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:
| PerplexityBot | Perplexity-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。 |
「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%。
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:
- 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。
- 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。
- 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。
- 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。
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
- Perplexity,爬虫文档(PerplexityBot 与 Perplexity-User)。
- Profound,各 AI 平台的引用模式。
- Aggarwal 等,GEO: Generative Engine Optimization,arXiv,KDD 2024 录用。
- OpenAI,爬虫文档(训练代理与搜索代理的区别)。
- 我们自己的产品规则与 2026 年 7 月至 9 月的事故记录,以及 2026 Q3 基准(第一方数据)。