简答:想让 ChatGPT 引用你的网站,先要保证它的搜索代理抓得到、也读得懂你的页面:放行 OAI-SearchBot 和 ChatGPT-User,确认防火墙也让它们通过,再把答案放进初始 HTML。然后让页面值得被引用:每个问题小标题下放一条能直接回答的论断,日期写真实,用买家提问的形态来组织内容。最后用正确的方法数引用,否则你无从知道这些工作有没有用。下面七步分成三个阶段,按顺序做。

这些都不能保证一定被引用,ChatGPT 每次回答都会重新挑来源。七步做的是排除「它没法选你」的理由,并让你看得到结果。如果你想先确认 ChatGPT 现在有没有引用你,见ChatGPT 有没有引用我的网站,那篇讲了怎么测。

前六步,每一步对应页面被引用之前必须过的一道关。几道关的失败方式各不相同,其中只有一道会留下你可能注意到的报错:

关卡,以及修复它的步骤失败时的表现第 1 步robots.txt 放行 OAI-SearchBot没过无声无息:哪里都不报错页面只是永远进不了索引第 2 步边缘层(CDN/防火墙)让代理通过没过返回 403 或验证页robots.txt 却一直说放行第 3 步答案就在初始 HTML 里没过返回 200,正文却是空壳状态码过关,内容不过关第 4~6 步有一段话能单独回答问题没过抓到了、读了,但没被选中宣传册式页面的常态有资格被引用ChatGPT 仍是每次回答重新挑选第 7 步用来判断你卡在哪一关:数清楚实际出现的引用。
图 1 你的页面和一次 ChatGPT 引用之间的四道关、修复每一道的步骤,以及每一道失败时的表现。只有第二道会留下你大概率能注意到的报错。来源:OpenAI 爬虫文档,以及本文介绍的抓取检查方法。

所以要从上往下逐关排查,而不是一上来就改文案。一张结构漂亮的页面如果挡在防火墙规则后面,就等于不存在,而你再怎么改写,它也不会告诉你问题出在哪。

第一阶段:让 ChatGPT 抓得到、读得懂

第一步:放行通往引用的那几个代理

一个普通网站会见到 OpenAI 的三个代理。OAI-SearchBot 构建在 ChatGPT 搜索功能里展示网站的索引,引用靠的就是它。ChatGPT-User 是因为有人在 ChatGPT 里提出要求,才去抓取某个页面。GPTBot 抓取可能用于训练 OpenAI 模型的内容。封 GPTBot 是一个关于训练的决定,不会让你从 ChatGPT 搜索结果里消失;封 OAI-SearchBot 会。

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

# 可选:只拒绝训练用途
User-agent: GPTBot
Disallow: /

怎么改 robots.txt 取决于建站平台。Shopify 上要在已发布主题里加一个 robots.txt.liquid 模板,在 Liquid 的 robots 对象基础上追加规则,而不是整段替换,因为 Shopify 会定期更新默认规则。自托管的 WordPress 上,这个文件是由 do_robots() 生成的虚拟文件;在网站根目录放一个真实的 robots.txt,它会在 WordPress 运行之前就被返回,从而覆盖虚拟的那个。还有一条规则常常让人中招:一个代理一旦有了自己的分组,就会完全忽略 User-agent: * 分组,所以私有路径要在 OAI-SearchBot 的分组里再写一遍。处理好这一点的完整示例,见一份能直接用的 AI 爬虫 robots.txt。

第二步:确认防火墙和 robots.txt 说的是同一件事

robots.txt 只表达意向,并不授予访问。CDN 或机器人管理规则如果对这些代理返回 403,实际效果就是封锁,而文件会一直宣称相反的事。OpenAI 为每个代理公开了 IP 列表:OAI-SearchBot 是 openai.com/searchbot.json,ChatGPT-User 是 openai.com/chatgpt-user.json。如果你的边缘服务有「已验证机器人」的放行名单,就用这些列表来建,而不是只认 User-Agent 字符串,那个谁都能伪造。

还要清楚 robots.txt 做不到什么。OpenAI 的文档说明,ChatGPT-User 是代表用户行事的,未必像爬虫那样遵守 robots.txt。把这个文件当作对爬虫的声明;真正需要挡在外面的东西,交给边缘层去处理。

第三步:把答案放进初始 HTML

多数 AI 爬虫不执行 JavaScript。要等客户端渲染才出现的文字,对它们来说并不存在;返回 200 但正文是空的,应该算失败,不算通过。各平台的缺口各不相同:

平台通常在 HTML 里通常不在
Shopify普通店铺页面,Liquid 在服务端组装通过 Ajax Section Rendering API 取回的内容;应用注入的评价与问答
WordPress经典主题与区块主题的输出「加载更多」列表、页面构建器注入的标签页与折叠块、无头前端
Webflow页面文案,以及在 Designer 里绑定的 CMS 集合内容站内搜索结果、运行时构建的 Embed、第三方脚本
HubSpotHubL 渲染的页面与博客正文嵌入式表单、CTA 与聊天里的文字

用 curl 分别以 OAI-SearchBot 和普通浏览器的身份取一次关键页面,在结果里搜你希望被引用的那句话。浏览器那份有、代理那份没有,卡住你的就是这一关。各种常见架构的修法,见 JavaScript 渲染与 AI 爬虫。

第二阶段:让页面值得被 ChatGPT 引用

第四步:每个问题小标题下,放一条能直接回答的论断

引用挂在段落上。一个段落好不好引用,看三点:头一两句是否完整回答了一个问题,产品或条件是否写全了名字,事实是否带着单位,比如价格、尺寸、时长、兼容性。小标题直接写成买家会问的问题,检索系统就知道下面这段在回答什么;「我们的做法」这种标题,什么也没告诉它。

自测方法:脱离上下文,只读每一节的头两句。能单独成为一个答案,这段就可引用;如果要依赖「它」「这个套餐」「如上所述」,就重写,把指代的东西直接写出名字来。

第五步:老老实实标日期

很多问题隐含着「要当前的答案」:价格、对比、政策、「最好的」榜单。在这类问题上,标注了真实发布日期和修改日期的页面,比没有日期的页面更占优势。而修改日期被每次部署自动刷新的页面,比没有日期还糟,因为日期和内容对不对得上,爬虫是可以核对的。别让构建流程碰日期,只有内容真的变了才改修改日期。具体做法见内容时效与日期。

第六步:发布容易被引用的形态,也照顾到跟你抢引用的页面

对比页和盘点页在形态上直接对应一道购买问题,这就是它们在商业品类的引用列表里占主导的原因。写清方法和评判标准的盘点,比单纯罗列产品好引用得多。如果你自己发这类页面,就把自己也如实放进去,包括你不是最佳选择的那些场景。

另外,你的页面也不是引用位的唯一候选,而且这块场地很宽。Profound 分析了 6.8 亿条引用,ChatGPT 里被引最多的单个域名 Wikipedia,也只占其中的 7.8%,排第二的 Reddit 占 1.8%(数据采集于 2024 年 8 月至 2025 年 6 月,比例此后会有变化)。这块场地上的每一类页面,要做的工作都不一样:

争同一个引用位时,你的页面面对的是谁「自由职业者用什么开票工具最好?」你自己的页面该做什么在小标题下的头两句就答完一个具体问题。对比页和盘点页该做什么自己发一篇写清方法和评判标准的,并把自己如实放进去。电商平台和点评站该做什么确认上面关于你的事实、价格和库存是最新的。Wikipedia 和 Reddit该做什么别人对你的描述:核对它们说得对不对。
图 2 在一道购买问题上,你的页面要和第三方页面争同一个引用位,每一类页面要做的工作都不一样。示例问题仅作说明。来源:本文的方法。

这里能读出两层意思。Wikipedia 和 Reddit 都是第三方页面,上面写的是别人怎么描述产品和公司,所以它们怎么说你,和你自己怎么说同样重要。另一层是,既然没有哪个域名能一家独大,一张把某个具体问题答好的页面就有实打实的入选空间。在商品品类里,很大一部分引用流向了电商平台、点评站和媒体盘点,而不是品牌官网,所以要确认这些页面上关于你的事实、价格和库存是最新的。它们被引用时,说到你的内容至少得是对的。

第三阶段:按 ChatGPT 引用实际出现的方式来数

第七步:只数回答里标注出来的

引用数字很容易不小心被灌水,而一个好看的数字会把工作带偏。助手检索到的页面通常远多于它最终引用的,两者之间的差距,正是大多数计数错误藏身的地方。

生成回答时检索到的页面不是引用。我们自己数这一层时,数字虚高了两到四倍回答正文里标注出来的来源只数这一层能映射到真实 URL 的标注其余一律丢弃其中属于你域名的页面既报次数,也报不同问题数被当作来源引用页面为回答提供了依据被点名推荐回答推荐的就是你
图 3 哪些来源该算作 ChatGPT 引用。每往下一层,就去掉一种会把数字灌水的东西;最后一层把「被引用」和「被推荐」分开。来源:InsightWonder 的引用计数规则,以及促成这些规则的 2026-08-10 计数事故。

四条规则让计数保持诚实,下表对照了每一条防住的是什么:

规则数错的样子数对的样子
只数回答正文里标注的来源把生成回答时检索到的每个页面都算上。我们自己修复之前就是这么数的,引用数字虚高了两到四倍只数回答本身标注出来的来源
映射不到真实 URL 的标注一律丢弃给一个背后没有真实网址的标注也记了一条引用宁可少记一条,不可记一条假的
广度和次数并列报告一条回答引了你 12 个页面,就当成覆盖面翻了 12 倍在原始次数旁边,写上引用你域名的不同问题数
被引用和被推荐分开记回答推荐的是竞品,你的页面被当作来源,也算一次胜利两个指标分开,两者之间的差距一直看得见

最后一行是多数团队会漏掉的。被引用,说明你的页面为回答提供了依据;被推荐,说明回答把你点名为首选。后者是另一个问题,解法也不同,见怎么让 ChatGPT 推荐你。

按固定周期、用同一组不含品牌名的问题去跑,连续两轮都出现的变化才当真。一道点了你名字的问题,回答当然会提到你,但这对那些没点你名字的买家,什么也说明不了。

该从哪一步开始

如果你手上已经有一些迹象,不一定要从第一步做起。把你看到的现象对到它指向的那道关上:

你看到的现象最可能卡住的关从哪一步开始
就算是只有你能回答的问题,ChatGPT 也从不引用你域名上的任何页面访问:robots.txt 或边缘层第一、二步
有些页面被引用,但商品页或价格页从来没有那几类模板的渲染第三步
你的页面被引来交代背景事实,被推荐的却是竞品段落写法与内容形态第四到六步
引用数字每个月都大起大落是测量的问题,不是网站的问题第七步

无论你落在哪一行,最后都要做第七步,它是唯一能告诉你其他几步有没有用的一步。如果不想手动数,InsightWonder 的引用追踪会自动套用上面四条规则;一张表格加一组固定问题,手动也能做到同样的事。

资料来源