什么值得买 SEO 实测：5 万条 lastmod 挤在 11 分钟里
全站 7 个 sitemap 合计 303,947 条地址，5 万条好价的 lastmod 全落在 11 分 15 秒内；标签页占 82.3%，分类页却是 1 MB、0 个 H1。
什么值得买把 7 个 sitemap 挂在 robots.txt 上，合计 303,947 条地址。把文件全量下载解析后，第一个异常不在数量，而在时间戳：其中 5 万条好价的 lastmod，全部落在 11 分 15 秒之内。
结论：地图很大，信号很弱
直抓首页、分类页、标签页与文章页共 40 余个地址，再对齐 sitemap 与爱站数据，三处问题指向同一件事：站点用 sitemap 声明了规模，却没有用 sitemap 传递优先级。
- 标签页撑起地图：250,000 条标签页占 82.3%，而单页只挂 15 条商品卡、0 个 H1。
- lastmod 是写入时间：5 万条好价的时间戳挤在 03:00:06 到 03:11:21，随写入进度单调下降。
- 真正的落地页没进地图：承载 26,384 个 PC 关键词的分类页，1 MB 文档、0 个 H1、0 个分页锚点。
| sitemap 文件 | 条数 | 占比 | 不同 lastmod 取值数 |
|---|---|---|---|
| smzdm_tag1 至 tag5 | 250,000 | 82.3% | 每个文件 18 至 26 |
| smzdm_youhui | 50,000 | 16.5% | 431 |
| smzdm_sitemap（其中 3,944 条为 /mall/） | 3,947 | 1.3% | 5 |
| 合计 | 303,947 | 100% | — |
五个标签文件每个都正好 50,000 条，全部顶在单个 sitemap 的上限上，说明这一层是被"切"出来的，而不是被"选"出来的。
主地图更值得看一眼：3,947 条里 3,944 条是 /mall/ 的商家频道页，剩下三条是首页、/fenlei/ 与 /jingxuan/。分类体系只登记了根地址，页面上那 138 个二级入口一条都不在册。
一、地图侧：82% 的地址给了最薄的一层
标签地址形如 /tag/t28dozw/，用 7 位随机串做路径，标题由标签名拼接而成，采样页是「Guess_优惠精选_什么值得买」。
标签页：15 张卡、0 个 H1
抽查 /tag/t28dozw/：181 KB 文档、5,617 个可见字、15 条商品链接，h1 标签存在但内容为空，47 张图全部带 alt，canonical 自指，没有 noindex。
也就是说这 25 万个页面既在 sitemap 里、又允许被索引，差异只体现在标签名与 15 条商品上。它们是典型的长尾聚合面，问题不在"该不该有"，而在"全量进地图"。
lastmod：431 个时间戳，平均一条管 116 条地址
把 smzdm_youhui.xml 的 50,000 条记录全部解析，lastmod 只有 431 个不同取值，最早 2026-11-12T03:00:06，最晚 03:11:21。按分钟归并后是一条干净的衰减曲线。
第一分钟写入 11,001 条，第二分钟 6,700 条，到第 12 分钟只剩 399 条。这是文件写入速度的形状，不是发帖节奏的形状——社区投稿不可能在 03:00 到 03:11 之间均匀产出 5 万条，然后整点归零。
每天都向爬虫声明"这 5 万条都是新的"
好价地图每天凌晨 03:00 重新生成，因此每天下发时，每一条 lastmod 都等于当天。对按 lastmod 排序安排抓取的引擎来说，这等于每天提交 5 万条变更。
同一份文件里，50,000 条 loc 只有 49,799 个唯一值，201 条重复；主地图 3,947 条只有 5 个 lastmod 取值。两部分都没把时间戳当成可信信号来维护，重复值也不想清。
二、页面侧：分类页 1 MB，0 个 H1
分类页是这条链路真正的落地页——26,384 个 PC 关键词里，商业意图最强的一批都该落在这里。实测 /fenlei/diannaoshuma/ 为 1,019,145 字节。
一半体积是内联脚本，内容其实早就渲染好了
拆开体积：内联脚本 510,891 字节，占 50.1%；内联样式 37,231 字节，占 3.7%。页面里是一段 Nuxt 的 Reactive 载荷，字段 serverRendered 为真。
也就是说 26 条商品卡本来就已经在 HTML 里，可爬可取。多出来的半兆字节没有换来任何可索引内容，只换来更慢的首字节之后的首屏。
0 个 H1，0 个分页锚点
453 个链接里没有任何分页锚点，39 个是 javascript:void(0) 的筛选按钮，第二页起只能靠 JS 加载。h1 与 h2 数量都是 0，标题只有一段「【电脑数码】价格_评测_品牌_推荐_什么值得买」。
113 张图里 90 张没有 alt，占 79.6%。分类页既没有告诉引擎这页讲什么，也没有给出继续深入的路径。
首页与文章页：结构同样偏轻
首页 1,218,977 字节、17,475 个可见字，比值 70:1；h1 为空、0 个 h2、248 张图 29 张缺 alt、0 个 canonical。1,986 条链接里 30 条仍是 http 绝对地址，其中 8 条指向 search.smzdm.com，而这个子域的 robots.txt 写的是 Disallow: /。
文章页 /p/186018000/ 是四层里最规范的一层：单一 H1、canonical 自指、标题含价格与型号。但它只输出一段百度 cambrian 结构化数据，没有 schema.org 的 Product 与 Offer。
比价站拿不到价格、评分、库存的富摘要，等于把最有优势的一类结果让给了别人。这一条与 中关村在线 SEO 实测 里的判断一致：1 MB 级的文档不会自动带来排名。
三、移动端、拦截层与优化清单
alternate 指向一个 202 页面
文章页与分类页都输出了 link rel=alternate，media 写成 only screen and(max-width:640px)——and 与括号之间少了空格，查询非法。指向的 m.smzdm.com 对 iPhone 与桌面 UA 同样返回 202 与 209 字节。
爱站数据能对上这条推断：PC 词 26,384 个（前 10 名 2,149 个），移动词 643 个（前 10 名 77 个）。移动词只有 PC 的 2.4%，移动权重 2，PC 权重 6。
同一份数据里，百度来路 19,522 至 26,520 IP，而全站日均 IP 约 174 万——搜索只贡献不到 1.5%，其余靠直接访问与 App。穷游 SEO 实测 也出现过同类形态：移动入口一旦断在拦截层，权重就上不去。
200 状态的验证码页
本轮抓取到第 20 个左右请求时，返回体变成 1,681 字节的腾讯验证码页，状态码仍是 200。降频、加 Referer、等待 75 秒复测，同一形态复现。
这不是"封蜘蛛"的结论——百度与 Google 的官方 UA 大概率在白名单内，我没有证据说它们被拦。但这套 WAF 的语义值得记一笔：限流没有用 429，而是用 200 交出一张空页。对未白名单的抓取端，这会被当成薄内容页面解析，而不是退避信号。
该保留的合格项
- 协议处理干净：http 到 https、裸域到 www，各自单跳 301，没有链式跳转。
- 重复路径有兜底：/p/186018000/p2/ 返回 200，但 canonical 指回主地址，同时被 robots.txt 里的分页通配规则挡住。
- 真 404 是真 404：/s/iphone/ 返回标准错误页，不是 200 软 404。
优化清单（按优先级）
| 动作 | 优先级 | 成本 | 预期收益 |
|---|---|---|---|
| 把 lastmod 换成内容真实更新时间，缺失就不输出该字段 | P0 | 低 | 停止每天虚报 5 万条变更，抓取预算回到真实热点 |
| 标签页分层：只保留有稳定检索量的进地图，其余加 noindex 并移出 | P0 | 中 | 地图从 30 万降到数万级，权重集中到可竞争页面 |
| 分类页补 H1 与 H2 层级，输出服务端分页锚点 | P0 | 中 | 恢复从频道页到详情的可爬路径，提高落地页覆盖 |
| 文章页补 schema.org 的 Product 与 Offer，保留 cambrian | P1 | 中 | 拿到价格类富摘要的准入资格 |
| 图片 alt 批量补齐，优先分类页 90 张与文章页 57 张 | P1 | 低 | 图片搜索入口与可访问性同时改善 |
| 移动端改为响应式直出，或让 m 站对爬虫直出 HTML | P1 | 高 | 修掉 2.4% 的移动词占比，这是当前最大缺口 |
| WAF 限流改回 429 并带 Retry-After，别用 200 交空页 | P2 | 低 | 抓取端能正确退避而不是误判薄内容 |
| 补一个 sitemap index，去掉 201 条重复 loc，清掉 /baoliao/ 末尾空格 | P2 | 低 | 地图可维护性提升，避免索引文件散落在 robots |
P0 三条里，第一条改动最小、收益最直接。lastmod 一旦可信，标签页分层才有意义——否则引擎仍会按"全部更新"去爬那 25 万个薄页。
最后补一句口径：本文所有体积、链接数、alt 缺失数均为桌面 UA 直抓 HTML 的实测值，压缩传输后字节数会更小；关键词与收录数据来自爱站，属于第三方估算，用于看趋势而非精确值。另外 /mall/ 下的 3,944 条商家页与随机抽取的部分标签页，在本轮第 20 个请求之后被验证码层挡住，没能取样，本文不对它们的正文质量下判断。想复核的读者可以按同样的路径自己跑一遍，链家 SEO 实测 里那套"多路径、多 UA、慢速取样"的方法同样适用。
登录后可点赞、收藏与反馈。
