给外贸独立站做内容改版最容易卡在验收产品页的参数补全了没有、文章页能不能答上标题那个问题、问答页有几条。这些判断过去都靠人眼看改完一批就没人再回头看一遍。这篇把三类页面的判断标准写成可计算的指标配一段能跑的脚本。先说清定位。这些指标是启发式的自检工具用来发现问题与看趋势不是任何平台的判定标准也不能拿它的分数去对外说效果。一、为什么要把写法变成指标三类页面的写法要求本身很清楚产品页的参数与认证要能被提取文章页要有一句直接回答标题的话问答页要有成条的问答与对应的标记。问题在于不可持续。一次性改完可以但产品线在增、工艺在变半年之后没人知道哪些页面又退回去了。变成指标之后改版前跑一次、改完跑一次看的是变化量而不是绝对值。这一层与外部观测是两套数据站内的合格度是自己可控的站外被 AI 引用与由此带来的点击都是被动接收的。二、三个指标的定义与合格线指标定义计算方式合格线参数可提取率页面上的参数有多少写在文字与表格里文字与表格中的参数条数 ÷ 全部参数条数含图片里的由站点自定建议先取当前值再看提升标题答案匹配度标题问句能不能在正文里找到直答句标题关键词命中率 × 前 300 字内是否出现同义判断句启发式打分只用于排序问答覆盖度问答条目数与结构化数据标记是否对应问句型小标题条数、问答标记条数两者取小标记数不少于条目数的八成三张合格线的量纲都是自己定的。跨站比较没有意义因为不同品类的参数密度差得很远同一套阈值没法通用。三、抓取与打分脚本脚本做三件事取回页面的 HTML、按三个指标打分、把结果写成表。抓取用 requests 加解析库就够页面数量在几百这个量级不需要上异步。# page_score.py # pip install requests beautifulsoup4 import csv, json, re import requests from bs4 import BeautifulSoup # 带单位的参数写法数值 单位 PARAM_WITH_UNIT re.compile(r\d(?:\.\d)?\s*(?:mm|cm|kg|g|MPa|N|h|%|\u00b0C|小时|天)) # 问句型小标题的粗判以疑问词开头或结尾带问号 QUESTION_HEAD re.compile(r^(.{2,40}?)(?:\uff1f|\?)$) TITLE_WORD re.compile(r[\u4e00-\u9fa5A-Za-z]{2,}) def fetch(url, timeout20): r requests.get(url, headers{User-Agent: Mozilla/5.0 (compatible; site-audit/1.0)}, timeouttimeout) r.raise_for_status() return BeautifulSoup(r.text, html.parser) def score_param(soup): 参数可提取率文字与表格里的参数 占 全部参数含图片替代文字的比例 text .join(t.get_text( , stripTrue) for t in soup.find_all([p, li, td, th, h2, h3])) in_text len(PARAM_WITH_UNIT.findall(text)) in_alt 0 for img in soup.find_all(img): alt img.get(alt) or in_alt len(PARAM_WITH_UNIT.findall(alt)) total in_text in_alt return round(100.0 * in_text / total, 1) if total else None def score_answer(soup, title): 标题答案匹配度标题关键词在正文前 300 字里的命中率 words set(TITLE_WORD.findall(title)) body .join(p.get_text( , stripTrue) for p in soup.find_all(p)) head body[:300] if not words: return None hit sum(1 for w in words if w in head) return round(100.0 * hit / len(words), 1) def score_faq(soup): 问答覆盖度问句型小标题条数 与 问答标记条数 qs [h for h in soup.find_all([h2, h3]) if QUESTION_HEAD.match(h.get_text(stripTrue))] marked len(soup.select([itemtype*Question])) return {questions: len(qs), marked: marked} def audit(urls): rows [] for kind, url in urls: soup fetch(url) title (soup.title.get_text(stripTrue) if soup.title else ) rows.append({ kind: kind, url: url, param_rate: score_param(soup), answer_match: score_answer(soup, title), faq: score_faq(soup), }) return rows if __name__ __main__: targets [(r[0], r[1]) for r in csv.reader(open(urls.csv, encodingutf-8))] rows audit(targets) with open(score.csv, w, newline, encodingutf-8) as f: w csv.DictWriter(f, fieldnames[kind, url, param_rate, answer_match, faq]) w.writeheader() w.writerows(rows) print(json.dumps(rows[:3], ensure_asciiFalse, indent2))输入是一张两张列的清单页面类型与地址。输出是一张分数表可以直接和上一次的结果并排比。几个实现上的注意点。参数正则里的单位表要按自己的品类补机械类要加公差与硬度纺织类要加克重与幅宽。问句型小标题的粗判只看是否以问号结尾长标题需要再截断一次。问答标记那一段按实际使用的语法调整用 JSON-LD 的站要改成解析脚本内容。四、把三项指标接进改版流程接法有两种成本都不高。轻量做法是放在发版清单里。每次产品页或文章页改动之后跑一次分数掉的页面回到修改列表。这套做法不需要额外的服务。我是先在自己站上挑了二十来个页面跑了一遍把分数表存下来隔周再跑一次才看清哪些页面是真的在退化。稍重一点的做法是接进构建流程把脚本挂在部署的下一步输出结果存成带日期的文件。这样就有了时间序列能看出哪些页面在缓慢退化。建议把站内分数与站外观测分开存。站内分数在代码库里跟着版本走站外的曝光与引用另存一份两张表靠 URL 关联不要混成一张表否则口径会乱。顺带说一句元数据的处理。页面标题、meta 描述、结构化数据、图片替代文字这四类字段脚本里都能顺手取到建议在分数表里各占一列。它们不影响三类页面的主体分数但退化的速度往往比正文快。五、判读时容易踩的三个坑第一个坑是把参数可提取率当成越高越好。把无意义的数字堆进正文也能刷高这个分数评出来的页面反而更差。这个指标要看的是降下来又涨回去的变化不是绝对值。第二个坑是拿标题答案匹配度当结论。它是关键词级别的粗判同义词和改写句都会漏掉只适合用来排序挑出最不像的几页去看一眼。第三个坑是只跑一次就下判断。单次分数的作用有限同一批页面连着跑四周趋势才有信息量。这与独立站SEO 里看排名的做法一样单日数据基本没有意义。六、这套做法的边界三个指标都是代理量。它们能指出这里可能有问题不能证明改完就会变好。任何把它当成绩效指标的做法都会失真。它也不覆盖内容质量本身。一段参数写得对不对、一个工艺结论是不是过时脚本判不了这部分还是得有人过。脚本的作用是让人的注意力落在少数几页上不是替代判断。独立站搭建阶段把这三类页面的字段位置留出来后期的分数维护成本会低很多我们这边的站用的是 NeoGress产品参数位与问答段在后台是对应字段改版时脚本能直接取到不用再去猜结构。适不适合你的项目看团队里有没有人能固定每周跑一次。最后一个问题你们现在是用什么方式记录页面改版前后的变化评论区说一下做法我看看有没有更适合接进自动化流程的形式。
