2026-09-21 · 行业观察

我们把自己官网做了一遍 GEO:基线、改动清单与复测方法

作者:木羽GEO(深圳市茹木得易科技有限公司)发布于 2026-09-21最后更新 2026-09-21

我们做生成式引擎优化(GEO),客户最常问的第一个问题是:你们自己的官网,AI 能读明白吗?这个问题不好糊弄——把自家官网当成一件公开样品做一遍,比讲十遍方法论有用。

下面是这次改造的完整记录。文中提到的每个做法你都可以自己打开页面核对,检查方法写在第四节。

一、基线:先记录,再动手

动手之前先做一件事:把「现在的样子」记下来。这一步不能省——没有基线,之后的任何变化都无法证明。

问题集里不放品牌词

用户本来就不知道我们,才需要被 AI 找到。所以固定下来的是四类问题:

  • 品类词:如「生成式引擎优化是什么」
  • 需求词:如「怎么让 AI 提到我的品牌」
  • 场景词:如「一家工业设备公司该怎么做内容」
  • 对比词:如「GEO 和 SEO 有什么区别」

每条问题在约定的平台上固定问法,记录四件事:品牌有没有出现、答案描述是否准确、引用了哪些来源、在推荐列表里的位置。原始回答全部存档(带时间戳的截图与文本),不只留结论。

基线测出来的四类问题

  1. 同一件事,不同页面说法不一致。 公司做什么、服务哪类客户,首页、关于页、服务页各有各的写法。对人是小毛病,对机器是硬伤——它无法确定哪个版本才算数。
  2. 关键信息机器读不到。 没有结构化数据,AI 无法确定「这是哪家公司、提供什么服务」;没有站点地图,深层页面很难被发现。
  3. 批量页面没有责任人。 一批内容既没有作者,也没有更新时间和资料来源。AI 抽取答案时倾向选可追溯的页面,这类页面天然排在后面。
  4. 有一批表述无法核验。 「效果提升多少倍」这种说法,既给不出时间范围,也给不出统计口径。对客户是误导,对 AI 是噪音;一旦与公开信息矛盾,整站的可信度都会被拖累。

二、技术层:让机器读到、读懂

  • robots.txt 显式放行。 除了通配允许,还把主流搜索引擎与 AI 平台的抓取客户端逐个列出。原因很实际:各平台的检索链路使用各自的 User-Agent,含糊的声明会让站点在部分平台被当成「未授权」而过滤掉。
  • 站点地图全量输出。 静态页与全部详情页由数据自动展开,新增内容不需要手工维护。
  • llms.txt。 用一份纯文本把主体信息、服务范围、承诺口径与验收方式写清楚,供 AI 直接读取。
  • 结构化数据。 全站输出 Organization 与 WebSite,把品牌名与工商主体、域名绑在一起;服务页输出带服务目录的 Service;问答输出 FAQPage;文章输出 Article 与面包屑。这是本次改动里对「实体识别」影响最直接的一项。
  • 正文服务端渲染 + canonical。 保证正文在初始 HTML 里就是完整文本,不依赖脚本执行;同一主题只保留一个固定地址。

三、内容层:让每句话都能被追溯

  • 统一事实口径。 公司名称、品牌、服务范围、地址与联系方式在各处收敛成同一个版本,并写入结构化数据。机器不再需要猜。
  • 给页面加责任人。 谁写的、什么时候更新、依据是什么,写清楚。
  • 删掉无法核验的表述。 把「效果提升多少倍」换成「按固定问题集复测,记录品牌提及与引用来源的变化」。少一句漂亮话,多一个能被检查的口径。
  • 下线无法说明来源的案例与文章。 宁可栏目空着并写明原因,也不放对自己、对读者都不负责的内容。

四、复测:怎么证明它有用

复测用的是基线那一套问题,一条都不改——改了就不可比。同一批问题、同一批平台、固定问法,按周或按月跑一遍。指标分两类:

  • 过程指标:品牌提及率、引用来源出现率、描述准确度、推荐位置、具体被引用的页面。
  • 结果指标:由 AI 搜索带来的访问与询盘。在落地页与咨询环节记录来源,尽量把线索回溯到具体问题。

有一点必须说明:允许出现「未覆盖」。有些问题几轮下来就是没被提及,这是真实结果,不该被修饰。把没做到的部分藏起来,复测就失去意义了。

现在就能自己核对的部分

本文提到的做法都可以当场验证:

  • 打开 /robots.txt,看 AI 平台的抓取客户端是否被显式允许;
  • 打开 /llms.txt,看主体信息与效果口径是否写清;
  • 任意打开一个页面查看源代码,搜索 application/ld+json,看结构化数据与页面内容是否一致;
  • 用同一个问题在不同 AI 平台各问一次,看答案里有没有我们、引用的是哪个页面。

五、这只是第一步

官网改造解决的是「机器能不能读懂你」。它至少占整个 GEO 工作的一半,但也只是一半。接下来还有:

  • 信源铺设:让可核验的第三方信息(行业目录、公开数据库、专业社区)与官网口径保持一致;
  • 内容常态化:把方法记录与项目复盘持续写下去,而不是一次性上线一批;
  • 长期复测:按月跑问题集跟踪变化,对出现错误描述的地方做纠偏;
  • 把回溯做扎实:让「有没有用」这个问题最终由业务数据回答。

这些做完一轮,我们会继续补在这篇里。这份记录本身也是官网内容的一部分——它的更新时间会一直跟着走。