我们在《AI 时代首个互联网拐点出现:机器人阅读访问量首次超越人类》里讨论过一个变化:机器正在成为网站越来越重要的“读者”。那篇文章给的是判断。
判断之后,客户问得最多的一句是:“那我们的官网,具体要改什么?”这篇文章试着回答这个问题。不谈趋势,谈动作。
先把问题定义清楚:GEO 优化的到底是什么
传统 SEO 优化的是“位置”——用户在搜索结果页里,你的链接排第几,有没有被点。
GEO(Generative Engine Optimization,生成式引擎优化)优化的不是位置,而是“是否被引用、被怎么描述”。用户可能一次都不点开你的网站,但他从 AI 的回答里形成了一个关于你的印象。这个印象,就是新的品牌入口。
这件事要拆成三个环节,缺一环就断:
- 被发现:爬虫抓得到、索引建得起来。
- 被理解:页面内容能被切成可以独立成立的段落,实体关系清楚。
- 被采用:那段话足够可信、足够具体,值得被放进答案里。
有一点容易被忽略:生成式答案能够呈现的来源有限,真正进入答案的往往不是整篇页面,而是其中一段可以直接支撑结论的内容。
也就是说,竞争单位正从“页面”缩小到“段落”。首页做得再好,如果没有一句话或一段内容能被单独摘出、离开原页面后仍然成立,它就很难进入答案层。
第一步:确认你没被自己的 robots.txt 挡住
这是最不体面、也最常见的问题:内容做得很好,爬虫进不来。
首先要分清两类爬虫,它们的用途完全不同,需要分开决策:
- 训练型(把你的内容用于训练模型):如 OpenAI 的 GPTBot、Anthropic 的 ClaudeBot、Google 的 Google-Extended。
- 检索型(实时抓取用于回答用户问题):如 OpenAI 的 OAI-SearchBot、Anthropic 的 Claude-SearchBot、Perplexity 的 PerplexityBot。
很多企业一刀切地 Disallow 所有用户代理,等于把模型训练与实时检索一起关掉。更合理的做法是分别评估:训练型爬虫可以依据版权、合规和商业策略决定是否开放;如果企业希望内容进入相应 AI 产品的检索答案,则应允许其检索型爬虫访问公开页面。
除 robots.txt 之外,还有四个更隐蔽的拦截点:
- WAF 与反爬策略把合法爬虫误杀;
- 全站 SPA,正文靠 JavaScript 渲染,抓到的 HTML 是空壳;
- 关键参数、认证信息放在需要点击、悬停或登录之后才出现;
- 分页把规格表拆成十几页,每页都缺上下文。
核验方法很朴素:先按各家官方文档核对用户代理,再检查几个关键页面能否正常返回 200、正文是否出现在可解析的 HTML 中,同时确认 WAF 日志没有把合法请求误判为攻击。一次基础排查通常不需要很久,却可能比继续修改视觉更接近问题根源。
第二步:把页面写成“可以被单独引用的一段话”
AI 采用内容的方式是抽取,不是通读。所以写作规则要变。
规则一:每段一个结论,段首就是结论
不要铺垫三段再给答案。第一句就是判断,后面才是条件和展开。被摘走的第一句,必须自己站得住。
规则二:删掉所有依赖上下文的指代
“如上所述”“如下图所示”“该产品”“此项能力”——这些词在原文里通顺,被摘出来就是废句。写全主体:“Pandar64 的垂直视场角为……”。
规则三:小标题写成客户真的会问的问题
“技术优势”是内部语言;“在雨雾天气下还能不能稳定识别”是客户语言。问题式标题下面第一段直接给答案,40 到 80 字,然后再展开论证。
规则四:数字必须带条件
“效率提升 3 倍”缺少核验条件;“在某物料、某节拍下,单件循环时间从 42 秒降到 14 秒”才给出了可验证的边界。前者更像营销判断,后者更适合作为答案中的证据。
这一条对我们自己的项目复盘同样适用。近期几篇案例里,我们会明确标注“该图是品牌构建说明,并非产品技术架构图”“销售增长仍需结合实际运营数据评估”。这类边界话看起来削弱气势,实际上是在为内容积累可引用性。
第三步:让“你是谁”在全网只有一个版本
AI 系统需要依靠名称、属性和关联信息识别实体。如果官网、媒体稿与行业数据库对同一家公司的描述长期互相冲突,系统就更难确认这些信息是否指向同一个主体,也更难判断哪个版本可信。
需要统一的至少有六项:
- 法定名称与英文名(含大小写与缩写规则);
- 成立年份、总部所在地、规模口径;
- 产品型号的命名规则(不要一个产品三个写法);
- 认证与资质的全称与编号;
- 客户与合作伙伴名称的官方写法;
- 融资、估值、产能这类容易被二手信息写错的数字。
技术上,可以用结构化数据明确表达这些关系:用 Organization 描述公司,并通过 sameAs 关联经过确认的官方账号或权威资料;用 Product / Service 描述产品与服务;用 BreadcrumbList 说明页面层级;用 Article 标注文章类型、作者与更新时间。结构化数据必须与页面可见内容一致,不能把页面上没有的信息藏进标记中。
这里要提醒一句:Google 已将 FAQ 富媒体结果主要限制在权威的政府和健康网站,普通企业站不应再把 FAQ 标记当成获取展示位的通用技巧。结构化数据更稳定的价值,是把页面中的主体、属性与关系表达清楚。为了富媒体展示批量堆砌问答,是过时的打法;为了减少机器理解歧义去做,才有长期意义。
第四步:建立一个“事实源”,而不是让每个人各写一版
GEO 的成败,一半不在技术,在组织。
参数表、认证清单、客户名单、案例结果——这四类内容需要明确唯一负责人,并指向同一套经过确认的源数据。市场部写文案、产品部给参数、法务审资质、海外团队改英文,如果没有共同的事实源,页面之间很快就会互相矛盾。冲突信息越多,机器和人就越难判断哪个版本可信。
两个低成本动作:
- 给关键页面加“最后更新时间”,并真的更新。时效性是可信度的一部分。
- 让产品页能被非技术人员在 15 分钟内更新。内容如果只能靠开发改,实际上就是死的。
第五步:llms.txt 可以试,但别当救命稻草
llms.txt 是 2024 年提出的一项开放提案:在站点根目录放置一个 Markdown 文件,用简明结构告诉大模型“这个站点有什么、哪些内容重要”。它不是正式的互联网标准,各家产品是否读取、如何使用也并不统一。
我的建议是:可以试,实施成本不高,但优先级应排在前面四步之后。上线后也要通过日志或实际测试观察它是否被访问,不能把“文件已存在”当成“引擎已采用”。
因为它解决的是“机器怎么更快读懂你的站点结构”,而前面四步解决的是“你有没有东西可以被读懂”。地基没打好,地图画得再漂亮也没用。
第六步:把衡量指标换掉
这是最容易被跳过、也最影响决策的一步。
传统的曝光、点击、排名,回答不了老板真正关心的问题:“AI 提到我们的时候,说得对不对?”
一个可执行的做法是:固化一份 30 到 50 个问题的清单,全部来自真实客户在销售场景里问过的话,并按产品、场景、地域和竞品对比分组。每月在选定的主流引擎中使用一致的测试条件运行一次,至少记录以下五个字段:
- 是否被提及;
- 是否被引用(有没有给出你的链接或名称);
- 描述是否准确(定位、参数、区域能力);
- 引用了哪一页;
- 竞品是否被放在你前面,理由是什么。
连续记录三个月,你会得到一份能够观察变化的“答案层体检表”。它同时也是一份内容选题清单:描述不准确、缺少来源或长期未被提及的问题,就是下一批页面应优先补足的地方。
三件不要做的事
- 不要批量生成“AI 友好”的空洞问答页。引擎对模板化内容的识别能力和搜索引擎一样敏感。一百篇正确的废话,不如一篇有条件的实测数据。
- 不要为了被引用而夸大参数。被引用一次错误数字,修复成本远高于失去一次曝光——因为错误会被反复复述。
- 不要把 GEO 交给只会发稿的供应商。发稿解决的是“声量”,GEO 解决的是“可引用性”。两者不是同一件事。
结语
官网的 KPI 正在悄悄改变。
过去是“有多少人来”,现在是“来的人和机器,能不能正确复述我们是谁”。
前一个指标可以被投放买来,后一个只能靠内容结构一点一点建起来。这也是为什么我们一直把官网当作经营基础设施,而不是一次性的形象工程。
判断已经被验证了。接下来是基本功。