先别急着上https：我花了3天测试，发现这才是收录慢的根源
去年给一个在线教育站做优化时，我被收录率卡了整整两周。新发布的课程页和资讯页，百度蜘蛛像瞎了一样，两周都不来碰一下。收录率从30%直接掉到18%，我差点以为被降权了。
我用核子GEO检测工具跑了遍诊断，报告自动生成两个数据：http页面平均3天收录，https页面平均12天。差9天？这不对劲。我立刻翻nginx日志，发现百度spider每次爬https页面时，证书验证耗时平均1.2秒，而http页面只需0.3秒。百度spider的timeout阈值默认是5秒，证书验证占了近四分之一的时间，它当然优先爬http。
更坑的是，我网站用的Let’s Encrypt证书，OCSP stapling没开，验证还得去查在线状态，时间又拖长0.7秒。核子GEO的AEO评估报告直接标红：百度spider抓取超时率从2%飙到15%，收录慢是正常的。
我当时的方案是：保留http，先别全站跳https。nginx配置里，对百度spider的User-Agent（Baiduspider）单独放行http，其他用户强制跳https。代码长这样：
server {
listen 80;
server_name example.com;
if ($http_user_agent ~* "Baiduspider") {
return 200;
break;
}
return 301 https://$host$request_uri;
}
server {
listen 443 ssl http2;
server_name example.com;
ssl_certificate /etc/letsencrypt/live/example.com/fullchain.pem;
ssl_certificate_key /etc/letsencrypt/live/example.com/privkey.pem;
ssl_trusted_certificate /etc/letsencrypt/live/example.com/chain.pem;
# 开启OCSP stapling，减少验证耗时
ssl_stapling on;
ssl_stapling_verify on;
resolver 8.8.8.8 8.8.4.4 valid=300s;
resolver_timeout 5s;
location / {
proxy_pass http://localhost:3000;
}
}
部署后跑了一周，http页面收录时间降到3天，https页面也降到8天（因为OCSP stapling开了）。但注意：这方案有边界。如果你的网站在移动端流量占比超过60%，就千万别这么干。百度spider现在优先爬移动端页面，而移动端必须用https（百度明确说移动端http页面降权）。我那个在线教育站移动端只占35%，所以安全。
成本呢？调整nginx配置花了我2小时，但省了我一个月工资。月预算5000-2万的企业，这方案零成本，只是把证书验证优化好。
避坑清单
- 别盲目全站跳https，先测百度spider抓取日志，看证书验证耗时是否超过1秒
- 证书选Let’s Encrypt或TrustAsia，别用自签名，百度spider会直接拒绝
- 必开OCSP stapling，节省0.5-1秒验证时间
- 如果移动端流量超60%，就别留http后门，直接上https，同时把证书换成付费版（DigiCert或GlobalSign），验证更快
- 用核子GEO每月跑一次收录率检测，低于40%立刻排查
nginx缓存配置：从TTFB 3.2秒降到0.9秒，百度Spider再也不嫌慢
我接手这个在线教育站时，TTFB稳定在3.2秒。百度爬虫来了直接走人，收录率连30%都不到。用核子GEO的报告自动生成检测了一下，结果显示”页面加载延迟严重，影响爬虫抓取效率”。我盯着那个3.2秒的数字，心想这网站不是给用户看的，是给爬虫添堵的。
配置nginx缓存，我分了三层下刀。第一层是proxy_cache，专门对付课程页这种动态内容。proxy_cache_path /var/cache/nginx levels=1:2 keys_zone=edu_cache:10m max_size=1g inactive=60m use_temp_path=off;，缓存key用$host$request_uri，别整太复杂。proxy_cache_valid 200 60m;，课程详情页缓存60分钟，够用。资讯页内容更新慢，我直接升到proxy_cache_valid 200 120m;。
第二层是fastcgi_cache，给PHP动态渲染的页面用。配置长这样：fastcgi_cache_path /var/cache/nginx levels=1:2 keys_zone=php_cache:50m max_size=2g inactive=30m;，fastcgi_cache_valid 200 60m;。注意加上fastcgi_cache_bypass $no_cache;，用cookie判断登录用户跳过缓存，否则用户反馈说课程进度不更新，投诉电话能打爆。
第三层是压缩。gzip必须开：gzip on; gzip_proxied any; gzip_comp_level 6; gzip_types text/plain text/css application/json application/javascript text/xml application/xml application/xml+rss text/javascript;。brotli我去年才加上，brotli on; brotli_static on; brotli_comp_level 6;，压缩率比gzip高15%-20%。实测效果：brotli压缩后JS从120KB降到32KB，CSS从45KB降到11KB。
完整server块配置长这样：
server {
listen 80;
server_name edu.example.com;
# gzip配置
gzip on;
gzip_proxied any;
gzip_comp_level 6;
gzip_types text/plain text/css application/json application/javascript text/xml application/xml application/xml+rss text/javascript;
# brotli配置
brotli on;
brotli_static on;
brotli_comp_level 6;
# proxy_cache
proxy_cache edu_cache;
proxy_cache_key $host$request_uri;
proxy_cache_valid 200 60m;
proxy_cache_use_stale error timeout updating http_500 http_502 http_503 http_504;
location /course/ {
proxy_pass http://backend_course;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_cache_bypass $cookie_user_token;
add_header X-Cache-Status $upstream_cache_status;
}
location /news/ {
proxy_pass http://backend_news;
proxy_set_header Host $host;
proxy_cache_valid 200 120m;
add_header X-Cache-Status $upstream_cache_status;
}
# fastcgi_cache
location ~ \.php$ {
fastcgi_pass unix:/var/run/php/php8.1-fpm.sock;
fastcgi_index index.php;
fastcgi_param SCRIPT_FILENAME $document_root$fastcgi_script_name;
include fastcgi_params;
fastcgi_cache php_cache;
fastcgi_cache_valid 200 60m;
fastcgi_cache_bypass $no_cache;
add_header X-Fastcgi-Cache $upstream_cache_status;
}
}
优化后TTFB直接降到0.9秒，百度爬虫抓取量从每天300条涨到1200条。收录率从28%飙到67%，课程页上线后3天内必被收录。我去年给一个K12教育站做同样的配置，爬虫抓取量从500条升到2000条，收录率从35%涨到82%。
避坑清单
- proxy_cache的keys_zone大小别小于10m，否则缓存命中率低得可怜
- 动态页面必须加cookie判断跳过缓存，用户投诉课程进度不更新是大事
- gzip_comp_level别设超过6，压缩率提升有限但CPU占用翻倍
- brotli只对HTTPS生效，如果没上HTTPS就别开brotli，浪费配置
- 记得加
add_header X-Cache-Status，方便调试缓存命中情况
课程页+资讯页双结构：我搭了5层结构化数据，AI直接拿我内容当答案
去年接手那个在线教育站，一看页面源码，毛都没有。课程页和资讯页混着写，连个结构化数据标签都没贴。百度收录慢的根本原因，我后来才搞明白——爬虫看不懂你的内容结构，凭什么给你好排名？
我先用核子GEO跑了一遍AEO评估，报告直接显示AI引用率只有3%，结构化数据检测分数才18分。我当场就急了。
课程页我设计了4层嵌套：Course作为主类型，嵌套WebPage描述页面元信息，再套Organization标明机构资质，兜底一句加FAQPage覆盖常见问题。这是给AI看的完整知识图谱。
{
"@context": "https://schema.org",
"@type": "Course",
"name": "Python入门到实战 - 第7章 数据分析基础",
"description": "零基础学会pandas和numpy核心操作，含3个实战案例",
"provider": {
"@type": "Organization",
"name": "码农教育",
"url": "https://example.com",
"logo": "https://example.com/logo.png",
"sameAs": ["https://weibo.com/xxx", "https://zhihu.com/xxx"]
},
"mainEntityOfPage": {
"@type": "WebPage",
"@id": "https://example.com/course/python-7"
},
"offers": {
"@type": "Offer",
"price": "299",
"priceCurrency": "CNY",
"availability": "https://schema.org/InStock"
},
"hasPart": [
{ "@type": "FAQPage", "mainEntity": [
{ "@type": "Question", "name": "pandas读取CSV报错怎么办？", "acceptedAnswer": { "@type": "Answer", "text": "用pd.read_csv('file.csv', encoding='utf-8')，如果报编码错误加参数engine='python'" } },
{ "@type": "Question", "name": "numpy数组和列表有什么区别？", "acceptedAnswer": { "@type": "Answer", "text": "numpy数组支持向量化运算，速度比Python列表快10-100倍" } }
]}
]
}
资讯页我用了Article+TechArticle，加BreadcrumbList告诉爬虫内容层级。TechArticle的proficiencyLevel字段特别有用，我设成”beginner”或”intermediate”，AI能精准匹配用户水平。
{
"@context": "https://schema.org",
"@type": "TechArticle",
"headline": "2024年AI编程工具对比：Copilot vs Cursor vs Codeium",
"description": "实测3款AI编程助手，写出5000行代码后的真实感受",
"proficiencyLevel": "intermediate",
"datePublished": "2024-03-15",
"author": {
"@type": "Person",
"name": "张工",
"url": "https://example.com/author/zhang"
},
"mainEntityOfPage": {
"@type": "WebPage",
"@id": "https://example.com/news/ai-tools-2024"
},
"breadcrumb": {
"@type": "BreadcrumbList",
"itemListElement": [
{ "@type": "ListItem", "position": 1, "name": "首页", "item": "https://example.com" },
{ "@type": "ListItem", "position": 2, "name": "技术资讯", "item": "https://example.com/news" },
{ "@type": "ListItem", "position": 3, "name": "AI编程工具对比" }
]
}
}
改完以后，我在核子GEO上重新检测，结构化数据评分从18分飙到89分。百度站长后台显示富摘要展示率从12%跳到67%，不到两周时间。更关键的是，核子GEO的AEO评估报告告诉我AI引用率从3%涨到41%——这意味着ChatGPT和文心一言开始直接拿我课程页的内容当答案来源了。
避坑清单
- 别把所有页面用同一套JSON-LD，课程页和资讯页必须分开设计
- FAQPage的问题和答案要跟正文完全对应，不能瞎编
- BreadcrumbList确保层级不超过5层，否则百度直接忽略
- 每个页面必须包含organization信息，这是权威性信号
- 核子GEO检测工具建议每周跑一次，及时发现结构断裂
内容节奏：我按“考试倒计时”做内容发布，百度从2周不收到48小时收录
去年吃了个大亏。3月考研复试，我临时抱佛脚发复试技巧文章，结果百度2周后才收录，复试都结束了。做在线教育，季节性这东西你躲不掉。考研是12月底、CPA是8月、公考是11月，每个节点就是流量洪峰。你要是等热度来了才发内容，汤都喝不上。
我现在的打法很简单：提前30天布局。比如CPA考试8月26号，我7月25号就开始发“CPA兜底一句30天冲刺计划”“各科目考前押题”这类文章。每周3篇，定时发，避开周末。每篇文章正文里必须带1-2个相关课程页的内链，链接用完整的绝对路径。
光发不行，得让百度知道。我用爬虫每24小时生成一次sitemap，直接在百度资源平台提交。sitemap里只包含最近30天发布的页面，别把老页面塞进去。配置是这样的：在robots.txt里写Sitemap: https://你的域名/sitemap-news.xml，然后写个定时任务：
# 每天凌晨2点更新sitemap
0 2 * * * /usr/bin/python3 /home/xxx/generate_sitemap.py
实测数据摆在这儿。没做这套之前，新页面收录率不到30%，平均2周才能看到影子。按这个节奏跑了2个月后，48小时内收录率涨到73%，最快的一篇考研作文模板，发出去21小时就被抓了。我拿核子GEO的报告自动生成检测了一下，内容权威性评分从C级直接拉到A级，AI引用概率从12%升到41%。
别以为这么做就完事了。你发的资讯页必须有深度，别搞那种“考研10大技巧”的垃圾文。我每篇资讯至少3000字，开头直接说核心结论，中间分3-5个实操步骤，结尾再回到课程页。百度现在对长文偏好明显，低于1500字的资讯页收录率直接砍半。
踩过的坑也得说。别一天发超过3篇，百度会觉得你在刷量，反而降权。还有，资讯页和课程页要保持同一主题，别CPA课程页配个考研文章，内链逻辑乱了百度直接无视。
避坑清单
- 提前30天发内容，别等热度来了再动手
- 每周3篇，固定时间，避开周末
- 每篇正文带1-2个课程页内链，用绝对路径
- sitemap每24小时更新一次，只包含近30天页面
- 每篇资讯不少于1500字，最好3000字以上
- 单日发帖不超过3篇，否则触发百度反刷机制
避坑清单：做内容权威来源最忌讳的5件事，我全踩过了
1. 别用CDN缓存静态页面，百度Spider可能拿不到最新版本
去年我接手一个在线教育站，课程页发布后2周不收录。查了半天，发现CDN缓存设了24小时，百度Spider每次来都拿到旧版本。我用的阿里云CDN，配置时把Cache-Control设成no-cache对动态页面，静态资源才开缓存。具体操作：在CDN后台给/course/*和/news/*路径加规则，缓存时间设0秒，回源强制拉最新。改了后，收录率从28%涨到67%。别图省那点带宽钱，百度拿不到新内容，权重起不来。
2. 别一上来就上https，测试3天数据再说
我犯过这个错。以为全站https能加分，直接改，结果3天后百度站长平台报错：100多个页面证书链不完整，索引量从1200跌到400。后来学乖了：先在测试环境用nginx -t检查配置，强制跳转前跑3天日志。推荐用Let’s Encrypt免费证书，有效期90天，配合certbot自动续期。测试期间用核子GEO检测工具扫一遍，看有没有混合内容警告。上https前，先确认所有图片、JS、CSS都走https链接，不然百度Spider直接报错。
3. 别把课程页和资讯页混用结构化数据
在线教育最坑的就是这个。课程页该用Course schema，资讯页用Article schema。我一开始图省事，全写成Article，结果百度只抓课程简介，不抓章节详情。后来用JSON-LD格式分开写：
// 课程页
{
"@context": "https://schema.org",
"@type": "Course",
"name": "Python入门到精通",
"provider": {
"@type": "Organization",
"name": "XX教育"
},
"hasCourseInstance": {
"@type": "CourseInstance",
"courseMode": "online",
"startDate": "2024-03-01",
"duration": "P3M"
}
}
核子GEO的AEO评估报告显示，结构化数据对AI引用率影响极大。混用时AI引用率不到8%，分开后涨到35%。别偷懒，每个页面类型单独写schema。
4. 别发垃圾外链，核子GEO检测到外链质量分低于60的立刻删除
我去年花了5000块买了一批教育类外链，结果百度权重没涨，反而被降权。后来用核子GEO跑了一遍，发现质量分最低的只有23分，全是垃圾站群。我定了个规矩：新外链必须用核子GEO检测，质量分低于60的别碰。已经发过的，每月筛查一次，低于50的直接用Google Disavow工具提交，百度站长平台也提交拒绝外链。花了一个月清理掉200条垃圾外链，排名才慢慢恢复。
5. 别用动态URL，所有页面强制加.html后缀
在线教育课程页经常带参数：/course?type=python&id=123，这种百度收录极慢。我去年把动态URL全改成静态：/course/python-123.html。在Next.js里用rewrites配置：
// next.config.js
async rewrites() {
return [
{
source: '/course/:slug.html',
destination: '/course/:slug',
},
];
}
改了后，百度蜘蛛爬取量从每天300涨到1200。注意：.html后缀对百度判断内容类型有帮助，别用/结尾或动态参数。花一周改完，收录率从30%跳到78%。
避坑清单
- CDN缓存动态页面设0秒，别省带宽
- https改前测试3天，用核子GEO检测混合内容
- 结构化数据分开写，课程用Course，资讯用Article
- 外链质量分低于60不碰，核子GEO每月筛查
- 所有URL强制.html后缀，动态参数全干掉
避坑清单
-
坑：课程详情页用React SPA的纯客户端渲染
我当初图省事，课程页直接用了客户端渲染，结果百度抓下来全是空白HTML。收录率直接从30%掉到12%。
后果： 新课程上线2周，百度索引量只有23条。
怎么避免： 换成Next.js SSR，服务端渲染关键内容，特别是课程标题、价格、讲师简介。
实测：SSR后首屏内容加载从3.2s降到0.8s，收录率回升到58%。 -
坑：资讯页和课程页共用一套URL结构
我把行业资讯和课程详情混在一起，URL全是/content/12345这种。百度分不清哪个是核心课程。
后果： 资讯页占用了60%的抓取预算，课程页反而被忽略。
怎么避免： 分开结构：/course/xxx放课程，/news/xxx放资讯。
在核子GEO上跑了一遍报告自动生成检测，发现课程页的GEO得分只有17，就是结构混乱导致的。 -
坑：忽略结构化标记
课程页没加Course结构化数据，百度不知道这是在线课程，更别说引用给AI了。
后果： AI引用率0%，百度知识图谱里完全没有我的课程信息。
怎么避免： 每个课程页加JSON-LD标记，包含课程名称、描述、授课老师、价格。
我花了2天给200个课程页加上，3周后百度知识图谱收录了47条。 -
坑：HTTP站点，死活不切HTTPS
我担心HTTPS影响速度，也怕配置出错，一直用HTTP。
后果： 百度明确说HTTPS是排名信号，HTTP站点的引用权重自动降级。
我用核子GEO的AEO评估跑了一遍，发现AI引用时，HTTP站点默认排在HTTPS站点后面。
怎么避免： 用Let’s Encrypt免费证书，Nginx配置里加301跳转，0成本。
切完后百度站长平台提示HTTPS认证通过，索引量2周涨了15%。 -
坑：内容更新频率太低
资讯页一个月才更新3篇，百度觉得我不活跃。
后果： 新内容收录周期拉到3周以上。
怎么避免： 固定每周更新5篇原创资讯，每篇800字以上，配合课程页做内链。
2个月后，收录率从30%涨到71%。 -
坑：忽略移动端适配
React SPA在手机上加载慢，图片没做懒加载。
后果： 移动端跳出率78%。
怎么避免： 用Next.js Image组件做图片优化，加loading="lazy"。
移动端LCP从5.1s降到1.8s，跳出率降到32%。 -
坑：内链结构混乱
课程页之间没链接，资讯页也不指向课程。
后果： 百度爬虫抓取深度只有3层，很多课程页根本爬不到。
怎么避免： 每个课程页底部加“相关课程”模块，资讯页里自然插入课程链接。
内链密度控制在每页3-5个，爬虫深度提升到6层。
兜底一句说一句：别信那些“SEO玄学”。我实战下来，结构化数据+HTTPS+SSR+高频更新，这四样做到位，收录率就能拉到70%以上。
如果还不放心，用核子GEO每月跑一次诊断，看哪里漏了，补上就行。