外链留存率就是"上期还在的链接，这期还有多少条仍然在原位且可被访问"。它必须自己去测，没有任何工具能替你算准，因为工具只知道自己抓到过什么。真正要追的不是那个百分比，而是"消失的原因分布"——页面被删、链接被挪、服务器报错、robots 拦截，这四类的处理动作完全不同。先做原因分类，再谈留存数字好不好。
消失的四种形态，处理方式不一样
Google 关于 HTTP 状态码如何影响爬虫的说明给了最硬的判据：返回 4xx 的 URL，Google 不使用其内容，已经被收录的会从索引中移除，并且随着时间推移会逐步停止使用这个 URL，抓取频率也会逐渐降低；返回 5xx 和 429 时，已收录的 URL 暂时保留在索引中但最终会被丢弃，同时抓取速度临时下降；3xx 里的 301 会被 Google 跟随，并作为"目标 URL 应当被处理"的强信号。同一篇还写明，默认情况下爬虫最多跟随 10 跳重定向，并且 2xx 也不保证被收录。
把这段映射到外链场景，消失就分成四类：来源页面被删除或改版（4xx）、链接被移动位置或挪到分页深处、来源站临时故障（5xx）、链接还在但格式变了。第三类最容易被误判为丢失——服务器抖一下，工具就少一条。
| 消失形态 | 怎么先确认 | 下一步动作 | 要不要重谈 |
|---|---|---|---|
| 来源页返回 4xx | 直接请求该 URL，看响应码 | 联系来源站，问是否有替代页；准备同主题的现存页 | 值得，但要拿具体替代方案去谈 |
| 来源页还在，链接没了 | 用查找功能在站内搜你的品牌名 | 说明编辑认为不需要了，先弄清原因 | 视原因定，多数是内容不够格 |
| 链接被挪位置 | 找出新位置，记录旧位置 URL | 不重谈，登记为位置迁移 | 不需要 |
| 来源页 5xx 或超时 | 隔几天重试，看是否恢复 | 记为临时故障，本期不算消失 | 不需要 |
| 链接格式变了（JS 渲染、加了 nofollow） | 看页面源码里是否还有可解析的链接 | 按链接可抓取的要求反馈给来源站 | 看情况 |
最后一行值得展开。Google 关于链接如何被发现和传递的说明写明，Google 通常只能抓取带 href 属性的 <a> 元素，其他格式的链接不会被解析提取。也就是说一条"人点得动、爬虫读不到"的链接，在留存判断里等于失效，哪怕页面上确实有这个链接。判断时要看源码，不看渲染后的页面。
反过来，如果来源站把页面上线了新页面，正确做法是让它做永久重定向而不是直接删旧页。Google 对重定向与搜索的说明把永久重定向（301、308）定义为"页面已永久搬到新位置"，并说明只有确定重定向不会被撤销时才用永久重定向。来源站做对了，你的链接就还在；被直接删掉，就只能走重新争取。
找回来和重新谈的具体动作见丢失外链的定期排查流程；来源站迁移这件事本身属于外链页面 301 之后该知道什么。
怎么把留存率做成一张能用的表
- 固定周期做全量比对。每期把上期记录的全部链接重新请求一遍，不要只抓新增的。周期长度按 30 天起步。
- 每次比对记五列。响应码、是否仍可解析为带
href的链接、新位置 URL、消失原因分类、判定日期。 - 把 5xx 和超时标为"待观察"，下一期再判。这一列的设置是为了避免服务器抖动被记成链接丢失。
- 留存率按来源分组算，不只算总数。按引用域分组后，某个来源的整页消失会很明显地显示成一条断崖，比混在总数里更容易发现。
- 不要给留存率设一个通用达标线。用你自己过去四到六期的中位数当基线，超过基线下滑的才进排查队列。这条对指标本身也适用，怎么自建基线在确认外链是否真被收录的核对方法里有对应动作。
什么时候留存率这个指标本身没用
- 网站刚上线不到一个季度时。没有历史可留，任何留存率都是噪声，先建满两期基线再看。
- 来源站是新闻或活动页时。活动结束页面下线是正常生命周期，把它算作丢失会污染指标。给这类来源单独打标签，排除出留存统计。
- 只关心排名影响时。有些链接消失并不影响落点页在搜索里的表现，反过来有些留下来但已被
nofollow的链接作用更小。留存率是资产账，不是排名账，两者要分开看。
怎么验证你的留存数据可信
随机抽 10 条被判为"消失"的链接，人工打开来源页确认；同时抽 10 条被判为"仍在"的链接，看源码里链接是否真的还在、目标 URL 是否可访问。两边都对得上，说明你的自动化判定逻辑和人工认知一致。发现不一致，按不一致的偏向调整：偏向误判"消失"就加一轮重试，偏向漏判就改成看源码而不是看渲染结果。这一步做完，留存率才值得被写进对外汇报。