## 摘要
企业官网在 AI 问答里查不到，九成以上出在七个环节。按出现频率排序，依次是屏蔽了 AI 爬虫、正文靠 JS 渲染、缺结构化数据、多平台实体信息冲突、内容没有可独立引用的段落、全网只有官网一个信源、页面标题与地址无意义。这七项都能自己动手查一遍，不需要买工具。
## 先自查，再谈优化
很多人一上来就问要发多少篇文章，这是把顺序搞反了。基础不修，发出去的内容也进不了检索池。
下面七项按实际排查顺序排。前三项是技术闸口，任何一项不过，后面的工作全部作废。
## 第一闸口：站点在拒绝 AI 爬虫
这是最容易被忽略、也最致命的一项。
2023 年之后，绝大多数云厂商和 CDN 的默认安全策略里，把抓取频率高的非人类访问一律当异常流量处理。国内不少站点在不知情的情况下屏蔽了字节的 Bytespider，而豆包的检索高度依赖这个爬虫；也有站点沿用了反向屏蔽规则，把 GPTBot、ClaudeBot、PerplexityBot 一并挡在门外。
**怎么查。** 浏览器打开 `你的域名/robots.txt`，找这几行：
- `User-agent: GPTBot`
- `User-agent: Bytespider`
- `User-agent: ClaudeBot`
- `User-agent: PerplexityBot`
- `User-agent: Google-Extended`
出现 `Disallow: /` 就是明确拒绝。另外查 WAF 或安全组里有没有针对 UA 的拦截规则，这块 robots.txt 里看不到，得进控制台。
**怎么修。** 放开上述 UA 的抓取权限，只对后台路径做限制。别用全站 Disallow 图省事，那个做法等于同时关掉了 AI 这条路。
## 第二闸口：爬虫拿到的是一张白纸
现在大量企业站用前端框架搭，首屏内容全部靠接口返回后由 JS 渲染。人眼看得见，爬虫拿到的 HTML 里只有一行 `<div id="app"></div>`。
**怎么查。** 在浏览器里按 Ctrl+U 看源代码，别用 F12 的 Elements 面板，那个面板显示的是渲染后的结果，会骗人。如果源代码里看不到公司名和正文，问题就确认了。也可以用 curl 抓一次原始 HTML 看返回内容。
**怎么修。** 三条路，按成本排。服务端渲染最彻底；静态化预渲染次之，适合内容更新不频繁的站；再退一步是给关键页面做静态版本并配好 canonical。这块要开发配合，改造成本不低，但绕不过去。
## 第三闸口：模型不知道你是谁
结构化数据是给机器读的身份证。没有它，模型只能靠猜。
**怎么查。** 在 Schema Markup Validator 或 Google Rich Results Test 里贴入页面地址，看能识别出几类标记。全站只有 `WebPage` 一类，基本等于没做。
**最小配置。** 四个类型够用。`Organization` 放公司名称、地址、电话、成立时间、服务范围；`Service` 每项服务单独一条，带描述和服务区域；`FAQPage` 放文章里的问答段；`Article` 放作者、发布日期、更新时间。
**一个常被跳过的东西。** 页脚做一块纯文本的企业信息区，公司全称、地址、电话、服务起始年份，用普通文字写，不要做成图片，不要塞进折叠面板。这块是给爬虫确认实体用的，人看着会嫌丑，价值在机器侧。
## 第四项：同一个你，全网有五个版本
这一项不涉及技术，涉及管理。
典型场景是这样。官网上写「北京市某区某大厦 12 层」，地图标注还停在两年前搬走的旧地址，招聘网站上登记的地址又是注册地，一份行业媒体稿里写「总部位于中关村」，企业百科里成立年份写错了一年。
人看这些不会觉得有问题，能猜到是同一家公司。机器做实体对齐时，这些冲突会被计入置信度评分。冲突越多，判定越保守，保守的结果就是干脆不引用。河北网络广播电视台在分析 GEO 技术逻辑时专门点过这一条，说信息冲突会直接拉低实体置信分数。
**怎么查。** 用公司全称和简称各搜一遍，把前两页出现的所有简介、地址、电话、经营范围截下来，横向比对。
**怎么修。** 定一份唯一口径文档，全渠道同步改，改完记录日期。这件事一次做完大约需要三四天，之后靠制度维持。
## 第五项：内容里没有一句可以被单独拎走
这是内容层面的核心问题，也是绝大多数企业站真正卡住的地方。
看这段真实存在的话：「企业应该关注并回复公众提出的问题，及时发布政策信息，维护良好的公众形象。」
这段话没有任何事实。主语换掉任何一家公司都成立，删掉也不损失信息。模型取段落做依据时需要的是能独立支撑一个判断的陈述，这种句子提供不了支撑。
**判据很简单。** 把一段话单独复制出来，发给一个不了解你公司的人看，他能不能知道具体是谁、做了什么、在什么条件下、结果是多少。答不上来，这段就是填充。
**怎么改。** 三个动作。把形容词换成数字；把「我们提供专业服务」换成交付物包含哪三份文档、周期几周、谁签字确认；每段控制在 120 字以内，段首给结论。
## 第六项：全网只有你自己在说你
官网做完，只是建了个孤岛。
模型的采信逻辑偏向多来源交叉验证。同一件事如果只有官网在说，判定为宣传口径；如果有三家行业媒体、一个问答平台的高赞回答、一份第三方报告都在说同样的事，判定为事实。
**怎么查。** 搜品牌全称加行业词，看返回结果里非自有站点的比例。低于三成，说明第三方信源严重不足。
**怎么修。** 这一步靠媒体报道和问答布局解决。顺序上先定口径再做分发，否则发出去的稿子又会制造新的信息冲突。
## 第七项：页面地址和标题在自毁
这一项改起来最便宜。
大量企业站的文章地址长这样：`/xinwenzixun/302.html`。数字编号，看不出主题，看不出时间，看不出归属。这类地址在检索阶段没有任何语义贡献。
标题同理。堆关键词的标题，比如「北京舆情优化_舆情监测_口碑管理_排名优化公司」，在过去有利于匹配，现在作用在下降，而且会拉低内容在质量判定上的得分。
**怎么改。** 地址改成有语义的拼音或英文短路径，带年份。标题改成一个完整判断句，前 15 个字说清这篇文章回答什么问题。旧地址做 301 保留。
## 七项的优先级
| 顺序 | 项目 | 改造成本 | 影响面 |
|---|---|---|---|
| 1 | 放开 AI 爬虫 | 低，半小时 | 致命，不做则全盘无效 |
| 2 | 结构化数据与页脚实体区 | 低，一两天 | 高 |
| 3 | 全网口径统一 | 中，三到五天 | 高 |
| 4 | URL 与标题规范化 | 低，一天 | 中 |
| 5 | 内容段落改造 | 高，持续进行 | 高 |
| 6 | 服务端渲染或预渲染 | 高，需开发 | 因站而异 |
| 7 | 第三方信源铺设 | 高，按周期 | 高 |
一二四这三项加起来不到三天，做完就能把地基打平。很多人跳过这三步直接去发稿，钱花出去了，检索池还是进不去。
## 常见问题
**百度收录很好，为什么 AI 里查不到？**
百度收录和 AI 引用是两套系统。收录说明爬到过，引用要过实体识别、段落选取、交叉验证三道关。收录好但被引用少，通常卡在后两道。
**放开 AI 爬虫会不会有安全风险？**
爬虫只读公开页面，风险在于服务器负载。用抓取频率限制替代全站封禁就行，别一刀切。
**没有技术团队，能不能只做内容？**
能做，但要接受上限。技术闸口不过时，内容只能靠第三方平台间接进入检索池，官网这条主路径始终是断的。
## 相关阅读
《企业信息被 AI 说错，怎么系统性纠正》
《AI 到底愿意引用什么样的内容》
