当前位置: 首页 > news >正文

修复谷歌 AdSense 的 Ads.Txt 无效的有收益损失风险提示

明月的 AdSense 账号后台一直都有“有收益损失风险 - 您需要纠正 ads.txt 文件存在的一些问题,以免严重影响您的收入。”的提示长达一年多了,这次重新开始投放谷歌 AdSense 广告后感觉需要解决掉这个问题了,因为已经全站使用了 CloudFlare,所以就借助 CloudFlare 的“批量重定向”来把所有投放 AdSense 广告站点的 ads.txt 提示都给解决了,因为谷歌 AdSense 需要时间生效验证,所以知道今天才算是成功。

关于谷歌 AdSense 的 ads.txt 可以参考早期文章【免 AdSense 广告收益受损的 Ads.Txt 文件】和【谷歌 AdSense 为什么提示收益受损风险需要修正一些 Ads.Txt 问题】文章了解。

修复谷歌 AdSense 的 ads.txt 无效的有收益损失风险提示

至于在添加了 ads.txt 后依旧会造成谷歌 AdSense 后如上图这个提示的原因其实多是出在站点主域名使用方式上的,谷歌 AdSense 默认要求是 ads.txt 必须在主域名下,而这个主域名指的是不带 WWW 前缀的主域名,如:https://domain.com,如果我们的主域名默认是 https://www.domain.com 的话,就会在谷歌 AdSense 后台出现 ads.txt 的这个提示。反之,如果你默认使用的是 https://domain.com 这样的形式理论上就不会出现这个提示了。

修复谷歌 AdSense 的 ads.txt 无效的有收益损失风险提示

知道了问题出现的原因,解决起来就方便了,像明月全站用的是 CloudFlare,所以只需要在 CloudFlare 的“批量重定向”里添加一个 https://imydl.com/ads.txt 强制 301 重定向到 https://www.imydl.com/ads.txt 即可了,如下图:

修复谷歌 AdSense 的 ads.txt 无效的有收益损失风险提示

无论是你国内还是境外站这个方法都可以的,就是把 ads.txt 给重定向到谷歌 AdSense 要求的就行了,更多详细可以参考谷歌 AdSense 官方文档 了解哦!另外,根据谷歌 AdSense 官方的要求,如果你跟明月一样使用的是 WWW 前缀的话,最好是在 ads.txt 里添加一行:subdomain= www.domain.com 的声明,因为严格意义上 domain.com 是主域名,而 www.domain.com 仅仅是个子域名的,这样就符合官方的要求了。注意,ads.txt 的重定向验证需要至少 24 个小时以上,并不是实时生效的,所以请大家耐心等待就是了!

修复谷歌 AdSense 的 ads.txt 无效的有收益损失风险提示

http://www.lryc.cn/news/354142.html

相关文章:

  • 使用向量叉乘,来计算一个点到一条线的距离
  • 学习笔记——交通安全分析02
  • pytest-sugar插件:对自动化测试用例加入进度条
  • AI大模型的口语练习APP
  • Elasticsearch 详细介绍和经典应用
  • GEC210编译环境搭建
  • Mysql中表之间的关系
  • 文心智能体大赛:百度文心智能体平台初体验
  • AI数据面临枯竭
  • 2024.5组队学习——MetaGPT(0.8.1)智能体理论与实战(中):订阅智能体OSS实现
  • LoadBalancer
  • 【栈】Leetcode 71. 简化路径【中等】
  • 简单操作一单利润500+,最新快手缺货赔付玩法,【找店教程+详细教程】
  • 【软件设计师】先导
  • npm : 无法将“npm”项识别为 cmdlet、函数、脚本文件或可运行程序的名称
  • 如何用 MoonBit 实现 diff?
  • opencl色域变换,处理传递显存数据
  • COD论文笔记 Boundary-Guided Camouflaged Object Detection
  • java内存模型介绍
  • CSS语法介绍
  • Jeecg | 完成配置后,如何启动整个项目?
  • Kubectl 的使用——k8s陈述式资源管理
  • 多天线技术
  • Meta发布Chameleon模型预览,挑战多模态AI前沿
  • 声压级越大,STIPA 越好,公共广播就越清晰吗?
  • 基于springboot+vue的4S店车辆管理系统
  • 深入理解 HTTP 缓存
  • upload-labs 通关方法
  • 5-26 Cpp学习笔记
  • YOLOv8_pose的训练、验证、预测及导出[关键点检测实践篇]