中公教育 SEO 实测：994 条 sitemap，73% 已经 404

中公教育的 sitemap 通篇只有 994 条地址，其中 981 条的 lastmod 停在 2014 年 3 月 7 日。我从这 981 条里随机抽 60 条复测：44 条返回 404，14 条还能打开、但一条 canonical 都没写。这份清单 12 年没有更新过，今天仍在告诉爬虫「这些页面的优先级是 0.9」。

一个文件，52 个栏目，48 个正好 20 条

robots.txt 只有三行、75 个字节：允许所有爬虫、屏蔽 /offcn、声明一个 sitemaps.xml。sitemaps.xml 不是索引文件，是单个 urlset，174,292 字节，994 条 loc。

把 994 条按路径首段分组，得到 52 个栏目。其中 48 个栏目的条数正好是 20 —— 不多一条，不少一条。gjgwy、bjgwy、zjgwy 一直到 xjgwy，每个省级公务员栏目都是 20 条。

这种整齐只有一个解释：某次脚本按「每栏目取最新 20 篇」生成了清单，之后流水线停摆。它不是内容索引，是 2014 年 3 月某一天的首屏快照。

lastmod 的粒度也说明了问题：981 条只写日期，不写时分秒。真正有维护的清单，时间戳通常精确到秒，且分散在不同时刻 —— 那是内容更新时间；同一天、同一格式、同一天全量覆盖，那是生成批次时间。

同一份清单对 6,270 万条收录，覆盖率 0.0016%。它已经失去「告诉爬虫有什么新东西」的功能，只剩下「告诉爬虫有一批 2014 年的页面」。同样是时间戳问题，什么值得买的 5 万条 lastmod 挤在 11 分钟里是另一个极端：时间戳会动，但动的原因是批次写入，不是内容更新。

抽样 60 条：73.3% 已 404

从 980 条 2014 年地址里（去掉首页那一条）随机抽 60 条，固定随机种子，不跟随跳转、只取首跳状态码。

首跳分布

44 条 404（73.3%）、14 条 200（23.3%）、2 条 301 且目标都指向首页（3.3%）。

404 是干净的真 404：状态码正确，错误页 9,395 字节、带 39 个站内链接，明确写「页面已被删除」。这一点比很多站做得好 —— 不是软 404，不会把死链伪装成正常页面继续消耗抓取预算。

问题在另外两个数。301 只有 2 条，目标都是首页：等于把一篇 2014 年某省公告的权重直接倒进首页，用户点进去也找不到原文。而 73.3% 的死链率，折算到 980 条就是约 719 个地址 —— 一边 404，一边在 sitemap 里标着 0.9 的优先级。

活着的 14 页，一个 canonical 都没有

14 条 200 页面平均 3,101 个汉字，最短 2,008 字，最长 3,576 字，内容本身是完整的。逐条查 head：14 条全部没有 canonical 标签。

它们也全部可以用 http 打开，服务端不做 301 到 https。首页同理：http 与 https 都返回 200，Content-Length 都是 502,727 字节，完全一致。没有 canonical、没有 HSTS，同一份内容在协议层就有了两个可索引副本。

关键词不弱，漏分漏在模板与外链

关键词布局：10.8 万词配 6,270 万收录

爱站综合查询显示：PC 词 108,084，移动词 117,056，百度收录 6,270 万，360 收录 1,810 万，Alexa 世界排名 1,020。折算成「每个词分摊多少条收录」是 1:580。

这个比值在同类站里偏低（快递100 约 1:1,096，穷游 1:2,428，什么值得买 1:3,790），收录页里有排名的比例更高 —— 说明它的长尾页不是纯占位，模板化不等于没价值。

移动词比 PC 词还多 8.3%，这在工具类站点里少见（什么值得买的移动词只有 PC 的 2.4%）。m.offcn.com 首页 147,697 字节，是 PC 首页的 29%，轻页面拿移动词，逻辑成立。

真正刺眼的是另外三个数：24 小时收录 4 条，一周收录 55.1 万，一月收录 93 万。三个数不在一个量级，说明新内容基本不靠 sitemap 发现，而是靠站内链接与栏目页的自然抓取。

页面结构：三处可定位的模板损耗

抽到的文章页 64,772 字节、3,101 个汉字，正文容器只有 1,357 字节 —— 正文占整页 2.1%，其余是导航、侧栏与推荐位，全页 342 个链接（253 个唯一地址）。首页更极端：3,027 个链接、18,531 个汉字，平均每 6 个字一个链接；355 张图里 331 张没有 alt（93.2%）；没有 H1，没有 H2。

三处可以直接定位的模板问题：

其一，H1 混进了按钮文案。 抽检页的 H1 实际文本是「2014年上半年重庆公务员考试 3月10日报名 4月12日笔试进入阅读模式」。「进入阅读模式」是工具栏按钮，被包进了 h1 标签，与标题一起成为页面主标题。

其二，description 取自导航文本。 同一页的 meta description 是「报名入口职位检索照片修改成绩查询活动预告：重庆市公职类考试QQ群 | …」，这是侧栏导航的串接，不是摘要；keywords 末尾还留着一个被截断的「备考指导息」，说明字段是程序截断生成、没有人复核。

其三，JSON-LD 语法错误。 页面确实输出了一段 ld+json，内容是 pubDate、upDate 两个键，没有 @context 与 @type，结尾还多一个逗号。JSON 解析器会直接判为无效，等于没有结构化数据。

外链与站群：四条入口互不认账

外链侧的数据很薄：爱站反链字段为空，未取得有效数据。这本身说明外部链接不是这个站的抓手 —— 它靠站群与品牌词。

站群的问题在信号方向。m.offcn.com 首页的 canonical 写的是 //www.offcn.com/，移动站主动把索引权交给 PC 站；PC 站却没有任何 canonical，也没有 HSTS，只在 head 里放了一条 alternate，media 写成 only screen and(max-width: 640px) —— 括号前少一个空格，条件解析不生效。

24 个省级子域（bj、sh、gd 等）同样没有 canonical。三个省站首页分别是 413 KB、599 KB、440 KB，H1 数量是 2、0、1 —— 同一个模板，三个省三种结构。它们与主站既不互指，也不互斥。

链接卫生还有一处：首页 3,027 个链接里有 235 个以 http:// 开头，包含站内地址。自己给自己发 http 链接，等于主动制造第二轮重复。

优化清单：按 P0 / P1 / P2 排优先级

第一周只做三件事

如果只能改三处，顺序是：先把 981 条旧 loc 从清单里摘掉，再把 canonical 补上，最后打通 http 到 https 的 301。前两件各是一次模板改动，第三件是一次服务端配置 —— 三件做完，重复内容与死链声明就同时消失。

重建清单时不必追求全量。先把 SEO 板块 29 篇、人工智能板块 55 篇已发布文章按更新时间切片，每个分片控制在 2 万条以内，观察两周索引率再放量。sitemap 的价值在于「新、准、可验证」，条数不是指标。

两到四周做结构与内容

H1、description、JSON-LD 属于同一层：都在模板里，改一次全站生效。建议先改一页做对照，用同一批关键词观察 30 天的点击率变化，再全量推 —— 这三项对排名的直接影响有限，但对「页面被正确理解」影响直接，属于必须做但不该期待暴涨的项。

省站策略要单独决策。24 个子域各自 400 KB 到 600 KB 的首页，如果内容与主站高度重叠，本质是 24 份重复；如果确有本地化内容（省考公告、本地课程），就该给每个子域自指 canonical 并与主站互链，把「重复」变成「分工」。

小结： 994 条 sitemap 不是「SEO 没做」，是「做了，12 年没人维护」。它现在同时扮演三个负面角色：向爬虫声明 719 个死链、给 2014 年的旧页面标 0.9 的优先级、并让站点误以为自己有 sitemap。相比之下，关键词侧的 10.8 万词与 1:580 的词效比说明底子不差 —— 真正在漏分的是模板与外链这两层，而这两层恰好都是改一次就能覆盖全站的。

数据说明：sitemap 与页面数据为本站在 2026-11-12 直抓实测，抽样固定随机种子、不跟随跳转取首跳状态码；关键词、收录、反链与流量为爱站综合查询同日数据，口径以该平台为准。