一、AI 引用决策逻辑：网站建设必须反向设计的六项标准
AI 搜索引擎（豆包、DeepSeek、文心一言、通义千问、Kimi、ChatGPT、Perplexity）在决定是否引用某页内容时，并非按"关键词匹配"工作，而是按语义理解评估内容的可用性。根据对主流 AI 引擎引用行为的观测，决策优先级如下：
| 优先级 | 评估维度 | 网站建设对应动作 |
|---|---|---|
| 1 | 可提取性 | 页面能拆分为独立、语义完整的段落，不混入按钮、表单等干扰元素 |
| 2 | 结构清晰度 | 标题层级规范（每页唯一 H1、3-8 个 H2），列表、表格语义化 |
| 3 | 权威性 | 第三方背书、专家资质、真实数据、可验证实体信息 |
| 4 | 机器可读性 | Schema.org 结构化数据标记（JSON-LD 格式） |
| 5 | 信息密度 | 单位篇幅内的有效信息量，100-250 字高密度知识段落 |
| 6 | 新鲜度 | 内容发布与更新时间可见（time 标签 + lastmod） |
这六项标准决定了 GEO 与 SEO 的根本差异：SEO 优化"搜索结果页的链接排名"，GEO 优化"AI 回答中的内容引用位"。前者比拼关键词匹配与权重，后者比拼语义理解与可验证性。对企业而言，SEO 解决存量搜索流量，GEO 抢占 AI 引用增量——两者共享优质内容资产，但建设侧重点不同。
二、服务器与基础设施层：爬虫放行是 GEO 的前提条件
AI 引擎的爬虫与搜索引擎爬虫使用完全不同的用户代理（User-Agent）。默认情况下，部分 AI 爬虫可能被服务器拦截或限速，导致品牌内容永远无法进入 AI 的训练与引用池。这是 GEO 优化中最常见、也最容易被忽视的失败原因——内容质量再高，爬虫进不来就等于零。
2.1 robots.txt 完整代码（GEO 优化版，可直接复制）
以下 robots.txt 覆盖国内搜索引擎、字节跳动系与全部主流 AI 爬虫，AI 爬虫单独列出并显式 Allow，传递主动放行信号：
# ============================================ # robots.txt - GEO 优化版 # ============================================ # ===== 通用规则（兜底）===== User-agent: * Allow: / Disallow: /admin/ Disallow: /api/ Disallow: /runtime/ Disallow: /search? Disallow: /*?*utm_ Disallow: /*?*from= Disallow: /*?*spm= # ===== 国内搜索引擎 ===== User-agent: Baiduspider Allow: / User-agent: ShenmaBot Allow: / User-agent: 360Spider Allow: / User-agent: Sogou web spider Allow: / User-agent: bingbot Allow: / User-agent: Googlebot Allow: / # ===== 字节跳动（头条搜索 / 豆包 / 抖音搜索）===== User-agent: Bytespider Allow: / User-agent: DoubaoBot Allow: / User-agent: ByteDance Allow: / # ===== AI 搜索引擎（显式放行，GEO 核心）===== User-agent: GPTBot Allow: / User-agent: ClaudeBot Allow: / User-agent: anthropic-ai Allow: / User-agent: Google-Extended Allow: / User-agent: CCBot Allow: / User-agent: PerplexityBot Allow: / User-agent: DeepSeekBot Allow: / User-agent: cohere-ai Allow: / # ===== 站点地图 ===== Sitemap: https://www.example.com/sitemap.xml
规则要点：通用规则屏蔽后台、API、搜索结果页与带追踪参数的重复 URL，避免 AI 爬虫抓取无价值页面稀释站点权重；AI 爬虫逐类列出并放行，比"只放行 * 通配符"更能传递信号——部分 AI 引擎会校验 robots 中是否有自己的专属条目。
2.2 sitemap.xml 规范
sitemap 必须为 XML 格式、位于站点根目录，每条 URL 含 lastmod（真实最后修改日期，禁止全站统一）、changefreq 与 priority。优先级分配规则：首页 1.0/daily，核心栏目页 0.9/weekly，分类与语种页 0.8/weekly，文章详情页 0.7/monthly，关于/联系等固定页 0.6/yearly。单条格式如下：
<url> <loc>https://www.example.com/page-url/</loc> <lastmod>2026-08-18</lastmod> <changefreq>weekly</changefreq> <priority>0.8</priority> </url>
2.3 HTTP 与域名规范
全站 HTTPS（HTTP 301 跳转）；www 与非 www 二选一并 301 统一；带斜杠与不带斜杠二选一；正常页 200、跳转 301、不存在 404（禁止软 404）；Content-Type 声明 charset=utf-8；TLS 1.2 以上。域名统一的意义在于：AI 引擎交叉验证品牌信息时，www 与裸域名不一致会被识别为两个实体，稀释品牌权威。
三、HTML 语义化结构层：让 AI 读懂页面骨架
AI 引擎解析页面依赖语义标签理解内容层级，而非视觉样式。规范要求：每页有且仅有 1 个 H1；H2 按内容区块划分（每页 3-8 个）；H3 作为 H2 的子标题不跳级；标题标签只用于语义，不用来单纯控制字号。跳级（如 H1 直接到 H3）会破坏内容层级模型，降低 AI 对页面结构的理解准确率。
语义化标签使用标准：独立文章用 article，页面主内容用 main，导航用 nav，页头页脚用 header/footer，章节用 section（内部必须有标题），图片与说明用 figure+figcaption，时间用 time 标签并带 datetime 属性，地址用 address，术语强调用 dfn/strong/em。这些标签让 AI 能准确识别"谁写了什么、写于何时、主体内容是什么"。
文档基本结构示例：
<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> </head> <body> <header><nav aria-label="主导航">...</nav></header> <main><article>...</article></main> <aside>...</aside> <footer>...</footer> </body> </html>
四、Meta 标签与结构化数据层：机器可读的完整清单
4.1 必须的 Meta 标签（每页完整输出）
<meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>页面标题 - 品牌名</title> <meta name="description" content="页面描述，120-160字"> <meta name="keywords" content="关键词1,关键词2,关键词3"> <link rel="canonical" href="https://www.example.com/page-url/"> <meta property="og:type" content="website"> <meta property="og:site_name" content="品牌名"> <meta property="og:title" content="页面标题"> <meta property="og:description" content="页面描述"> <meta property="og:url" content="https://www.example.com/page-url/"> <meta property="og:image" content="https://www.example.com/og-image.jpg"> <meta property="og:locale" content="zh_CN"> <meta name="twitter:card" content="summary_large_image"> <meta name="twitter:title" content="页面标题"> <meta name="twitter:description" content="页面描述"> <meta name="twitter:image" content="https://www.example.com/og-image.jpg"> <link rel="icon" href="/favicon.ico" type="image/x-icon">
Title 编写规范：25-35 个中文字符（含品牌名），格式为"核心关键词-二级分类-品牌名"，核心关键词放最前，每页不同。文章页额外输出 author、article:published_time、article:modified_time、article:section、article:tag。
4.2 各页面 Schema 输出规则
| 页面类型 | 必须输出的 Schema |
|---|---|
| 所有页面 | Organization（含 legalName、logo、地址、contactPoint） |
| 首页 | Organization + WebSite + FAQPage +（真实评价时）AggregateRating |
| 栏目/列表页 | Organization + BreadcrumbList |
| 服务/产品详情页 | Organization + BreadcrumbList + Service/Product + FAQPage |
| 文章详情页 | Organization + BreadcrumbList + Article（含 author、publisher、datePublished） |
| 关于我们页 | Organization + BreadcrumbList + Person（创始人/核心团队） |
| 联系/门店页 | Organization + BreadcrumbList + LocalBusiness（含经纬度） |
4.3 Organization 完整 JSON-LD 模板
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "品牌全称",
"alternateName": ["品牌简称", "英文名"],
"legalName": "工商注册全称",
"url": "https://www.example.com/",
"logo": "https://www.example.com/logo.png",
"description": "品牌一句话介绍",
"telephone": "400-xxx-xxxx",
"email": "contact@example.com",
"areaServed": "中国",
"address": {
"@type": "PostalAddress",
"streetAddress": "详细地址",
"addressLocality": "城市",
"addressRegion": "省份",
"postalCode": "邮编",
"addressCountry": "CN"
},
"contactPoint": {
"@type": "ContactPoint",
"telephone": "400-xxx-xxxx",
"contactType": "customer service",
"areaServed": "CN",
"availableLanguage": ["Chinese"]
},
"sameAs": ["微博URL", "知乎URL", "小红书URL", "抖音URL"],
"foundingDate": "2015"
}
</script>
4.4 FAQPage 规范与要求
FAQPage 的 name 和 text 必须与页面 HTML 显示的文字完全一致；每页至少 3 个、建议 6-12 个；答案 50-300 字、信息完整，禁止写"请咨询客服"。FAQ 区块必须页面可见，只写 Schema 不显示内容属于作弊行为。BreadcrumbList 最后一项（当前页）不写 item 属性。所有 JSON-LD 放在 head 结束前或 body 结束前。
五、内容结构层：高密度知识段落与对比表格
每个核心页面至少 2-3 段高密度知识段落（Citable Paragraph），满足：长度 100-250 字；独立成段不依赖上下文；包含具体数据、定义、流程或对比；位于页面前部（H2 下第一段）；使用纯 p 标签不混入按钮或链接。这类段落是 AI 直接摘取引用的最小单元。
正面示例："GEO（Generative Engine Optimization，生成式引擎优化）是针对 AI 搜索引擎的优化技术。与传统 SEO 优化搜索引擎排名不同，GEO 的目标是让品牌信息在豆包、DeepSeek、文心一言等 AI 生成式搜索引擎的回答中被优先识别和引用。核心手段包括结构化数据标记、内容结构化重构、权威信源建设和多平台信息一致性，通常 1-3 个月可见效果。"
反面示例："我们拥有专业团队，丰富经验，为您提供优质服务，助力增长，欢迎咨询。"——无数据、无定义、无对比，AI 无法提取任何可引用信息。
表格引用率远高于纯文本：每个核心栏目页至少 1 个语义化对比表格（table/thead/tbody），内容用 ul/ol 列表而非 br 模拟。所有数字必须有依据不编造，第三方数据标注来源，自有数据标注统计截止时间，避免"最""第一""唯一"等绝对化用语（广告法合规）。
六、图片、URL 与性能层：被忽略的引用权重项
图片规范：所有 img 必须有描述性 alt（5-30 字，不堆砌关键词，装饰图 alt=""）；内容图宽度不超过 1920px 且单张不超过 300KB，首屏图不超过 150KB；非首屏图加 loading="lazy" 并写 width/height 防 CLS；WebP 优先。每页独立 og:image（1200x630 含品牌 logo 与页面标题），至少首页、栏目页、文章页配置。
URL 规范：全小写、连字符分隔、不含中文、层级不超过 3 层、后缀统一（.html 或无后缀）、语义化体现内容主题、长度不超 80 字符；一个内容一个 URL，其他 301。站内链接：锚文本描述目标页面（不用"点击这里"）、详情页底部 3-5 条相关推荐、内页可见面包屑、任何页面从首页点击不超过 3 次可达、出站链接加 rel="noopener noreferrer"。
性能指标：LCP 小于 2.5s、FID 小于 100ms、CLS 小于 0.1、首屏小于 2s（4G）、TTFB 小于 600ms、HTML 未压缩小于 200KB。可访问性：图片全 alt、表单 input 关联 label、对比度 4.5:1 以上、可 Tab 访问、html lang="zh-CN"。
七、上线前验证清单：40 项全量自检
| 类别 | 检查项 |
|---|---|
| 服务器 | robots.txt 存在且含 AI 爬虫放行规则；sitemap.xml 存在且 URL 可访问；全站 HTTPS；www 统一；404 返回 404 状态码；页面加载小于 3s |
| Meta | 每页唯一 title（25-35 字）；每页唯一 description（70-160 字）；每页 canonical；OG/Twitter Card 完整；每页 1 个 H1；标题层级不跳级 |
| 结构化数据 | 所有页面 Organization；首页 WebSite+FAQPage；所有内页 BreadcrumbList；文章页 Article；服务页 Service；专家页 Person；FAQ 区块配 FAQPage；JSON-LD 通过富结果测试 |
| 内容 | 首页 2-3 段高密度知识段落；首页 6+ FAQ；核心栏目页对比表格；文章页显示日期与作者；所有图片有 alt |
| 链接 | 内页有面包屑导航；无孤岛页；无死链；锚文本描述性 |
八、落地路线：三阶段推进法
阶段一（地基，第 1-2 周）：完成 robots.txt、sitemap.xml、HTTPS 与域名统一；全站模板级接入 Organization 与 BreadcrumbList；建立 Meta 标准模板。阶段二（内容，第 3-8 周）：按高密度段落标准重构首页与核心栏目页；上线 6-12 个真实 FAQ 并配 FAQPage；发布 8-12 篇深度文章（每篇含 Article schema 与对比表格）。阶段三（优化，第 9-12 周）：补充行业专属 Schema（Course/Service/LocalBusiness/Product 等）；接入百度/Google 站长平台提交 sitemap；按月度引用率数据迭代内容；逐步建设多平台品牌信息矩阵。
常见问题
Q：GEO 和 SEO 是二选一还是互补关系？
A：互补关系。SEO 解决存量搜索排名（百度、Google 结果页链接），GEO 抢占 AI 引用增量（豆包、DeepSeek、ChatGPT 回答引用）。两者共享优质内容资产，本规范中的 AI 爬虫放行与结构化数据建设同时服务两者，可协同推进。
Q：GEO 优化多久能看到效果？
A：引用率提升通常 1-3 个月可见，比 SEO 的 3-6 个月更快，因为 AI 引擎的语义理解对内容结构的响应比排名算法更快。但持续被引用需要内容资产持续更新与权威信源积累，建议按季度做引用率复盘。
Q：没有技术团队的企业能落地这套规范吗？
A：能。robots.txt、sitemap、Meta 标签与 FAQPage 可借助模板化建站系统（如 PbootCMS）的模板设置完成；内容结构（结论先行段落、对比表格、真实 FAQ）只需内容编辑遵守写作模板。建议优先落地"robots 放行 + 首页 FAQ + 文章页 Article + 高密度段落"四件事，覆盖约 70% 的 GEO 增量。
Q：结构化数据写错了会有风险吗？
A：有。编造评价数据（如虚构 AggregateRating）、FAQ 与页面内容不一致、Schema 与实体信息矛盾，会被 AI 引擎判定为垃圾信号并降权。原则是：只标记页面真实存在的信息，拿不准就不写。
Q：行业专属 Schema 和通用 Schema 怎么选？
A：教育用 EducationalOrganization+Course，医疗用 Hospital+Physician，法律用 LegalService+Attorney，电商用 Product，B2B 用 Service，本地生活用 LocalBusiness，家装用 HomeAndConstructionBusiness，制造用 Product 含技术参数。行业专属类型比通用 Organization 更精确，AI 匹配度更高，详见各行业分册。
Q：AI 爬虫抓取频率低怎么办？
A：先确认 robots.txt 未屏蔽且返回 200；其次保证 sitemap 有效并提交站长平台；再次提升内容新鲜度（每周至少 2-3 次更新信号）。AI 爬虫的抓取频率与站点内容更新频率强相关，持续更新是提升抓取的根本手段。
Q：网站是旧站改版，需要全站重做吗？
A：不需要。旧站改版优先做三件事：补 robots.txt AI 爬虫放行、全站统一接入 Organization 与 BreadcrumbList、把核心页面内容重构为高密度段落。这三件事可在现有模板上完成，不需要重做网站。
Q：多语言网站怎么处理 GEO？
A：每个语言版本独立 URL（hreflang 标注）、独立 sitemap、独立实体声明；同名实体跨语言保持一致（name 与 alternateName 统一）。AI 引擎按用户语言检索，多语言内容要确保各语言版本信息一致性，避免实体分裂。
