UTM 等追踪参数对百度收录的干扰：canonical 与参数剥离配置

引言：一个推广链接，衍生出十几个重复 URL

运营在公众号推了一篇教程，链接后面挂了 ?utm_source=wechat&utm_medium=social&utm_campaign=2026q4。读者觉得有用，转发到群里、贴到论坛、写进自己的博客，链接带着参数一路扩散。几周后你去资源平台看索引量，发现同一篇文章出现了七八个版本，标题完全一致，URL 只差一串参数。这些页面互相竞争，权重被摊薄，还白白消耗抓取配额。更隐蔽的是 gclid（Google 广告点击 ID）和 fbclid（Facebook 点击 ID），它们不是你自己加的，而是广告平台跳转时自动附在 URL 上的，只要有人从广告链接进来再复制地址栏，就会留下带参版本。

原理分析：百度为什么会把带参 URL 当成新页面

URL 是搜索引擎识别资源的唯一凭据，参数不同即视为不同资源。百度支持 rel="canonical" 标签，会把它作为「首选版本」的强提示，但 canonical 只是提示，不是命令；如果站点本身大量产生带参 URL、内链又指向这些带参地址，canonical 的纠错效果会被稀释。所以正确的处理是三层叠加：源头减少（内部只用干净 URL）、服务端纠正（301 剥离纯追踪参数）、标签兜底（canonical 指向无参版本）。

处理边界很重要：不要写「所有参数一律剥离」的规则。WordPress 早期默认固定链接形如 /?p=123，一刀切屏蔽会让历史文章全部消失，这是真实发生过的事故。

保姆级实操

步骤 1：确定哪些参数需要剥离。 从访问日志里统计参数名分布，只处理确认无功能意义的那几个。原则是先列白名单式的剥离清单，宁可少剥，不可误剥。

步骤 2：在 WordPress 侧输出干净的 canonical。 核心的 rel_canonical() 会输出当前访问 URL（含参数），需要用 get_canonical_url 过滤器把追踪参数剔掉：

add_filter( 'get_canonical_url', function ( $canonical_url, $post ) {
    if ( ! $canonical_url ) {
        return $canonical_url;
    }

    $tracking = [
        'utm_source', 'utm_medium', 'utm_campaign',
        'utm_term', 'utm_content', 'utm_id',
        'gclid', 'fbclid', 'msclkid',
        'from', 'ref', 'share_source',
    ];

    return remove_query_arg( $tracking, $canonical_url );
}, 10, 2 );

步骤 3：在 nginx 层把「只有追踪参数」的请求 301 到干净版。 注意用了 rewrite ^(.*)$ $1? permanent; 这种写法，结尾的 ? 用于丢弃 query string；同时用严格的正则限定「参数全部是追踪参数」才跳转，避免误伤功能参数：

server {
    listen 443 ssl http2;
    server_name mimangfei.com;

    # 仅当 query string 全部由追踪参数构成时才剥离
    if ($args ~* "^(utm_[a-z_]+|gclid|fbclid|msclkid|from|ref|share_source)=[^&]*(&(utm_[a-z_]+|gclid|fbclid|msclkid|from|ref|share_source)=[^&]*)*$") {
        rewrite ^(.*)$ $1? permanent;
    }

    location / {
        try_files $uri $uri/ /index.php?$args;
    }
}

步骤 4：混合参数（既有追踪参数又有功能参数）交给 canonical 处理。 例如 ?p=123&utm_source=wechat 不能 301 剥离，因为 p=123 有功能意义，此时靠步骤 2 的 canonical 输出 ?p=123 版本即可。

步骤 5：统一站内输出。 检查主题的分享按钮、相关文章模块、面包屑，确保它们输出的都是 get_permalink() 的干净结果，不要手动拼接带参数的地址。

步骤 6：核对与提交。 改完后用 curl 检查带参 URL 的跳转行为，并用抓取诊断确认 canonical 生效；已被收录的带参 URL 整理后走死链提交，加速清理。

curl -sS -o /dev/null -w '%{http_code} -> %{redirect_url}\n' \
  'https://mimangfei.com/sample/?utm_source=wechat'

curl -sS 'https://mimangfei.com/sample/?p=123&utm_source=wechat' \
  | grep -o '<link[^>]*rel="canonical"[^>]*>'

常见踩坑

1. 写了「剥离所有参数」的通用规则，把 /?p=123 这类早期固定链接也 301 掉，历史文章集体消失。
2. 案例： 某站在 nginx 里用 if ($args != "") 判断后统一跳转，结果 WooCommerce 的加入购物车、筛选、分页全部失效，用户点任何链接都跳回第一页，当天订单归零，回滚花了两小时。
3. canonical 只写在首页，内页仍输出带参版本。
4. 装了 Yoast SEO 又在主题里手写 canonical，页面出现两个互相冲突的标签，百度直接忽略。
5. 301 剥离了参数，但广告平台的转化追踪依赖这个参数落地后由 JS 读取，跳转后参数丢失导致转化数据全空。
6. 认为加了 canonical 就万事大吉，站内仍有大量链接指向带参 URL，信号互相打架。
7. 忽略 msclkid（微软广告点击 ID），只处理了 gclid 和 fbclid。

总结

追踪参数处理的原则是「源头少产生、服务端能纠正、标签做兜底」，三者缺一不可，但纠正规则必须精确——只剥离确认无功能意义的参数。行动清单：日志统计参数名 → 列剥离白名单 → canonical 过滤器剔参 → nginx 仅对纯追踪参数 301 → 站内链接统一干净地址 → 已收录带参 URL 走死链提交。校验标准是：带纯追踪参数的 URL 返回 301 并指向无参版本，混合参数页面的 canonical 指向剔参后的地址。搜索类参数的处理方式不同，见 站内搜索页与参数 URL 处理；主域层面的规范化见 www 与非 www 域名统一。