简答:Perplexity 优化,也就是想办法被 Perplexity 引用,归结起来是四件事:放行 PerplexityBot;让内容以不靠 JavaScript 也能读的 HTML 送达;每段只回答一个问题,凡是有时效的内容都标上真实日期;让你所在品类里常被引用的第三方页面,关于你的信息保持准确。然后用严格的口径数引用:只算回答正文里标注的来源,看有多少道不同的问题引用了你,而不是看总条数,并且和「有没有被推荐」分开算。Perplexity 几乎每条回答都给来源,所以不论是访问上的错,还是衡量上的错,在这个引擎上都暴露得比别处快。

正因为如此,即使 Perplexity 不是你最大的流量引擎,也值得从它开始。在一个很少展示来源的助手上,爬虫被挡、页面没法引用,表现出来只是一种说不清的「没出现」;在 Perplexity 上,它表现为某一道你叫得出名字的问题下面,少了一条本该有的引用。

两个代理,以及为什么封 PerplexityBot 多半不是你想做的决定

Perplexity 的爬虫文档写了两个代理,它们干的是两种活:

PerplexityBotPerplexity-User
做什么建立索引,让页面能在 Perplexity 回答里展示并被链接因为用户的问题需要而访问页面,并在回答里链接它
用于训练模型吗文档明确说不用于为基础模型抓取文档没有把它描述为训练爬虫
遵守 robots.txt 吗遵守通常不遵守,因为请求来自真人
封掉它的代价从 Perplexity 回答中消失,引用数据上几乎立刻能看出来真实用户要求的那次访问会失败
非要拦的话怎么拦robots.txt 里写一个分组只能在 CDN 或防火墙上写边缘规则

第一行改变了常见的推理。很多网站封 AI 代理,是为了不让内容进入模型训练。可按 Perplexity 自己的说法,PerplexityBot 不是训练爬虫,封了它在训练这件事上什么也挡不住,反倒把你从 Perplexity 的回答里拿掉了。如果你在意的是训练,要处理的是 GPTBot、ClaudeBot 这类训练爬虫,具体做法见怎样封 GPTBot 又不从 AI 回答里消失。

# Perplexity: indexing for answers. Not used for foundation-model crawling,
# per Perplexity's bot documentation, so there is no training reason to block it.
User-agent: PerplexityBot
Allow: /

# Perplexity-User fetches on a person's request and generally does not
# follow robots.txt. Listed here for the record, not as access control.
User-agent: Perplexity-User
Allow: /

Perplexity-User 通常不理会 robots.txt,所以唯一能拦住它的是 CDN 或防火墙上的边缘规则,而这条规则拦掉的是一个真人发起的请求。绝大多数网站都不该写。还要注意,这两个分组只有在没被更宽的规则盖过时才起作用:爬虫遵守的是点到它名字的那个最具体的分组。如果网站有一个 User-agent: * 的全站封锁、又没有单独写 PerplexityBot 分组,那不管本意如何,它都在封 Perplexity。

Perplexity 优化先从访问开始:确认它真的读得到页面

robots.txt 写得再宽松,只要前面有一条 CDN 规则或机器人管理产品对这些代理返回 403,实际上就是封锁,而那份文件会一直「说」它放行了。用真实的代理名去测,并在同一轮里加一个浏览器式的对照组,免得把一个单纯宕机的网站误判成封锁了 AI 代理:

for ua in "Mozilla" PerplexityBot Perplexity-User; do
  printf "%-16s" "$ua"
  curl -s -A "$ua" -w " %{http_code}\n" https://example.com/guide/ | wc -c
done

结果一定要对照着浏览器那一行读,不能单看:

对照组(浏览器)Perplexity 代理说明什么
200,完整页面200,完整页面可以访问,接着去看内容。
200,完整页面403 或验证页网站前面有东西推翻了你的意图:CDN、WAF 或机器人管理规则。
200,字节很少200,字节很少页面依赖 JavaScript。多数 AI 爬虫不执行它,拿到的是一个空壳。
超时或 5xx超时或 5xx网站对所有人都挂了或很慢。这和 AI 访问无关,过一会儿再测。
从 Perplexity 的一个问题到你被引用,中间的四道关卡1robots.txt放行 PerplexityBot;训练爬虫另算2边缘与防火墙代理拿到 200,和浏览器对照组一致3HTML 正文不执行 JavaScript也有内容4段落只回答一个问题,点出主语,带日期被引用:你的 URL 在回答正文里被标注,而不只是被检索到Perplexity-User 按真人请求抓取,通常不遵守 robots.txt;只有边缘规则能拦住它
图 1 只有第一道关卡写在 robots.txt 里,另外三道只有用代理身份真的去请求页面才看得到。来源:Perplexity 爬虫文档,以及本文的测试方法。

「200 但正文是空的」是最常被误读成通过的结果。修复办法见 JavaScript 渲染与 AI 爬虫这篇指南,代理本身的事实则汇总在 PerplexityBot 术语条目里。

页面层面的 Perplexity 优化:什么样的段落能被引用

Perplexity 读得到页面之后,问题就变成:页面上有没有一段话,值得被放在回答里某个说法的旁边当作出处。下面这些做法并非 Perplexity 独有,只是它引用得频繁,差别在它身上最容易看出来。

  • 一个小标题只回答一个问题,第一句就给答案。助手摘走的,是能回答某个限制条件的句子:尺寸、材质、退换期限、兼容性。这句话要点出主语,剪下来贴进别人的回答里也读得懂。
  • 写事实,不写形容词。为品牌调性写的文案,读起来再好,引擎也没有东西可引。具体的事实要写进句子里,不能只放在小部件或规格表里。
  • 页面上要有出处、引语和数字。最早的那篇 GEO 论文(Aggarwal 等,KDD 2024 录用)报告,它的方法能让内容在生成式引擎回答里的可见度最多提升 40%;效果最好的是引用来源、加入引语和加入统计数字,而关键词堆砌几乎没有提升。这是在研究用的引擎上测的,不是在 Perplexity 本身上测的,但方向和这里的其他建议一致:给引擎一些可以核对、值得引述的东西。
  • 有时效的内容,标上真实日期。暗含「现在」的问题,偏向有日期、近期更新过的页面。没有日期的页面,或者每次部署都把修改时间刷新一遍的页面,会输给一个老实写着真实日期的页面。怎么防止构建流程替你「造假」,见内容新鲜度与日期。
  • 对比类页面要写明方法。对比页和盘点页正好对应一道购买问题的形态,所以在商业类品类的引用清单里占大头。写明了方法和评判标准的盘点,比只罗列商品的盘点好引得多。

一个好用的自测办法:把每个小标题下面的头两句话复制到一个空白文档里。如果离开上一段,它们仍然回答了小标题提出的问题,这段就能被摘走;如果它们以「这」「如上所述」开头,就不能。

当 Perplexity 引用的是别人

Perplexity 自己的引用习惯,说明了很大一部分竞争来自哪里。Profound 对 6.8 亿条引用的分析发现,Reddit 是 Perplexity 里被引最多的单个域名,占全部引用的 6.6%,第二名 YouTube 占 2.0%。ChatGPT 的头名则是百科类网站 Wikipedia,占 7.8%。

单个域名占全部引用的比例Profound,6.8 亿条引用,2024 年 8 月至 2025 年 6 月PerplexityReddit6.6%PerplexityYouTube2.0%ChatGPTWikipedia7.8%Google AI OverviewsReddit2.2%
图 2 Perplexity 被引最多的域名是讨论社区,而不是百科类网站,它拿到的份额是 Reddit 在 AI Overviews 里份额的三倍。这是截至 2025 年 6 月的全行业数字,你所在的品类会不同。来源:Profound,各 AI 平台的引用模式分析。

我们自己的基准从另一个角度指向同一件事:在我们测量的商品品类里,很大一部分引用流向了市场平台、点评站和媒体盘点,而不是品牌官网。你的商品页可以做得完美,引用位仍然会被一个列表页或一条讨论帖拿走,它们承载着同样的事实,只是用的是第三方的口吻。

这样一来,一部分工作就不在你自己的网站上了。找出 Perplexity 在你关心的那些问题下引用了哪些页面,然后检查上面关于你的事实、价格、库存是不是最新的。如果一个常被引用的市场平台页面还挂着旧价格,引用它的回答用的就是那个旧价格。对讨论社区,诚实的做法是确保人们提问的地方有准确的信息,而不是去刷帖:一条被揭穿的「托儿」回答,代价远远超过那条引用的价值。

也要清楚一条引用能换来什么。多数回答被读完时并没有点击,所以对内容方来说,成为被引来源主要是品牌结果,而不是流量结果。要在回答那一侧衡量它,而不是在分析工具里等。

怎么数 Perplexity 的引用,才不会虚高

Perplexity 爱展示来源,引用数据就多;数据一多,就很容易数虚。下面是我们在自己产品里执行的规则,大多数是踩过坑之后才加上的:

  1. 只有回答正文里标注的来源才算。助手通常会检索十几个甚至更多页面,最后只引用其中几个。数检索候选池而不是正文里的标注,在我们修复之前,让自己的引用数字虚高了两到四倍。
  2. 解析不到真实 URL 的标注,直接丢掉。宁可少记一条引用,也不记一条不存在的。
  3. 广度和总量一起报。一条回答引用了你的十二个页面,并不等于十二倍的触达。有多少道不同的问题引用了你的域名,这个数字难虚高得多。
  4. 被引用和被推荐分开算。你的页面可以被当作来源,而回答推荐的是竞品。两者合在一起,报告会比实际好看,真正的差距反而被藏起来。
被引用和被推荐是两种结果,不是一种被推荐没被推荐被引用赢了页面是来源,品牌也是答案只是来源,不是首选你的事实在帮竞品;去看对比类页面没被引用被点名,但没有来源是第三方页面在替你说话;检查它们准不准缺席先查访问,再看输掉的问题
图 3 高亮的那一格,正是合并后的引用指标会藏起来的情况:Perplexity 拿你的页面当来源,推荐的却是别人。来源:本文的报告规则。

每一轮都跑同一套固定的买家问题,问题里不带你的品牌名,并且先单独报告 Perplexity,再看任何跨引擎的平均数。在我们自己的基准里,一个模型每条回答平均点名 3.5 个提供方,另一个只有 2.1 个,混在一起的数字哪个引擎也描述不了。一个变化要在连续两轮里都出现才当真,因为同样的问题跑两次答案也会不同。怎么读结果,见引用分析;Perplexity 在我们基准各品类里给出来源的频率,见 Perplexity 引擎页。

资料来源