简答:GEO 体检要按闸门顺序做。第一,各个 AI 代理取得到页面吗?第二,不执行 JavaScript 时内容还在吗?第三,能不能从中摘出一段独立成立的答案?第四,这些说法在你不拥有的网站上有印证吗?每一道都便宜、结果接近非黑即白,而第一道还关着的时候,在第三道上下功夫毫无意义。动手修之前先存一份基线,事后才知道修了有没有用。
体检不能保证被提到,助手每次回答都会重新决定点名谁。体检能确定的是:你的页面有没有资格被用上。这一部分完全在你自己手里。前三道闸管的都是你自己的网站,这周就能修完;第四道取决于别人发布的页面,所以排在最后,也最费时间。
GEO 体检清单:一张表看完
| 闸门 | 怎么测 | 怎样算过 |
|---|---|---|
| 一、取得到 | 分别用各个 AI 代理和普通浏览器请求关键页面 | 代理和浏览器拿到相同的状态码、相近的返回大小 |
| 二、读得到 | 不执行 JavaScript,直接取原始 HTML | 你在意的事实就在返回的文字里 |
| 三、摘得走 | 脱离上下文,只读每个小标题下的头两句 | 它们回答了标题的问题,并且点明了主语 |
| 四、有印证 | 为每条关键说法找一个不在你域名上的来源 | 至少有一个独立页面写着同样的事实 |
开始前先选定几张页面:首页、主要的产品或服务页、价格页,以及回答买家真实问题的那些页面。每一道闸都在同一组页面上跑,结果记进同一张表:每张页面一行,每道闸一列。表格能让规律浮出来:如果每张页面都卡在第二闸,那是渲染问题而不是文案问题,在主题里改一处,整列就都过了。
结果要记三种状态,而不是两种。光有「通过」和「失败」不够,因为总有一些测试跑不完;把没跑完的测试硬判成结论,就会有人跑去修一个本来没毛病的地方。
| 你看到的现象 | 应该记成 | 不要记成 |
|---|---|---|
| 请求超时或连接中断 | 未知,稍后重试 | 被封锁,或「页面不存在」 |
| robots.txt 没取到 | 未知 | 「没有 robots.txt」 |
| 代理和浏览器都失败 | 站点不可用 | 「封锁了 AI 代理」 |
| 返回 200,关键句子却不在 | 第二闸失败 | 因为状态码是 200 就算通过 |
| 代理拿到 403,浏览器拿到 200 | 第一闸失败,问题在边缘规则 | robots.txt 的问题 |
第一闸:各个代理取得到页面吗
不要停在「robots.txt 允许了」。用每个代理的身份请求页面,再和普通浏览器的请求比对状态码和返回字节数。这是唯一一道「读 robots.txt」和「真去请求」可能给出不同答案的闸,两者冲突时,以真实请求为准。前面的 CDN 或防火墙对这些代理返回 403,robots.txt 读起来却很宽松,这种情况实际上就是封锁。浏览器那一次是对照组:没有它,一个临时宕机的站点和一个封锁 AI 代理的站点看起来一模一样。
for ua in OAI-SearchBot ChatGPT-User PerplexityBot Claude-SearchBot Applebot; do
printf "%s " "$ua"
curl -s -o /dev/null -w "%{http_code} %{size_download}\n" -A "$ua" https://example.com/pricing/
done
先查搜索类和用户触发类代理,因为封掉它们就等于从回答里消失。OAI-SearchBot 构建 ChatGPT 搜索功能背后的索引,很多站点本想拒绝训练,误封的恰恰是它,完整名单见 OpenAI 的爬虫文档。GPTBot、ClaudeBot 这类训练代理属于立场选择,不算体检不过关。各个代理是做什么的、封了会失去什么,我们的 AI 爬虫访问指南里都有。这一关还有一条规矩:超时是「没取到」,不是「不存在」,记成未知,过一会儿重试。
robots.txt 是按主机名读取的,所以凡是承载你在意的内容的主机名,都要各跑一遍。商店放在一个子域、帮助中心放在另一个子域,它们各有各的文件、各有各的边缘规则,主域名上的结果干净,说明不了它们。
值得点名检查的平台陷阱
| 平台 | 陷阱 | 怎么查 |
|---|---|---|
| Shopify | 自动生成的 robots.txt 默认并不宽松,而且只有已发布主题里的 robots.txt.liquid 才生效。 | 看线上的 /robots.txt,并在已发布主题的模板里修改,别改在草稿主题上。 |
| WordPress | 「建议搜索引擎不索引本站」还会关掉核心 sitemap,/wp-sitemap.xml 变成 404。 | 确认这个勾没打上,并且 /wp-sitemap.xml 和 /robots.txt 都有响应。 |
| Webflow | webflow.io 预览子域可能提供另一份「全部封锁」的 robots.txt。 | 只审计自定义域名,预览子域的那份文件不是你正式域名实际返回的。 |
| HubSpot | 含 hs-sites 的系统域名永久不索引;一条通配的 disallow 还会挡住 HubSpot 自己的站内搜索索引器。 | 在 robots.txt 设置里逐个检查已连接的域名。 |
既然查到了 URL 这一层,顺便确认每张页面只有一个地址。我们自己的网站就出过事:一处末尾斜杠不一致,让 46 张页面各自以两个 URL 被收录,1,980 次曝光被拆在两个地址之间。答案引擎面对的也是同样的歧义,修法见规范地址与重复 URL。
第二闸:不执行 JavaScript 时内容还在吗
多数 AI 爬虫不执行 JavaScript。取一次原始 HTML,在里面搜你在意的事实:产品名、价格、这张页面要回答的那个问题的答案。
curl -s -A "OAI-SearchBot" https://example.com/pricing/ | grep -i "per month"
返回 200 但正文是空的,算失败而不是通过。你的分析工具也永远不会提醒你,因为它运行在会执行脚本的浏览器里。内容在哪里丢,各平台不一样:Shopify 普通页面是完整 HTML,但通过 Ajax Section Rendering API 加载的部分(比如集合筛选)以及评价、问答这类应用注入的内容不在里面;WordPress 的风险在插件,懒加载脚本、「加载更多」列表、页面构建器的标签页;HubSpot 写在表单和 CTA 里的文字是在客户端填充的。具体修法见 JavaScript 渲染与 AI 爬虫。
第三闸:答案能被摘走吗
找到对应某个真实买家问题的小标题,把它下面的头两句当成页面上唯一的文字来读。如果它们本身就是一个完整、正确、点明了主语的答案,这一段就过关;如果你得往上翻才看得懂,就没过,而且这个问题靠外链修不好。
- 事实写成句子,而不只是规格。尺寸、兼容性、价格、退换期限,除了放进表格,也要在正文里用句子写出来。助手摘走的是能回答某个限制条件的句子。
- 重要内容不要藏在交互后面。放在标签页、折叠块、「加载更多」按钮里的内容,往往连第二闸都过不了。
- 主语写全。每一节的开头句里,把「它」「这个套餐」「上面提到的」换成产品的名字。
结构化数据也归这一闸管,因为要看的是它对不对,而不是有没有。WordPress 上,随便打开一篇文章的源码,数一数 Organization 节点,应该恰好一个,多个插件各输出一套是最常见的故障。Shopify 上,structured_data 过滤器给多变体商品输出的是 ProductGroup 而不是 Product,坚持要求 Product 的检查工具会在整个商品目录上报假失败。改写的具体方法见为可摘取而写作。
第四闸:在你不拥有的地方有印证吗
把你希望助手替你复述的说法列出来:服务谁、价格多少、在哪些地区经营、能和什么集成。对每一条,找一个不在你域名上、写着同样内容的页面。只存在于你自己网站上的说法,是你能拿出的最弱的证据,标记做得再好也一样。
也要反过来查。常见的失败不是没被提到,而是一个说得很笃定的错误细节,比如过时的价格、早已退出的市场,它往往能追溯到某一个过时的外部来源。改正那个来源,常常比新写一篇内容更快见效。怎么找到这些页面、怎么排优先级,见第三方印证。
体检之后去衡量,并且留住基线
动手修之前,在每个引擎上跑一组固定的买家问题,把回答存下来;修完之后,再跑同一组。有三条规矩让前后对比站得住:
- 问题里不带品牌名。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。
- 前后用同一套方法。有一次开启联网检索,某个站点从 3% 跳到 13%,而站点本身什么都没做。方法变了不等于效果好了。
- 连续两轮都出现,才相信变化是真的。什么都没变,AI 的回答在两轮之间也会抖动。
存下回答原文,而不只是一个分数。数字一动,第一个要回答的问题永远是:变的是品牌,还是测量本身?只有存下来的原文能回答它。各个引擎也要分开报告: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,把它们平均起来,就看不出活该干在哪里。对比该怎么搭,见衡量随时间的变化。
GEO 体检查不出来的东西
体检回答不了一个问题:你在优化的那些问题,是不是买家真正会问的。这要从你自己的查询数据里找。我们自己官网的 Search Console 导出里,475 个产生曝光的查询中有 181 个是完整问句或七个词以上的长句,约占曝光的 22%。
这些长问句最接近人们在助手里实际输入的提示词,问题集就从这里开始搭。一个技术上无可挑剔、却回答错了问题的网站,可以每道闸都通过,依然不在答案里。
体检也回答不了「助手为什么选了竞品」。你能观察到的是对手被点名、而你没有;原因并不写在回答里,硬编一个理由,只会把下个月的工作带偏。把体检当成 GEO 里完全由你掌控的那一部分,剩下的交给衡量去说话。如果不想自己写脚本跑第一闸,InsightWonder 免费工具站里有一个 AI 爬虫访问检查。
资料来源
- OpenAI,OpenAI 爬虫概览。
- Shopify,robots.txt.liquid 模板与 structured_data 过滤器。
- WordPress,WordPress 5.5 的 XML sitemap。
- Webflow,关闭搜索引擎索引。
- HubSpot,自定义 robots.txt。
- insightwonder.com 的 Search Console 导出(2026-07-02 至 2026-09-07),以及我们 2026 年的检测事故记录。