站内热搜榜自动生成的背后：聚合规则、更新周期，和这个页面该不该被收录

目录站做站内热搜榜有两个动机：一是给用户一个入口，不知道找什么的时候可以看看别人在搜什么；二是这些词本身就是长尾需求，做成页面有可能接到搜索流量。第二个动机如果不加约束，很容易做出一堆没有价值的聚合页。

图片来源：网络，版权归原作者所有，侵权请联系删除

候选词要过四道过滤

过滤环节	规则	剔除什么
频次门槛	30 天内搜索次数不低于阈值	单人偶发查询
分散度	查询来自不同用户数不低于阈值	自己人或脚本刷出来的词
结果数	该词在站内有结果且条数达标	零结果词和只有一条的词
内容审查	敏感词、品牌侵权词、无意义串	不能展示的词

第二道「分散度」最容易被省掉。只看总次数的话，一个人连续搜 20 次同一个词就能把它顶上榜。要求至少来自 N 个不同用户（用 IP 加 UA 的哈希做近似去重，别存真实 IP），能挡掉绝大部分异常。

第三道也关键。热搜榜上挂一个点进去只有一条结果的词，用户体验是负的。要求至少 3 条结果才上榜，这个数字对目录站合适——太少没有浏览价值，太多说明这个词太泛（比如「工具」），也应该剔除。

第四道不能自动化完成，需要一份敏感词表加人工抽查。词表挡常见违规，人工每周看一遍新上榜单的词。这一步省不掉，因为自动生成的榜单是你主动展示的内容，责任在你。

更新周期怎么定

• 实时榜：按小时更新，展示最近 24 小时的词。适合活跃的垂直站，冷站上会很难看（一小时才几次搜索）。
• 日榜：每天凌晨算一次，展示昨天的高频词。大多数目录站的合理选择。
• 周榜：每周一算一次，取上周七天聚合。词更稳定，但时效性弱。

选哪个取决于站内搜索的日均量。日均搜索不到几百次的站，做实时榜没有意义，日榜都可能出现大量重复。这种情况下按周算，或者干脆只做「近期热门」这样一个不标榜时效的静态榜单。

还有个折中做法很实用：榜单内容按周更新，但页面上的更新时间按天刷新。用户看到的是稳定的一批词，爬虫看到的是活跃的页面。这个做法不算欺骗，因为榜单本身确实是动态的，只是更新粒度粗一些。

该不该让搜索引擎收录

这个问题的答案取决于榜单页上有什么。

如果榜单页只是一个词表，每个词链到搜索结果页，那它不该被索引。它没有独立内容，本质上是搜索结果的目录，收录了就是典型的薄内容。这种页面加 noindex，或者干脆不生成独立页面，做成首页的一个模块。

如果每个热词下面都配了一段人工或半人工写的内容（这个词指什么、这类站点该怎么选、收录了哪几条），那它有价值，可以收录。这种情况下它已经不是聚合页，而是一个内容页。

判断标准说白了就是：去掉链接之后，这个页面还剩多少自己的文字。剩不下什么就别放出来。

热词落地页最容易出的三个问题

第一个是标题模板化。「XX 相关网站推荐 - 某目录」这种批量生成的标题，几百个页面一个句式，点击率通常很差，也容易被判定为规模化生成内容。可以给排名靠前的二三十个词手写标题，剩下的不出独立页。

第二个是内容重复。热词「在线设计」和「设计工具」的落地页，如果都是同一套模板加同一批条目，两个页面几乎一样。这种情况该做的是合并：把近义词归一到一个主词上，其余 301 过去。

第三个是不更新。热词榜上线时做了一批落地页，之后词变了页面没变，一年后页面上还写着「近期热门」。要么把维护做成流程（每月复查一次），要么别做落地页。

把数据用在对的地方

热搜数据最有价值的用法其实不是做页面，是反哺类目建设。用户反复搜一个你站上没有对应类目的词，说明类目缺了一块；搜一个词总是零结果，说明这一类目下条目太少。

这两个信号比任何关键词工具都准，因为它来自你自己的用户。前面写过用搜索日志长出新分类的做法，热搜榜应该是这套流程的副产品，而不是目的。