GEO 实操：让 AI 搜索引用你的页面（结构化数据 + llms.txt 全指南）

越来越多用户不再点搜索结果，而是直接看 AI 给的答案。对网站运营者来说，新问题变成了：怎么让 AI 搜索引擎在回答时引用你的内容？这套做法被称为 GEO（生成引擎优化）。这篇文章给出可以直接落地的技术改造清单。

原理：AI 爬虫要什么

AI 搜索的引用链路大致是：爬虫抓取页面 → 解析正文与结构化信息 → 存入检索索引 → 回答时引用。和传统 SEO 的区别在于，LLM 更依赖结构清晰、事实密度高、可解析的内容，而不是关键词密度。

改造一：确认没有误拦 AI 爬虫

检查 robots.txt，常见 AI 爬虫的 UA 包括：

# 如果想被 AI 搜索收录，不要 Disallow 这些 UA
User-agent: GPTBot
User-agent: ClaudeBot
User-agent: PerplexityBot
User-agent: Bingbot

注意这是双向决策：允许抓取意味着内容可能被用于训练或摘要，内容方要自己权衡。想只允许"搜索引用"而拒绝"训练用途"，目前行业惯例是按 UA 分别配置（各家的训练爬虫和检索爬虫 UA 是分开的，以各官方文档为准）。

用 curl 验证页面能被正常抓取：

curl -A "GPTBot/1.0" -s -o /dev/null -w "%{http_code}" https://你的域名/页面
# 返回 200 才算可抓取；403/503 说明被 WAF 或 CDN 拦了

改造二：加 JSON-LD 结构化数据

在页面 <head> 里注入 schema.org 标记，让机器直接读懂页面在讲什么。以本地商家为例：

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Restaurant",
  "name": "示例餐厅（人民路店）",
  "address": {
    "@type": "PostalAddress",
    "addressLocality": "杭州市",
    "streetAddress": "人民路 100 号"
  },
  "telephone": "+86-571-00000000",
  "openingHours": "Mo-Su 10:00-22:00",
  "servesCuisine": "川菜",
  "priceRange": "¥¥"
}
</script>

文章页用 Article、FAQ 页用 FAQPage、商品页用 Product。写完后用 Google 的 Rich Results Test 或 Schema 官方验证器跑一遍，确认解析无误。信息必须和页面正文一致，结构化数据和正文对不上会被判为作弊。

改造三：提供 llms.txt

llms.txt 是 2024 年提出的新约定（类似 robots.txt 之于爬虫），在网站根目录放一个 Markdown 文件，告诉 LLM"这个站点最重要的内容是什么、在哪"：

# 示例公司

> 一家位于杭州的川菜连锁餐饮企业，全市 12 家门店。

## 核心信息
- [门店列表与营业时间](https://example.com/stores.md)
- [菜单与价格](https://example.com/menu.md)
- [常见问题](https://example.com/faq.md)

## 可选
- [品牌故事](https://example.com/about.md)

关键点：链接最好指向 Markdown 版本的页面（在 URL 后加 .md 或提供 content negotiation），LLM 解析 Markdown 的质量远高于解析带大量导航和广告的 HTML。

改造四：内容写法本身

技术改造只解决"能被抓到"，能不能被引用取决于内容：

• 直接回答问题：每节开头用一两句话给出明确答案，再展开细节——LLM 倾向引用"可以直接摘录"的句子
• 事实密度：具体数字、步骤、对比表，比形容词堆砌更易被引用
• 信息一致：门店、产品、价格在所有平台（官网、地图、点评、公众号）保持完全一致，冲突的信息会让 AI 降低信任度

验证效果

每周固定用同一批目标问题（"杭州人民路附近有什么川菜馆""示例餐厅营业到几点"）去问主流 AI 搜索产品，记录你的品牌是否被提及、引用是否准确，做成一张追踪表。曝光、咨询、成交——逐项归因，跑通一个环节再复制下一个，这套打法最怕六步同时上，三个月后每笔账都算不清。