要性。

一般而言，PageRank 是 Google 通过统计页面获得的“投票”数量来判断其重要程度的方式。想深入了解 PageRank 的运作及其对 SEO 的影响，可参阅此处。

如何查找孤立页面

要找出网站上的孤立页面，需把可抓取的 URL 列表（Google 能找到的）与用户实际访问的 URL 列表进行比对。

这听上去颇为技术化，但无需退缩。我们已将查找孤立页面的过程拆解为三个步骤，且都使用常见工具。

1. 找出可抓取的 URL

汇总可抓取 URL 的工具不少。我们使用 Ahrefs 的 Site Audit，因为它凭 Ahrefs Webmaster Tools 账户即可完全免费使用，且可选择把外部反向链接作为来源，从而发现更多 URL。

具体做法如下：

1. 打开 Site Audit。
2. 点击 + New Project（新建项目）。
3. 按提示操作至第 3 步。点击 URL sources（URL 来源）选项卡，在默认设置之外再勾选 Backlinks（反向链接）作为 URL 来源。
4. 点击 Continue（继续），按说明完成设置，随后运行抓取。

反向链接数据对查找孤立页面很有帮助，因为它把 Ahrefs 链接索引中的 URL 也纳入其中。

若页面没有任何内链，基础爬虫便无法找到它。

但若页面有反向链接，Ahrefs 就能在网站上找到该 URL，并发现抓取时没有任何内链，因此它必定是孤立页面。

站点审计完成后，从 Page Explorer（页面浏览器）导出所有内页并保存，第 3 步会用到。

2. 找出有访问量的 URL

下一步是获取网站上所有有访问量的 URL 列表。

实现方法不少，最佳做法是尽量用上所有可访问的数据源。

若有权限，日志文件效果很好，因为它是服务端数据，更为准确。本文不深入讲解日志文件的获取方式，因为这取决于服务器配置。

若选择这条路径，以下为针对常见服务器类型的三个官方指南：

• 访问 Apache 日志文件（Linux）
• 访问 NGINX 日志文件（Linux）
• 访问 IIS 日志文件（Windows）

本文使用 Google Analytics（GA4）与 Google Search Console，因为流程对所有人都基本一致。也可尝试 Ahrefs 的 Web Analytics——一个简单、注重隐私的 GA 替代方案。

在 Google Analytics（GA4）中查找有访问量 URL 的方法如下：

1. 登录你的 Data Studio 账户。
2. 新建一个空白报告。
3. 将 Google Analytics 连接为数据源。
4. 选择你要分析的账户 > 选中 GA4 媒体资源（property）。
5. 在报告里添加一个基础表格。
6. 把数据源设置为第 4 步创建的 GA4 媒体资源。
7. 把维度设置为 Page path（页面路径）。
8. 把指标设置为 Views（浏览量）。
9. 按 Views 降序排序。
10. 将默认日期范围设为网站安装 GA4 之前的时间段。

要导出表格结果，点击右上角的三个竖点，再点击 Export（导出）。保存时取一个有用的名称，如“日期_GA_用户访问的URL_品牌名”，稍后还会用到。

由于导出的是页面路径而非完整页面 URL，需要在表格中为所有单元格开头补上域名。这在 Google Sheets 中很简单：把 CSV 导入一张空白工作表，在左侧插入一个新列，再将以下公式粘贴到单元格 A1（记得把 example.com 替换为你自己的域名）：

[['Text', '=IFERROR(ARRAYFORMULA(IF(ISBLANK(B:B),"",IF(B:B="Page Path","",IF(B:B="(not set)","","https://example.com" & B:B)))))']]

由于 URL 来源越多越好，我们还会从 Google Search Console（GSC）拉取数据。

GSC 导出仅限前 1,000 个 URL，但 Google Data Studio 有个小技巧可以拉取更多。

具体做法如下：

1. 重新打开你的 Data Studio 报告。
2. 新建一个页面（command + M）。
3. 打开 Resource（资源） > Manage added data sources（管理已添加的数据源）。
4. 点击 ADD A DATA SOURCE（添加数据源）。
5. 选择 Search Console。
6. 选择你要分析的网站 > URL impression（URL 展示） > web。
7. 在报告里添加一个基础表格。
8. 把维度设置为 Landing page（落地页）。
9. 把指标设置为 Impressions（展示次数）。
10. 将每页行数扩展到 5,000。
11. 编辑日期范围，至少查看过去三个月。
12. 导出表格结果。

3. 交叉比对两个 URL 来源

最后一步是把可抓取 URL（来自 Ahrefs 的 Site Audit）与有访问量 URL（来自 GA 与 GSC）进行交叉比对。为此新建一个空白 Google 表格，创建三个工作表标签，分别命名为 crawl、hits 和 cross reference。

在第一个工作表 crawl 中，粘贴来自 Ahrefs Site Audit 的所有可抓取 URL。

要找出这些 URL，打开第 1 步导出的 CSV，筛选出 incomingAllLinks 等于零的结果。这一环节非常重要，因为这些正是孤立页面，若放进“crawl”标签会导致交叉比对结果不准确。

应改为把这些 URL 复制出来，添加到“hits”标签。

接着，把 Ahrefs 导出结果中剩余的 URL 粘贴到 Google 表格的 crawl 标签。

在第二个工作表 hits 中，粘贴第 2 步的所有 URL，即通过 Google Analytics、Google Search Console 或网站日志文件找到的、包含用户访问过的页面。

在第三个工作表 cross reference 中，把以下函数输入到第一个单元格：

[['Text', '=UNIQUE(FILTER(hits!A:A, ISNA(MATCH (hits!A:A, crawl!A:A, 0))))']]

按回车。该函数会自动拉取所有孤立页面，便于分析。

如何修复孤立页面

营销人员常犯的错误，是不加区分地给所有孤立页面添加内链。

问题在于：某个快速修复方案能套用到所有页面，并不意味着就应该这样做。

有些孤立页面是有意保留的，如 PPC 落地页；另一些则可直接删除，如测试页面。

不应把资源浪费在修复没有坏掉、或不太可能产生积极影响的东西上。

为解决这一问题，可使用以下决策树：

思路是对每个孤立页面进行批判性判断：究竟设为 noindex、删除、合并／整合，还是单纯添加内链才是最合适的修复方式。

例如，若某页面在网站迁移时被遗漏且对访客毫无价值，删除它大概是最佳选择。但若该页面有反向链接，把该 URL 重定向到另一个相关页面以保留外链权重，也可能是值得的。

以下为修复孤立页面的四种策略。

添加内链

对访客有价值的孤立页面应纳入网站内链结构，让访客与搜索引擎都更容易找到。

例如，某篇文章在网站迁移或改版时被遗忘。此时需要从一个确信 Google 很快会（重新）抓取的相关页面内链到它。

在 Ahrefs 中有一个简便方法：

1. 打开 Site Audit
2. 打开你网站最近一次抓取
3. 在 Tools（工具）> 下打开 Page Explorer（页面浏览器）。
4. 在 Page text（页面文本）中搜索某个词或词组。
5. 按 Organic traffic（自然流量）对结果排序。

这样就能在获得自然流量的页面上找到相关内链机会，而 Google 很可能会更快重新抓取这些页面，从而看到改动。

了解更多：如何使用 Page Explorer

设为 noindex

有意不加内链的孤立页面（如广告落地页）应设为 noindex，以防出现在自然搜索结果中。

多数 SEO 插件只需勾选一个复选框即可完成，也可手动操作，把以下代码粘贴到页面的 <head> 部分：

[['Text', '<meta name="robots" content="noindex" />']]

合并/整合

与其他页面内容相同或相似的孤立页面应予以合并，即整合其内容，并把孤立页面的 URL 重定向到另一页面。

例如，同一产品你有两个产品页面，其中一个是孤立页面。应把孤立页面上独特有价值的信息提取出来加到另一页面，再把孤立页面重定向到那里。

删除

对访客毫无价值、也无其他用途（如付费流量活动）的孤立页面应删除。

例如，一个未使用的 CMS 主题页面可以移除，这会产生 404 页面，并随时间自然从搜索结果中消失。

如何预防孤立页面

如你所见，审计孤立页面颇为耗时。既然已经投入这份努力，自然希望日后能预防其出现。以下规范与流程值得考虑。

为网站迁移制定计划

每次网站迁移都应主动制定计划。可通过 301 重定向把旧页面指向新版本，避免网站出现死链与混乱。

构建利于成功的网站结构

若必须手动为新页面添加内链，必然会有遗漏，最终产生孤立页面。因此应选择能自动处理内链的网站结构。

多数 CMS 开箱即用即可做到。例如，每次发布新的博客文章时，WordPress 都会在博客首页与归档页自动添加一条内链。

若使用自定义方案，则需确保相关代码到位，以构建良好的网站结构。

了解更多： 网站结构：如何搭建你的 SEO 基础

妥善移除停产产品

若经营电商网站，应把停产产品从目录中移除（连同所有指向它们的内链），并设置 404 或 410 的状态码。未移除指向这类产品的内链，是产生孤立页面的常见原因。

若该页面有优质反向链接，且产品有更新或改进版本，则可考虑保留该页面以保住外链权重。

定期运行站点审计

每月运行一次审计，即可及时掌握任何可能被漏掉的意外孤立页面。用 Ahrefs Site Audit 的定时功能即可轻松完成。

结语

面对一行行孤立页面错误，再要弄清那些晦涩的技术术语，确实令人望而生畏。

查找与修复孤立页面虽耗时，却不必苦不堪言。借助 Ahrefs 的 Site Audit 与孤立页面决策流程图，流程会顺畅许多。

如有疑问，可在 Twitter 上联系我。