官网在AI搜索里隐身？网站GEO结构化数据与收录的排查实战

官网在AI搜索里隐身？网站GEO结构化数据与收录的排查实战

先说结论

官网在 AI 搜索里"隐身"，90% 不是内容写得不好，而是页面里缺了让 AI 认识你的"标签"——OG 标签、Schema 结构化数据、llms.txt 三层少配一层，AI 爬虫就读不懂你是什么网站。解法是按"社交识别层→搜索理解层→AI 推理层"三层逐项排查补齐，配齐后主动提交收录，实测官网在豆包、Kimi 等 AI 里的被提及率明显上升。

事故背景：做了三年官网，AI 一次都没提过它

去年我接手一家做工业配件的客户，官网年更新三十多篇产品文章，传统 SEO 关键词排名一直在百度前三页。但客户老板在豆包上问"工业配件厂家哪家靠谱"，翻遍回答也没见到自家公司名字——连"某家做工业配件的"这种模糊指代都没有。

当时我们第一反应是内容不行，又加了几十篇文章，两周后复查，依然隐身。后来把页面源代码拉出来逐项看，才发现问题根本不在内容，在"机器可读性"。人眼看页面，信息都在；机器爬页面，看不懂的字符直接跳过。三层排查做完、补齐全套标记后，第三周再问 AI，官网终于被作为"工业配件供应商"引用了一次。

排查前：先确认是不是收录问题

动手配标签之前，先确认官网到底有没有被搜索引擎收录，避免白忙：

# 检查首页是否被百度收录
# 在搜索引擎里搜 site:www.example.com
curl -s https://www.example.com/robots.txt

robots.txt 正常返回、site 查询有结果，说明页面能爬到，接下来才轮到"读懂"的问题。如果 site 查询一条都没有，先排查 robots 是不是把 AI 爬虫拦了，再往下走。

排查一：OG 标签——AI 爬虫认识你的第一眼

先把页面丢进社交软件里分享看效果：客户官网的链接分享出去，只有一串 URL，没有标题、没有描述、没有缩略图。

OG 标签（Open Graph）缺失的直接后果有两层：一是微信里分享没人点；二是 AI 爬虫抓页面时，优先读 OG 里的 title 和 description 来判断"这是什么页面"，没有就退回去猜整个 HTML，猜错概率很高。

排查方法：

// 在浏览器控制台查看页面是否输出 og 标签
const metas = document.querySelectorAll('meta[property^="og:"]');
console.log([...metas].map(m => m.getAttribute('property') + '=' + m.getAttribute('content')));

正常输出至少要有：

<meta property="og:title" content="某某工业配件-精密加工源头厂家">
<meta property="og:description" content="20年机加工经验，支持非标定制，7天打样交付">
<meta property="og:image" content="https://www.example.com/logo.png">

我们给客户补上这三行后，分享出去终于有卡片了——这是第一步，让 AI 能"看见"你。注意 og:image 要用绝对地址，AI 爬虫不跟相对路径猜。

排查二：Schema 结构化数据——让 AI 读懂页面是什么

OG 解决"认不认识"，Schema 解决"读不读懂"。页面上写着"价格：¥299"，人类一眼看懂，AI 眼里只是几个字符——不知道这是价格，也不知道是哪个产品的价格。

Schema 就是给内容贴标签：这是产品名称、这是价格、这是企业联系方式、这是文章发布时间。加过标签的页面，AI 才能准确提取和引用。

常用的三类标记（JSON-LD 格式，推荐放在每个页面头部）：

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "某某工业配件有限公司",
  "url": "https://www.example.com",
  "logo": "https://www.example.com/logo.png",
  "contactPoint": {
    "@type": "ContactPoint",
    "telephone": "+86-000-0000000",
    "contactType": "customer service"
  }
}

产品页再加 Product 类型标记（产品名称、主图、价格、评分），文章页加 Article 类型标记（标题、作者、发布时间、分类）。三个类型覆盖了 AI 引用最多的三类页面：公司介绍、产品、文章。

验证有没有配好：

# 检查页面是否输出结构化数据
curl -s https://www.example.com | grep -o 'application/ld+json' | head -1

有输出才算配好。配好后到百度搜索资源平台手动提交收录，加快抓取。

排查三：llms.txt——给 AI 一份"网站说明书"

前两层是给"每个页面"贴标签，llms.txt 是给"整个网站"写说明书——一个放在根目录的 Markdown 文件，告诉 AI 你是谁、你提供什么、核心页面在哪。

国内外主流大模型都认这个文件：ChatGPT、Perplexity、Claude、Gemini、DeepSeek、Kimi、豆包、文心一言、通义千问。它是近年被广泛支持的网站级说明文件，配置成本极低。

最简单的示例：

# 某某工业配件

专注精密机加工 20 年，服务汽车、医疗、新能源行业。

- [产品中心](https://www.example.com/products/)
- [非标定制流程](https://www.example.com/custom/)
- [公司介绍](https://www.example.com/about/)

配好后让 AI 爬虫能在根路径直接读到：

curl -s https://www.example.com/llms.txt

十五行以内，写清"你是谁、提供什么、核心入口在哪"就够，别写成公司年鉴。

踩坑清单

坑1：只配 Schema 忘了 OG——AI 引用时优先取 OG 的标题描述，只配结构化数据、OG 缺失，引用效果打折一半；三层要一起配。

坑2：结构化数据里塞空值——属性值留空会导致验证失败、页面被判定为"无效数据"降权；配之前先把页面标题、作者、图片都填实，缺的就先补内容再打标记。

坑3：llms.txt 写成长篇大论——AI 读说明书只需要"你是谁+核心入口"，写太长反而稀释重点，15 行以内足够。

坑4：配完不提交收录——三层配完要主动去百度搜索资源平台提交 sitemap 和页面，等 AI 自己爬可能要几周；提交后一般几天内见效。

坑5：只优化首页——AI 引用最多的是产品页和文章页，这三类页面都要配 OG+Schema，只做首页等于白做一半。

结语

AI 搜索时代的官网优化，逻辑其实没变：让机器先读懂你，人才会来。OG 管"认识"、Schema 管"读懂"、llms.txt 管"推荐"，三层叠起来才完整。这周先花半天把三层配齐、下周复查一遍被引用情况，比闷头加五十篇文章管用。