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 | 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:
- 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。 - 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」。
- 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。
- 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:
- 「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。
- 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。
- 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。
- 「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。
- 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
- OpenAI,OpenAI 爬虫概览(GPTBot、OAI-SearchBot、ChatGPT-User),核对于 2026-09-09。
- OpenAI,OAI-SearchBot 使用的 IP 段。