简答:AI 答案优化,是对同一张页面连问三个问题,而三个问题的答案往往不一样。第一问:引擎自己的抓取代理能不能找到、取到这张页面?这是 SEO 和爬虫访问的问题。第二问:能不能从页面里摘出一段完整、正确的答案?这是答案引擎优化(AEO)的问题。第三问:助手回答买家时,页面背后的品牌会不会被点名?这是 GEO 的问题。前一问是后一问的前提,所以按这个顺序做,而且每一问都要单独实测,不要从上一问的结果去推断。

分成三问不是咬文嚼字。三个问题失败的原因不同,负责修的人也不同:开发、写作者,以及负责品牌站外形象的人。一张页面可以在搜索里排名不错却完全没法被引用;也可以作为来源被引用,而回答推荐的却是别人。把「AI SEO」当成一个笼统的项目,会让你看不清自己到底卡在哪一问。

为什么说 AI 答案优化是三个问题,而不是一个

常有人问:AI 答案优化是不是换了个名字的 SEO?一部分是。第一问「页面能不能被找到、被取到」,就是 SEO 团队一直在做的事,只不过要照顾的爬虫多了一批。后两问在排名报告里找不到对应物。排名说明的是整张页面被判定为相关,它既不说明页面上有没有哪一段能被单独引用,也不说明助手最终推荐的是不是你这个品牌。

1取得到SEO 与爬虫访问负责人开发、平台管理员直接测法以代理身份请求页面失败表现403、质询、空的 2002摘得出答案引擎优化(AEO)负责人写作者、编辑直接测法脱离上下文读两句失败表现没有能单独成立的段落3被点名生成式引擎优化(GEO)负责人品牌、公关、合作直接测法题面不带品牌名去问失败表现被引用,推荐的却是竞品前一问是后一问的前提。每一问都要单独实测。
图 1 AI 答案优化的三个问题,按必须通过的先后排列,并列出每一问通常的负责人、直接测法和失败表现。来源:本文介绍的方法。

下表把三问并排放在一起。最有用的是最后一行:每一问都有自己的失败信号,而且长得完全不一样。

第一问:取第二问:摘第三问:点名
对应的学科SEO 与爬虫访问答案引擎优化(AEO)生成式引擎优化(GEO)
被评判的单位网址和它的 HTML从页面上剪下的一段品牌本身,跨越许多来源
通常谁来修开发或平台管理员写作者或编辑品牌、公关或合作伙伴团队
直接测法以代理身份请求页面脱离上下文读两句题面不带品牌名去问
失败长什么样403、质询页,或返回 200 却没有正文找不到一段能单独成立的文字页面被引用,推荐的却是竞品

横着读一遍,顺序的道理就清楚了:搜索代理根本拿不到的页面,写作者改得再好也没用;没人能引用的页面,品牌团队也没法靠它被点名。顺序做反了,功夫不一定白费,但在前一问过关之前,它不会体现在任何结果里。

第一问:页面能不能被找到、被取到?

这一部分基本沿用 SEO 的做法,但多了一件要紧的事:答案引擎用自己的代理抓页面,而且每家主流厂商都刻意分了好几个。OpenAI 的文档里,GPTBot 抓取可能用于训练模型的内容,OAI-SearchBot 构建 ChatGPT 搜索功能背后的索引,ChatGPT-User 则是有人让 ChatGPT 去读某个页面时才去抓。Perplexity 把为回答建索引的 PerplexityBot 和用户触发的 Perplexity-User 分开;Anthropic 也同样拆成 ClaudeBot、Claude-SearchBot 和 Claude-User。一手资料见 OpenAI 的爬虫文档、Perplexity 的爬虫说明和 Anthropic 的爬虫帮助页。

训练语料封锁后:今天的回答不受影响搜索索引封锁后:从该引擎的回答里消失用户触发有人让助手去读页面;可能不遵守 robots.txtOpenAIGPTBotOAI-SearchBotChatGPT-UserPerplexity—文档:PerplexityBot不用于训练PerplexityBotPerplexity-UserAnthropicClaudeBotClaude-SearchBotClaude-User
图 2 三家厂商按职责拆分爬虫。封锁训练代理不影响今天的回答,封锁搜索索引代理会让你从该引擎的回答里消失。来源:OpenAI、Perplexity、Anthropic 各自的爬虫文档,核对于 2026-09-09。

正因为有这种分工,「我们在 Google 排名挺好」对 AI 答案几乎说明不了什么。只要 robots.txt 或 CDN 规则挡住了某家的搜索代理,不管你在 Google 排第几,都会从那家引擎的回答里消失。robots.txt 写着放行、前面的防火墙却对这些代理返回 403,实际效果就是封锁。

这种分工还意味着,「要不要给训练用」和「要不要出现在回答里」是两个独立的决定。封锁 GPTBot 是对训练用途表态,并不会把你从 ChatGPT 的搜索结果里移除;封锁 OAI-SearchBot 才会。不少站点本意是前者,写出来的规则做的却是后者。

用户触发的那一类代理又是另一回事。它们抓页面,是因为有一个真人提出了要求;厂商自己的文档也写明,其中一些在这种情况下可能不遵守 robots.txt。所以别指望用 robots.txt 把这类请求挡在门外,也别因为日志里看到了它们,就以为搜索代理同样进得来。

「找得到」的另一半是「读得到」。多数 AI 爬虫不执行 JavaScript,内容要等客户端渲染才出现的页面,对它们来说就是空壳。页面可以返回 200、通过所有在浏览器里跑的检查,却没有把一个字交给真正要紧的那个代理。要用真实的 User-Agent 实测,并且把「返回 200 但正文为空」记为失败而不是通过。同时跑一组普通浏览器请求作对照,免得把一个单纯宕机的站点误判成封锁了 AI 代理。AI 爬虫访问指南把这几项检查讲得更细。

第二问:能不能从页面里摘出一个答案?

过了第一问的页面,最常倒在这里,而且原因出在结构,不在文笔。答案引擎不像人那样从头读到尾,它处理的是段落,再用挑中的段落写回复。所以真正的测试是:从这张页面里剪下一小段贴进回复,它还对吗?单独拿出来还读得懂吗?

剪下一段贴进回答里,它还成立吗?页面上原本的段落摘出来之后「完全防水。」不成立谁防水?主语只在标题里「Ridge 冲锋衣完全防水。」成立点明主语,并说出事实「视具体使用场景而定。」不成立没有条件,也没有结论可引答案放在脚本填充的标签页里不成立爬虫拿到的 HTML 里没有它
图 3 对一张假设商品页上的四段文字做「摘取测试」。只有点明主语、说出事实的那一段,贴进回答后依然成立。来源:示意例子,失败模式见本节列表。

页面过不了这一关,往往和写得好不好没关系:

  • 答案靠标题才成立。「完全防水」剪出来就没头没尾;「Ridge 冲锋衣完全防水」剪出来依然站得住。
  • 答案来得太晚。铺垫了三段背景才说到点上,被选中的那一段里可能根本没有答案。
  • 答案被拆开了。一半在表格里、一半在脚注里,得把页面上相隔很远的两块拼起来。
  • 答案藏起来了。放在靠脚本填充的折叠块、标签页或弹窗里,不执行 JavaScript 的爬虫拿到的 HTML 里就没有它。
  • 页面在打太极。「视具体使用场景而定」没法被当作答案引用,于是输给把条件和结论都写明白的页面。

助手倾向于摘取回答某个限制条件的句子:尺寸、材质、退换期限、兼容性。为品牌调性写的文案,读起来再舒服,也给不了它可摘的东西。买家提问也是整句整句地问。我们自己官网在 Search Console 里两个月的数据显示,475 个产生过曝光的查询里,有 181 个是完整问句或七个词以上的长句,约占曝光的 22%。小标题照着这类问法来写,检索系统一看就知道下面这段回答的是什么。

第二问的改写规则

该怎么写而不是
标题下第一句就把答案说完,再展开绕几段才揭晓
承载事实的那句话里把主语再写一遍依赖「它」「这个套餐」或上方的标题
一个标题一个问题,用人真实提问的说法「我们的理念」「为什么选我们」这类标题
事实写成句子或放进表格,带真实单位和日期事实散落在正文里,或者只出现在图片上
凡是有时效的内容都写明确日期「最近」「目前」「今年」
关键答案放在服务端渲染的 HTML 里答案藏在脚本填充的标签页和折叠块里

最快的自查方法:脱离上下文,只读每个小标题下面的头两句。如果它们本身就是一个点明了主语、完整而正确的答案,这一段就是可摘取的。为可摘取而写作用改写前后的对照讲了具体做法。

第三问:页面背后的品牌会不会被点名?

过了前两问,你的页面只是有资格成为来源,并不等于品牌会被推荐。这是两个不同的结果,要分开记录:你的页面可能被当作来源引用,而回答推荐的却是竞品。把两者合在一起算,报告会好看,真正的缺口却被盖住了。

能不能被点名,与其说取决于某一张页面,不如说取决于页面之外的两件事。第一是实体清晰:模型能不能确定你是谁、做什么、外面流传的那些名字里哪些指的是你。不同的写法、被当成另一家公司的产品线、和商号不一致的法律主体名,都会把这件事搅浑。第二是旁证:模型要在多个相互独立的地方看到同一个事实,才会有把握地说出来;只存在于你自己域名上的说法,是你能拿出的最弱的证据,写得再好、标记做得再全也一样。第三方印证讲了去哪里找这些独立来源、怎么排优先级。

这一问最常见的失败不是「没提到」,而是一个看似合理的错误细节:过时的价格、早已退出的市场、其实属于竞品的功能。读回答的时候,要像找自己名字一样仔细地找这些错。它们通常能追溯到某一个过时的外部来源,而不是你自己站上的短板;去修那个来源,和改写自家页面是两份不同的活。

第三问还必须诚实地衡量,否则你会朝错误的方向使劲。题面里带你品牌名的问题要排除:你问助手「某某公司靠不靠谱」,它当然会点名。我们自己的一次检测里,15 道生成的问题有 13 道带品牌名,分数显示 13%,而诚实的数值是零。数竞品也要用和数自己同一把尺子:我们早期的一版测量曾显示某品牌声量份额 31%、排第二;对称地重测之后,是 0% 和倒数第一。

AI 答案优化和老习惯冲突的地方

答案前置可能会缩短页面停留时长,而有些团队仍把停留时长当质量信号。写出具体的条件或数字,意味着以后可能被指出过时,这也是很多页面宁愿打太极的原因。两个冲突的解法是同一个:一段能被引用的文字,比一段让读者多滚动几屏的文字更有价值;带日期的事实比含糊的说法更安全,因为日期明确告诉读者和引擎,这句话在什么时间点主张了什么。

第三个老习惯在汇报上。习惯了一个排名数字的团队,会想要一个「AI 数字」。正确的做法是先按引擎分别报告,再谈平均:在我们自己的基准里,一个模型每条回答点名 3.5 个提供方,另一个只有 2.1 个,揉在一起的数字哪个都描述不了。报告里也要把三问写成三行。一个把访问、摘取、点名混在一起的「AI 可见度」总分,没法告诉你该给三个人里的哪一个打电话。

五分钟把 AI 答案优化的三问各测一遍

  1. 取。以搜索代理的身份请求页面,找你在意的那句话:
    curl -s -A "OAI-SearchBot" https://example.com/returns/ | grep -i "return window"
    找不到,第一问就没过,不管浏览器里看起来多正常。
  2. 摘。找到对应真实买家问题的那个小标题,脱离上下文读它下面的两句话。不能单独成立,第二问就没过。
  3. 点名。在你关心的几个助手里问同一个问题,题面里不带品牌名。把被点名的品牌和被引用的来源记成两张单独的清单。按固定节奏重复,不要只信一次采样,因为即使什么都没变,每一轮的回答也会有波动。

做完这些也不能保证一定被提到。它能做到的,是告诉你卡在三问里的哪一问,让活儿交到对的人手里。如果想一次用多个代理跑第一项检查,InsightWonder 免费工具站里有一个爬虫访问检查器。

资料来源