简答:想知道 ChatGPT 会不会引用你的网站,就拿一组本该由你的页面来回答的问题去问它,问题里不提你的品牌,然后看你的域名有没有出现在回答标注的来源里。每个问题跑不止一次,因为回答本身会变。如果你的域名始终没出现,原因通常是三者之一:ChatGPT 抓不到或读不到页面;页面里没有值得摘走的段落;或者别的网站写了这些事实,你自己没有。三种情况的修法各不相同。

整套检查一个下午、一张表格就能做完。真正有用的不是「有」或「没有」,而是知道「没有」指向的是哪一种故障。下面依次讲:怎么确认访问没问题,怎么检查才算数,每一种「没被引用」该怎么读,以及把检查做成工具时最容易出的计数错误。

第一步:确认 ChatGPT 能访问到你的网站

OpenAI 用不同的代理做不同的事,跟引用有关的只是其中一部分。按 OpenAI 爬虫文档的说法:OAI-SearchBot 构建 ChatGPT 搜索功能里用来展示网站的索引;ChatGPT-User 因为 ChatGPT 或自定义 GPT 里有人要求而去抓取页面;GPTBot 抓取可能用于训练 OpenAI 基础模型的内容。

代理服务于对引用的影响GPTBot为训练抓取训练语料用于以后的模型今天没有影响封它是训练用途的选择OAI-SearchBot为搜索抓取ChatGPT 搜索索引决定页面能否被展示被引用的前提封掉就从搜索里消失ChatGPT-User按用户请求抓取当下这一个页面有用户问到了它被点名时的前提封掉这次抓取就失败
图 1 OpenAI 用三个职责不同的代理,真正挡在你的页面和 ChatGPT 引用之间的只有其中两个。来源:OpenAI 爬虫文档,核对于 2026-09-09。
代理职责封掉它会影响引用吗
OAI-SearchBot构建 ChatGPT 搜索功能背后的索引会:你会从 ChatGPT 搜索结果中消失
ChatGPT-User抓取用户点名要读的页面会:让 ChatGPT 去读你页面的用户什么也拿不到
GPTBot收集可能用于训练的内容不影响今天的回答

用一条规则把三个一起封掉,是站点把自己从 ChatGPT 回答里移除的最常见方式;而很多本想拒绝训练的站点,误封的恰恰是 OAI-SearchBot。如果你的目的只是不让内容进训练,就按名字单独封 GPTBot,另外两个不要动。

被引用之前要过的四道关

robots.txt 只是第一道关。一个页面要过四道关,ChatGPT 才有可能引用它,而后三道在 robots.txt 里根本看不到:

1robots.txt点名 OAI-SearchBot的那组规则放行。点名的组不继承 *组里的规则。写在 robots.txt 里2边缘层CDN 和防火墙对代理返回 200,而不是 403。配浏览器作对照。只有请求时才看得到3HTML正文在服务端给出的 HTML 里。多数AI 爬虫不执行JavaScript。只有请求时才看得到4段落小标题下的头两句脱离上下文也能回答这个小标题提出的问题。只有请求时才看得到四道都过:只是「有可能被引用」,不是一定会被引用
图 2 页面被 ChatGPT 引用之前要过的四道关。只有第一道写在 robots.txt 里,其余三道只有真的去请求页面才看得到。来源:OpenAI 爬虫文档,以及本文介绍的访问测试规则。
  1. robots.txt 放行 OAI-SearchBot。看点名它的那一组规则;没有点名它的组,才看 * 组。注意,点名的组不会继承写在 * 下面的规则。
  2. 边缘层把页面交出来。用 OAI-SearchBot 的 User-Agent 请求一个页面,再用普通浏览器请求一次,对比两次结果。CDN 或防火墙对它返回 403,就是实际上的封锁,而 robots.txt 还会一直写着「放行」。
  3. 正文在 HTML 里。多数 AI 爬虫不执行 JavaScript,内容要等客户端渲染才出现的页面,对它们就是一个空壳。返回 200 但正文是空的,要记为失败,不能算通过。
  4. 有一段话能回答问题。某个小标题下的头两句,如果脱离上下文就答不了这个小标题提出的问题,回答就没什么可摘的。

做第二道关的测试时,每一次代理请求旁边都要配一次普通浏览器请求作对照。没有对照组,一个只是暂时宕机的站点,看起来和一个封锁 AI 代理的站点一模一样。其他引擎的同类检查,见我们的 AI 爬虫访问指南。

怎么检查 ChatGPT 有没有引用你的网站

引用检查很容易做成「什么也证明不了」的样子。四条规矩可以避免:

  • 问题里不带你的品牌名。点了你名字的问题,轻易就能检索到你的网站。要问买家在还不认识你时会问的问题,比如「小型代理公司要开多币种发票,用哪款记账软件」,而不是「Acme 好不好」。我们自己早期生成的一组问题里,15 道题有 13 道带品牌名,算出来的分数毫无意义。
  • 写成带处境的完整句子,不要写关键词。助手回答的是处境。带预算、限制条件或使用场景的问题,引出来的来源和光秃秃的品类词完全不同,也更接近人们真正会输入的样子。
  • 每个问题跑不止一次。什么都没变,回答在两轮之间也会变。一次是个例,多次结果一致才是证据。
  • 只算回答里标注出来的来源。你的域名作为来源挂在回答正文上,而且那个标注能对应到真实 URL,才算被引用。

问题集要大到「一条古怪的回答左右不了结论」,并且覆盖你的页面承担的几类任务:解释概念、比较选项、回答某个具体限制条件。怎么挑题、怎么让问题集保持固定以便前后可比,见搭建问题集。

每一轮都按同样的格式记下来,日后才看得出规律。下面两行只是演示格式,不是真实结果:

问题轮次你的域名被引用了吗哪个 URL你的品牌被推荐了吗被引用的是哪些域名
小型代理公司要开多币种发票,用哪款记账软件?1否-否一个点评站、一个平台列表页
同上2是/features/multi-currency/否一个点评站

除了次数,还要数广度。「有多少道不同的问题引用了你的域名」比引用总次数诚实得多:一条回答引了你好几个页面,覆盖面并不会因此翻好几倍。

提及、引用、推荐是三件事

表格里分开几列是有原因的。这三件事互相独立,把其中任意两件合并,都会藏住你最需要看到的那个结果:

结果长什么样说明了什么
提及回答正文里出现了你的品牌名模型知道你存在,但和你的页面无关
引用你的 URL 被标注为回答的来源这道题用了你的页面作依据
推荐回答把你的产品或服务作为选择推荐出来这道题你赢了,不论引用的是谁的页面

最出人意料的组合是「被引用、没被推荐」:你的页面被当成参考资料,回答推荐的却是竞品。这个结果具体、常见、也修得了,但如果你只盯一个合并后的分数,就永远看不到它。

怎么读「没有被引用」

每道题有了多轮记录之后,「没有」的形态会告诉你该在哪里下功夫:

你看到的可能的原因去哪里查
从没被引用,竞品被引用访问或摘取出了问题用 OAI-SearchBot 身份抓页面;确认不执行 JavaScript 时内容在 HTML 里;脱离上下文读每个小标题下的头两句
从没被引用,被引用的是平台、点评站或盘点文章事实写在别人的页面上看这些页面上关于你的事实、价格、库存是不是最新的
被引用了,但推荐的是竞品缺少第三方印证站外提及、目录收录、不属于你的对比页面
有几轮被引用,有几轮没有正常波动不用修;在多道问题、多轮运行上算比率,不要拿单条回答下结论

第二行最让人意外。对比和盘点类页面在形态上正好对应一道购买问题,在商业品类里,即使你自己的页面写着同样的事实,引用位也常常被它们拿走:一个用第三方口吻承载同样事实的列表页,可以赢过一个做得完美的商品页。对不少品牌来说,最快见效的不是改写自己的页面,而是把这些第三方页面上的信息弄对。怎么找到它们,见第三方印证。

第一行的摘取测试很简单:把其他内容都遮住,只读每个小标题下的头两句。助手摘走的是能回答某个限制条件的句子,比如尺寸、价格条件、退换期限、兼容性。为品牌调性写的文案给不了它可摘的东西,读起来再好也没用。怎么改写,见为可摘取而写作。

第三行是印证的问题。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;只存在于你自有域名上的说法,是你能提供的最弱的一种证据。

如果你要把这项检查做进工具里

自动化会带来自己的故障,而且每一种都会让结果比实际更好看或更难看:

检索候选池助手抓取过的十几个页面回答里标注出来的来源通常只是候选池里的几个标注能对应到真实 URL这才是引用,只在这一层计数再拿你的域名去匹配这个 URL提及回答正文里出现了品牌名。是另一个信号,不算引用。推荐回答把你作为选择推荐。单独一列,绝不合并。失败的轮次超时或报错。没有数据,绝不记成 0。数整个候选池而不是标注来源,让我们自己的引用数字虚高了两到四倍。
图 3 把检查自动化时该数什么。只有能对应到真实 URL 的标注来源才算引用;提及、推荐和失败的轮次分开记。来源:InsightWonder 产品的测量规则,以及 2026-08-10 修复的一次引用计数事故。
  1. 「是否被引用」要从引用 URL 判定,不要从回答正文判定。拿你的域名去匹配实际的来源 URL,是唯一可靠的方法。正文里提到你的品牌,是另一个信号。
  2. 数标注出来的来源,不数检索候选池。助手通常检索十几个页面,只引用其中几个。在我们修复之前,数检索到的而不是标注出来的,让我们自己的引用数字虚高了两到四倍。
  3. 对不上真实来源的标注一律丢弃。模型偶尔会给出指向不存在来源的标注。宁可少记一条,也不记一条假的。
  4. 「被引用」和「被推荐」分两列记。合并起来会美化报告,也会掩盖真正的缺口。
  5. 失败的那一轮不能记成零。超时的请求对正反两面都没产生证据。把它记成「未引用」会压低比率,把一个正常的月份显示成下滑。

原始记录怎么变成能指导行动的结论,见引用分析。

被引用不等于被推荐,也不等于有流量

被引用也不等于有访问。多数回答被读完时并没有点击,所以只在分析工具里找 ChatGPT 用了你多少,会严重低估。要在回答那一侧衡量:哪些问题引用了你,稳定程度如何,引用你时回答说了你什么。分析工具里看到的,只是点进来的那一小部分读者;回答记录里才是其余的部分。

如果你的页面回答的是隐含「要当前答案」的问题,就在页面上写明真实的发布日期和修改日期。没有日期的页面,或者每次部署都自动刷新修改日期的页面,给不了引擎任何诚实的时效信号;而后一种情况,爬虫是可以拿内容去核对的。

检查全部通过也不是保证。四道关都过了,只说明「有可能被引用」,不说明「一定会被引用」;你在自己站上做的任何改动,都换不来某条回答里的固定位置。这项检查给你的,是一张经得起追问的现状图,和一份「先修什么」的短清单。

资料来源