内容站的推荐位怎么排:写了 60 篇才发现,真正的问题是孤岛
PHP2026 年 11 月 16 日晚上,我在改文章页的模板。改完顺手点开另外两篇文章对照着看,发现一个让我停下来的事实:这个站一共 60 篇文章,不管你读的是「宝塔装 PHP 扩展排查」还是「uniapp 打包体积」,文章底部的「相关推荐」都是同一组写死的 6 个链接。
我当时的反应是——这不挺好,权重集中到几篇重点文章上,其余文章当入口。后来我意识到,我连这个「挺好」都没验证过。我只是在换一种写法,然后给自己找了个理由说新写法更合理。既然如此,那就拿数字说话。
下面这套东西,我先用本地脚本跑出了结果再写结论。脚本、参数、种子都在文中给出,你可以把自己的文章清单换成同结构的数据重跑一遍。
一、先把「写死一组」这件事量化出来
要让这个问题变得可测,得先给「推荐位」一个能算的模型。我搭了下面这套:
- 语料:站点真实的 60 篇文章,每篇带 slug、所属分类、发布日期。抓自分类列表页,分类分布是后端 21 篇、前端 22 篇、生活 17 篇,发布日期从 2020-08-10 一直到 2026-11-16。
- 访客:20000 人,落地页均匀随机从 60 篇里选(假设外部流量平均落到每一篇上,这是最保守的假设,后面会说它为什么让结论更保守)。
- 单次会话:最多翻 12 页;每翻一页之前有 35% 的概率直接放弃不点。
- 点击模型:每个推荐位基础点击率 0.12,再乘位置权重(第 1 位 1.25 递减到第 6 位 0.85)和相关性系数。
- 相关性系数:同分类 1.70、跨分类 0.90、全站最新 1.00、外部出口 2.40。
- 随机种子:固定 20261117,连跑三次结果 md5 完全一致。
判断一个访客点了哪个推荐位,就是这几行:
POS_WEIGHT = [1.25, 1.10, 1.00, 0.95, 0.90, 0.85]
SAME_CAT_MULT, CROSS_MULT, TOOL_MULT = 1.70, 0.90, 2.40
BASE_CTR, LEAVE_BEFORE, VISITORS, SEED = 0.12, 0.35, 20000, 20261117
for pos, slot in enumerate(slots):
p = BASE_CTR * POS_WEIGHT[pos] * mult(slot, cur) # mult() 按槽位类型取系数
if rng.random() < p:
clicked = (pos, slot)
break
指标里有三个值得单独说,因为最后能站住脚的结论全靠它们:
- 推荐可达面:只统计「通过推荐位点到」的文章,落地入口不计入。这一条最关键——我第一版把入口也算进去了,结果 6 种策略全是 60/60,等于没测出任何东西。改成只算推荐到达之后,写死一组的可达面立刻掉到 6/60。
- 孤岛文章:可达面之外的文章数。它们站内没有一条推荐链能到,只能靠外部入口进来。
- Top10 集中度:推荐点击量最高的那 10 篇,占全部推荐点击的比例。这是我最关心的一个数,它直接对应「权重到底压在谁身上」。
二、六种策略跑出来的数
六种策略分别是:fixed_6(所有文章推同一组写死的 6 篇)、same_cat_6(推同分类最新 6 篇)、same_cat_random_6(推同分类随机 6 篇)、mixed_no_tool(同分类 3 + 跨簇 1 + 全站最新 1)、mixed_tool(上一条再加一个外部出口)、mixed_scatter(同分类 3 随机 + 跨簇 1 随机 + 全站最新 1 + 外部出口)。
| 策略 | 人均页数 | 跳出率 | 看满 3 页 | 站外流失 | 推荐可达面 | 孤岛文章 | Top10 集中 |
|---|---|---|---|---|---|---|---|
| fixed_6 | 1.73 | 60.0% | 18.2% | 0.0% | 6/60 | 54 | 100.0% |
| same_cat_6 | 1.95 | 51.4% | 23.9% | 0.0% | 21/60 | 39 | 70.7% |
| same_cat_random_6 | 1.95 | 51.4% | 23.3% | 0.0% | 60/60 | 0 | 17.8% |
| mixed_no_tool | 1.78 | 56.4% | 19.2% | 0.0% | 14/60 | 46 | 91.3% |
| mixed_tool | 1.70 | 59.0% | 16.8% | 9.6% | 13/60 | 47 | 93.5% |
| mixed_scatter | 1.69 | 59.3% | 16.9% | 9.8% | 60/60 | 0 | 24.2% |
三、结论一:决定可达面的是「候选怎么选」,不是相关性有多强
先看第二行和第三行。这两行的区别只有一处:候选是同分类里最新的 6 篇,还是同分类里随机的 6 篇。
跳出率一模一样(51.4%),人均页数一模一样(1.95),看满三页的比例几乎一样(23.9% 对 23.3%)。也就是说,读者体感上的「相关性」一点没变——随机选出来的也还是同分类的文章,读者点进去依然是同题材。
但可达面从 21/60 变成 60/60,孤岛文章从 39 篇降到 0 篇,Top10 集中度从 70.7% 掉到 17.8%。
原因不难理解:「取最新」意味着无论读者从哪篇进来,底部那 6 个链接都指向同样的目标,于是整个站只有那 18 篇互相可达;改成「从候选池里取」,链接目标就散开了。
这件事对搜索引擎的意义比对新读者还大。Google 在 《In-Depth Guide to How Google Search Works》 里把页面的发现路径分成三条:已经被爬过的 URL、顺着已知页面上的链接发现新 URL、以及 sitemap。孤岛文章在这三条里能沾到的只有 sitemap——如果它还没进 sitemap(我这批文章里就有几篇因为正文太短被过滤掉了),那它对爬虫来说就是不存在。
Ahrefs 的 《Internal Links for SEO: An Actionable Guide》 里也提过类似的意思:相关推荐位的一个作用正是「把老内容重新捞出来」,并且建议在更新老文章时补内链把它们接回新内容。我原来以为要靠人工一篇篇去接,其实只要改一下候选的取法,系统自己就接上了。
四、结论二:加一个「跨簇」位置,不等于把链接打散
这是我第二次判断失误,也是这次模拟里最反直觉的一段。
我改完模板之后用的策略是「同分类最新 3 篇 + 跨分类最新 1 篇 + 全站最新 1 篇 + 工具出口 1 个」。我当时觉得:既有同类的相关性,又有跨类的横向流动,还留了一个最新文章位,多好。
第四行和第五行是它的成绩:可达面 14/60,孤岛 46 篇,Top10 集中度 91.3%。比我改之前的 same_cat_6(21/60、39 篇、70.7%)更集中。
问题出在「跨分类最新 1 篇」这个槽位的取法上。它从「其他分类里最新的」里挑一篇——而全站最新的那几篇文章,本来就是所有分类里最新的那几篇。这个槽位实际上等价于又加了一个指向顶部文章的链接。槽位数量从 6 个里的 1 个变成了 2 个(跨簇 + 全站最新),指向的目标却高度重叠,于是集中度不降反升。
第六行是修正版:同分类那 3 篇从候选池里随机取,跨簇那 1 篇也从其他分类里随机取,而不是取「其他分类里最新的」。结果可达面回到 60/60,Top10 集中度 24.2%。
所以真正起作用的不是「加了几个位置」,而是每个位置从哪个池子里取。一个位置如果永远取「最新」,它就是集权器;一个位置如果取候选池里的随机项,它才是打散器。位置本身没有立场,取法才有。
五、结论三:把访客送出站是有代价的,别当成免费的
第五、六行都带一个外部出口(点了直接跳到站外的工具站)。结果是站外流失 9.6% 和 9.8%,人均页数从 1.95 掉到 1.70 上下,跳出率从 51.4% 涨到 59% 上下。
这个代价是真实的:每十个会话里就有一个是走到出口直接走的,它换来的只是一次转化机会。所以「要不要在文章页放外部出口」不该是一个审美问题,而是一个指标问题:
- 你的北极星指标是人均阅读深度 / 留存,那外部出口就是在拿留存换转化,不该放,或者只在转化价值明显高于留存损失的地方放(比如本身就是工具类文章)。
- 你的北极星指标是转化,那 9.6% 的站外流失就值那 9.6% 的机会,但要单独统计,别把它混进跳出率里自我安慰。
还有一点实现细节:出口必须写成带 href 的 <a> 标签,别用 <div onclick>。Google 的 《链接最佳实践》 明确写了,只有带 href 的 HTML 锚元素才能被抓取工具可靠提取;用 JS 事件模拟的链接,Google 只能「尝试解析」。而且外部链接本身不传站内权重,用 rel="nofollow" 标一下反而更干净。
六、这些数字有多稳
参数是我拍的,所以必须扫一遍,看结论是不是只在某一组参数下成立。我把同分类相关性系数从 1.0 扫到 2.5(1.0 等于「相关性完全没用」,2.5 是「强相关」):
| 同分类系数 | scatter 可达面 | same_cat 可达面 | scatter 人均页数 |
|---|---|---|---|
| 1.0 | 60/60 | 21/60 | 1.45 |
| 1.3 | 60/60 | 21/60 | 1.56 |
| 1.6 | 60/60 | 21/60 | 1.65 |
| 1.9 | 60/60 | 21/60 | 1.77 |
| 2.2 | 60/60 | 21/60 | 1.89 |
| 2.5 | 60/60 | 21/60 | 1.98 |
可达面这一列在 1.0 到 2.5 之间纹丝不动:scatter 恒为 60/60,same_cat 恒为 21/60。人均页数随系数单调上升,符合直觉。也就是说「取最新造成孤岛」这件事,跟相关性设多强没关系——它只取决于你从哪个池子里取。
可复现性也验证了:同参数连跑三次,六种策略的结果 md5 分别稳定在 196af5da、83a552e2、d051dbd5、23d6cd94、925112c2、4f07ee83,没有一次漂移。
七、落到 PHP 站点上怎么写
先说一个坑:不要在每次请求里真随机。爬虫每次抓到的推荐链接都不一样,链接之间的关系就在爬虫眼里变得不稳定;用户刷新一次看到不同的推荐,体验也怪。
我用「按天轮换的确定性随机」:种子用日期加文章 ID,同一天内所有访客看到同一组,次日自动换一组。这样对爬虫是稳定的,对用户也稳定,同时保留了跨文章的可达性。
// 按天轮换:同一天内所有访客看到同一组推荐,次日自动换一组。
// 不在每次请求里真随机——那样爬虫每次抓到的链接都不同,权重传递不稳。
$seed = date('Ymd') . $article->id;
$pool = Article::where('status', 1)
->where('id', '<>', $article->id)
->where('category_id', $article->category_id)
->field('id, title, slug')
->select()
->toArray();
// 用哈希排序代替 mt_rand:不改全局随机状态,同一 seed 结果稳定
usort($pool, function ($a, $b) use ($seed) {
return hash('crc32b', $seed . $a['id']) <=> hash('crc32b', $seed . $b['id']);
});
$related = array_slice($pool, 0, 3); // 同分类 3 篇,已自然打散
如果还想加一个跨分类位,池子要换,不能再取「其他分类里最新的」:
// 跨分类 1 篇:从「其他分类的候选池」里按同一个 seed 取,而不是取最新的
$crossPool = Article::where('status', 1)
->where('id', '<>', $article->id)
->where('category_id', '<>', $article->category_id)
->field('id, title, slug')
->select()
->toArray();
usort($crossPool, function ($a, $b) use ($seed) {
return hash('crc32b', $seed . 'x' . $a['id']) <=> hash('crc32b', $seed . 'x' . $b['id']);
});
$related[] = $crossPool[0];
「上一篇 / 下一篇」也值得顺手改一下。我原来按全站发布时间取,结果某个主题的最后一篇,「下一篇」永远是空的,链在这个主题这里断掉。改成同分类内按发布时间取,链就闭合了。
八、你可以量自己站点的三个数
不用搭模拟器也能先得到最有用的那一个判断。准备两份清单:
- 清单 A:站点全部文章的 URL。
- 清单 B:所有文章页推荐位指向的目标 URL(把线上页面抓一遍、抽
<a>的 href 就能得到)。
然后算三个数:
- 孤岛率 =(清单 A 减去清单 B)÷ 清单 A。我这批语料下,写死一组时是 54/60 = 90% 的文章没有任何推荐链能到。
- Top10 集中度 = 清单 B 里出现次数最多的 10 个 URL,占清单 B 总条目数的比例。
- 人均触达篇数 = 一次会话点开几篇不同的文章。这个数在模拟里是 1.61 到 1.90 之间,比「人均浏览页数」更能反映内容之间的连通程度。
如果你的站点后台已经记了访问和来源统计,做法可以更省事——参考《ThinkPHP6 后台统计与权限实战:从表设计到图表》里那套思路,把「来源 + 落地页 + 是否发生下一跳」记成一张明细表,就能直接算出上面三个数。做统计面板时记得一件事:数据表结构要跟着要回答的问题设计,先想清楚要看什么指标再埋点,不然面板做完才发现缺字段。
九、这组数字不能外推到哪些地方
- 入口均匀随机是假设,不是事实。真实站点绝大多数流量会砸在少数几篇上。这让我的结论偏保守:入口越集中,「所有文章推同一组」的策略越糟,因为那 6 篇之外的 54 篇连被顺带碰到的机会都没有。
- 这是离散事件模拟,不是真实压测,也不是真实用户。没有网络延迟、没有真实点击分布、没有用户在多篇之间「觉得这篇不好就退出去」的行为。参数是我拍的,扫了一遍只能说明结论对该参数不敏感,不能说明它对现实同样成立。
- 没有建模回流。被送出去的访客过两天可能自己回来,这在真实站点是常见的,但模型里没有。
- 没有建模 SEO 侧的收益。内链传递的权重、锚文本的语义、页面之间的话题关联,这些我只用「可达面」这一个粗指标代理了。真实的搜索表现还会受站外引用、页面质量、更新频率影响。
- 打散不是免费的。如果你明确要把权重集中到一篇旗舰页上,那么集中就是目的,别用我这套去打散。反过来,如果你有 60 篇内容却只有 6 篇能被站内链到,那这 54 篇基本等于没有。
最后补一句我自己的做法:这类「到底是好还是坏」的问题,我以前习惯先改代码、觉得逻辑通了就上线。这次是先写了个脚本把数跑出来,才发现我改的那版比原来还集中——而如果只是靠推理,这个方向大概会一直错下去。方法上其实跟我在《429 限流下重试到底省了什么:本地跑 200 个任务,结果和我想的不一样》里做的一样:让数字先说话,再决定要不要改。如果你的站点也在纠结推荐位怎么排,先花半天把这个脚本跑一遍,比拍脑袋改模板靠谱得多。
顺带说一句,如果你正打算给自己的站做一轮部署调整,宝塔 + Nginx 伪静态 + 定时任务那套坑我单独写过一篇,《ThinkPHP6 上线部署:宝塔 + Nginx 伪静态 + 定时任务的完整踩坑》里都记着,别重复踩。