这类问题我又碰上了一次。百度 site 查询显示约 1.2 万条结果，搜索资源平台的索引量曲线却只有 3000 上下，两边差出四倍，运营按 site 数汇报，老板质疑数据造假。
排查方向其实有限，先把可能性排一排。site 查询是估算值，会把转载、快照和参数页一起算进去；索引量统计只算主域下的规范页面，参数变体不计入；站点有大量列表页被收录，site 查询把它们当独立结果展示。
第一件事是逐页核对 site 结果里到底是哪些类型
curl -s 'https://www.baidu.com/s?wd=site%3Awww.example.com' -A 'Mozilla/5.0' | grep -o 'www.example.com[^"<]*' | head -20接着统计列表页与参数页在站内的占比
grep -c '?page=' access.log给列表页和参数页统一加 canonical
curl -s https://www.example.com/list/ | grep -i canonical报错是间歇性的，我蹲守了半小时才抓到一次完整现场。
怎么算真的好了，看的是同一批现象。把列表和参数页规范到栏目首页之后，site 查询回落到 4000 上下，与后台索引量的差距缩到一倍以内。
提醒一点。对外汇报统一用后台索引量，site 查询只适合看趋势，不适合当绝对值。这类问题最好一次改到位，反复小改反而容易把原因搅混。