一个 5 万页的 SaaS 文档站，sitemap 之前只有 40% 的页面被收录。我们按内容类型拆成 18 个分片、给 lastmod 立了规矩，8 周后收录率到 78%。分片不是玄学，有三条能落地的规则。
我们接手的那个站
2025 年 11 月接的一个开发者工具客户，站点 5 万页左右：文档 3.2 万页、博客 6000 页、产品页 800 个、剩下的是一堆版本归档和参数页。
当时只有一份 sitemap.xml，5 万条 URL 塞在一个文件里，lastmod 全部写成抓取当天。Google Search Console 显示已发现 5 万条、已收录 2.1 万条，百度那边更差，收录不到 1.5 万。
规则一：按内容类型分，不按日期分
第一版分片我们按月份拆，每个月一个 sitemap。结果证明这是错的：文档页和博客页混在一起，版本归档页和老文档混在一起，搜索引擎没法判断哪个分片值得优先抓。
第二版改成按内容类型拆：docs、blog、product、changelog、archive 五个大类，docs 再按产品模块拆成 12 份，一共 18 个分片，外面套一个 sitemap index。
改完第二周，GSC 里"已发现"从 5 万涨到 4.9 万（之前有一部分根本没被发现），文档页的抓取频次涨了 2 倍。
规则二：单文件不超过 3 万条，留余量
协议上限是单文件 5 万条，但我们建议控制在 3 万以内。原因很简单：文件越大，解析越慢，出错的概率越高。
这个站的文档分片每个控制在 1.5 万到 2 万条，18 个文件加起来不到 600KB。搜索引擎的抓取和解析都很顺。
还有一条：sitemap 文件本身不要做 gzip 之外的压缩，不要加登录鉴权，不要 301。我们见过一个客户把 sitemap 放在需要登录的 CDN 后面，蜘蛛拿到的是 403，白等了三个月。
规则三：lastmod 只写真实更新时间
这个站的 lastmod 之前全写抓取当天，等于告诉搜索引擎"所有页面每天都在变"。结果搜索引擎不再相信这个字段，抓取优先级完全按别的信号走。
改成真实更新时间之后：只有内容实质变更的页面才更新 lastmod，模板调整、样式修改不算。改完第六周，GSC 里"已发现未收录"从 2.8 万降到 9000。
一次失败：分片后忘了更新索引
第一版上线时我们只提交了 18 个子 sitemap，忘了更新 sitemap index 里的引用。搜索引擎三天没发现新分片，我们以为分片没用，差点回滚。
教训：分片上线后必须验证三件事——index 能访问、index 里的子文件都能访问、每个子文件里的 URL 都能打开。我们后来写了个脚本，每次发布跑一遍，5 分钟。
判断
sitemap 分片不是给搜索引擎看的"提交动作"，是给抓取排优先级的"结构声明"。内容类型清楚、文件大小可控、lastmod 可信，这三件事做到，收录率自然上来。
5 万页以下的站，其实一份 sitemap 就够。分片是给大站和内容类型复杂的站准备的，别为了"看起来规范"过度拆分。
元析智能
为软件公司做 SEO 和 GEO 优化