GSC 抓取统计显示 12 万次，服务器日志里只有 8 万次 Googlebot 请求，差的四万很容易被当成数据出错。其实对不上是常态，四个原因几乎每次都会遇到。
原因一：GSC 是抽样
抓取统计报告基于抽样数据，不是全量。站点越大，抽样比例越低，页面上看到的数字是估算值。它能用来看趋势，不能用来对账。
另外这个报告只保留 90 天，时间窗口一长就对不上。想拿半年数据，得自己每周导一次。
原因二：CDN 和缓存
如果站前有 CDN，Googlebot 的请求很多打在边缘节点，回源的只有未命中的部分。GSC 统计的是边缘收到的请求，你的日志记的是回源请求，中间差的量取决于缓存命中率。
缓存命中率高的站，这个差距能到 40%。查的办法很简单，看 CDN 后台的命中率，再对比日志和 GSC 的比例。
原因三：日志里的 Googlebot 有很多假货
UA 里写 Googlebot 的请求，一大半不是真的。有人用脚本扫站、有人抓数据，都爱伪装成蜘蛛。
验证方式只有一种：反向 DNS 查询，确认来源 IP 属于 Google 的网段。我们写脚本把日志里的 IP 逐个反查，通常能筛掉三到五成的假 Googlebot。不加这一步，你会以为蜘蛛抓得很勤，其实抓你没用的东西。
原因四：统计口径不同
GSC 按请求算，一次页面加二十个资源就是二十一次。日志里如果你按页面请求统计，只算 document 类型，两个数天然差几倍。先统一口径，再比数字。
我们统一成只算 HTML 页面请求，CSS、JS、图片全部剔除。这一步做完，双方的量级通常能接近到 20% 以内。
怎么用这两个数
日志用来看路径分布：哪些目录被抓得多，哪些页面被反复抓，状态码分布是什么样。GSC 用来看趋势：整体抓取量是在涨还是跌，和收录变化对不对得上。
两个数不需要精确相等。差一倍以内、趋势一致，就是健康的。差得离谱，先查 CDN 和假蜘蛛，大部分问题出在这两处。
查错的顺序
2026 年 2 月我按这个顺序查过一次，四十分钟定位到原因：先做 IP 反查，去掉假蜘蛛；再看 CDN 命中率；然后统一口径只算 HTML；最后才对比趋势。
顺序很重要。先查口径，往往发现是两个数本来就不该相等，后面的排查都省了。反过来先怀疑工具坏了，容易白折腾。
别花一周去把两个数调平，调不平。把精力放在日志里的路径分布上，那里才有能改的东西。
元析智能
为软件公司做 SEO 和 GEO 优化