简答:品牌要进入 AI 答案,需要六件事同时成立:引擎抓得到你的页面;不运行 JavaScript 也读得到内容;能从中摘出一段独立成立、直接回答问题的文字;能毫不含糊地认出你是谁;在别的网站上也能看到同样的事实;最后,你有一套诚实的方法衡量这些工作有没有起作用。这就是全部工作,大致按这个顺序做,因为每一件都是下一件的前提。
做完这些也不能保证一定被提到。助手每回答一次都会重新决定点名谁,引擎之外没有任何人能控制这一点。你能控制的是两件事:品牌有没有被点名的资格,以及能不能如实看到结果。顺序比看上去重要得多:一个品牌如果先把全站文案重写一遍,却没检查搜索代理能不能访问这些页面,那就是第一步没过,预算却花在了第四步上。
一、放 AI 爬虫进来,而且要实测,不要想当然
每个主流助手都不止一个抓取代理,而且分工不同。OpenAI 在文档里列出了三个和这件事相关的:GPTBot 抓取可能用于训练模型的内容,OAI-SearchBot 构建 ChatGPT 搜索功能背后的索引,ChatGPT-User 则是因为有人问到某个页面才去抓它。Anthropic 用同样的方式把 ClaudeBot、Claude-SearchBot、Claude-User 分开,Perplexity 也把 PerplexityBot 和 Perplexity-User 分开。Google-Extended 根本不是爬虫,而是一个使用控制项,管的是 Googlebot 已经抓到的内容能不能用于 AI。
| 代理 | 角色 | 封掉它的代价 |
|---|---|---|
| GPTBot、ClaudeBot | 训练语料 | 不影响今天的回答,是一个关于训练用途的立场 |
| OAI-SearchBot、Claude-SearchBot、PerplexityBot | 搜索与答案索引 | 从该引擎的搜索类回答里消失 |
| ChatGPT-User、Claude-User、Perplexity-User | 按用户请求抓取 | 用户明确让助手去读你的页面,什么也拿不到 |
| Google-Extended | 使用控制,本身不抓取 | 从 grounded 的 Gemini 回答中消失,Google 搜索不受影响 |
这种分工让你可以有意识地做选择。如果你想退出模型训练、但仍然留在搜索类回答里,就封训练代理、放行搜索代理和用户触发的代理:
User-agent: GPTBot
Disallow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: ClaudeBot
Disallow: /
User-agent: Claude-SearchBot
Allow: /
站点把自己从答案里抹掉,最常见的方式是一条规则把所有代理一起封掉。第二常见的方式在 robots.txt 里根本看不出来:文件写着放行,前面的 CDN 或防火墙规则却对这些代理返回 403。所以访问情况必须用真实的 User-Agent 实测,不能从文件推断;实测时还要同时发一个普通浏览器请求作对照,否则一个单纯宕机的网站,和一个封锁 AI 代理的网站看起来一模一样。各家代理名单和官方文档汇总在我们的 AI 爬虫访问指南里,一手来源是 OpenAI 的爬虫文档和 Anthropic 的爬虫说明。
用户触发的代理有一点要注意:OpenAI、Anthropic 和 Perplexity 都说明过,代表用户去抓页面的代理,未必像爬虫那样遵守 robots.txt。把 robots.txt 当作写给爬虫的意向声明,而不是访问控制。
二、让内容不依赖 JavaScript 也能读到
多数 AI 爬虫不执行 JavaScript。如果产品名、价格或问题的答案要等客户端渲染之后才出现,这个页面对它们来说就是空壳。你自己的分析工具永远不会告诉你这一点,因为它运行在会执行脚本的浏览器里。
检查只要一分钟:关掉脚本抓一个关键页面,看你在意的那段文字在不在。
curl -s -A "OAI-SearchBot" https://example.com/pricing/ | grep -i "per month"
如果找不到,解决办法是让这些页面在服务端渲染或静态生成,而不是再多写内容。返回 200 但正文是空的,应该记作失败,而不是通过。常见的元凶因平台而异:Shopify 的普通店铺页面以完整 HTML 送达,但通过 Ajax Section Rendering API 取回的部分,以及评价这类应用注入的区块,都不在那份 HTML 里;WordPress 的经典主题和区块主题都在服务端渲染,风险来自懒加载插件、「加载更多」列表和页面构建器注入的标签页。JavaScript 渲染与 AI 爬虫这篇指南逐一讲了常见框架的设置。
三、写出 AI 答案能直接摘走的段落
答案引擎引用的是段落,不是整张页面。一段话如果要靠前一段才读得懂,就很难被引用,哪怕整张页面写得很好。有三个习惯能让页面更容易被摘取:
- 先给答案。每个小标题下面的头一两句直接回答问题,证据和细节放在后面。
- 把名字写全。在句子里直接写出产品、品牌和条件,不要依赖「它」「这个套餐」「上面提到的」。
- 小标题直接写问题或事实。「寄到加拿大要多久?」这样的标题,告诉检索系统下面这段回答的是什么;「我们的做法」这样的标题,什么也没告诉它。
写事实,不写形容词。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。为品牌调性写的文案读起来再顺,也给不了它可摘的东西;只把这些事实放进规格表也不够,还要写成正文里的句子。自测方法很简单:脱离上下文,只读每个小标题下面的头两句,如果它们本身就能成为一个答案,这段就是可摘取的。为可摘取而写作用改写前后的对照讲了具体做法。
四、让品牌没有歧义
助手得先知道你是哪一个实体,才可能推荐你。歧义往往来自小小的不一致:官网首页写一个品类,LinkedIn 上写另一个,某个目录网站里又是第三个,再加上品牌名可能和别的东西重名。写一段平实的介绍,说清你是什么、为谁服务,然后在你能控制的所有地方统一使用。这里常见的失败不是「不提你」,而是一个看似合理的错误细节:过时的价格、早已退出的市场、其实属于竞品的功能。它更常追溯到某一个过时的外部来源,而不是你自己站上的短板。
结构化数据在这里的作用是消除歧义:一个 Organization 区块,写上官方名称、网址、标志,以及指向真正属于你的那些主页的 sameAs 链接。怎么加取决于建站平台,而各平台的默认支持比多数人以为的少。Shopify 不会替你注入 JSON-LD,它的 structured_data 这个 Liquid 过滤器必须在模板里显式调用;商品有多个变体时,输出的是 ProductGroup 而不是 Product。WordPress 核心不为内容输出任何 schema.org 标记,全部来自主题或插件,那里常见的问题不是缺标记,而是多套 Organization 图谱重复或互相冲突。
对标记的作用要有清醒的预期。本文链接的爬虫文档里,没有任何一份说加了 schema 标记就更容易被引用。把它当作消除歧义的手段,而不是排名杠杆。实体与 sameAs讲了哪些链接该放、哪些不该放。
五、在自己网站以外得到印证
你的官网是产品信息的权威来源,但它不是独立的证据。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,标记做得再好也一样。助手回答品类问题、需要点名品牌时,更容易点那些在品牌控制不了的地方也能一致地看到的品牌:评测、行业媒体、对比页、社区讨论、目录网站。
这件事有多要紧,取决于你所在的品类。在我们 2026 年第三季度的基准里,有些商品品类已经形成了「默认答案」:项目管理软件的头名品牌出现在 38% 的回答里,护肤品是 35%,电动自行车是 28%;而所有本地服务品类的头名都不到 13%。这个差别决定了什么目标才现实(见图 3)。
在已经集中的品类里,你要做的是挤掉既有者,而不是填补空白,现实的目标是成为某个具体子问题的答案:一个限制条件、一个预算区间、一个使用场景,正是头名回答得不好的那些。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,而这些地方恰恰就是第三方印证所在的地方。
有用的工作一点也不光鲜:核对别的网站上关于你的事实,比如品类、价格、所在地、能和什么集成,看是否和官网一致,能改的就去改。在买家已经在提问的地方,用真实身份给出真正有用的回答。避免任何看起来像「自己安排的好评」的做法,这种东西很容易被识破,也很难撤回。第三方印证讲了怎么找到这些来源、怎么排优先级。
六、诚实地衡量有没有进入 AI 答案
大多数 GEO 项目都是在衡量这一步悄悄走偏的,因为最容易产出的数字,往往也是最好看的数字。有三条规则能让衡量保持诚实:
- 排除题面里带你品牌名的问题。你问助手「某某公司好不好」,它当然会点名。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。
- 先按引擎分别报告,再谈平均。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。跨引擎的总数哪种处境都描述不了,还把该干活的地方藏了起来。
- 只把答案正文里标注出来的来源算作引用。把引擎检索到的所有页面都算进去,在我们修复之前,让引用数字虚高了两到四倍。
问题集在各轮之间保持固定,用买家在还不知道你存在时会问的完整问句来写;每个数字旁边都留着回答原文,才分得清是识别出了 bug 还是真的变了。怎么写一套这样的问题集,见 搭建提示词集。
资料来源
- OpenAI:爬虫总览
- Anthropic:是否抓取网页数据、站点如何屏蔽
- Perplexity:爬虫说明
- Google:常见爬虫列表(Google-Extended)
- Shopify:structured_data 过滤器与 Section Rendering API
- WordPress:wp_head 钩子
关于这次修订:这篇文章的旧版本里有几张标着「估算」的百分比图表、一条关于小品牌的统计数字,以及几个没有具名的案例,这些都找不到可以追溯的来源,所以全部删除了。现在文中保留的每一个数字,要么来自厂商自己的官方文档,要么来自我们自己的测量,并且写明了是哪一种。