FAQ

AI 可见度体检都查什么?

查的是「AI 能不能找到你、读懂你、信你」这条链上的约 30 个信号,分五类:机器人可达性(爬虫是否被放行、sitemap 是否完整)、机器可读面(llms.txt、Markdown 版、抓取成功率)、实体事实(公司信息是否有结构化标注、全网是否一致)、内容结构(问答式组织、标题层级、短答先行)、引用就绪度(案例与数据是否有公开来源可核)。Negency 的免费体检就是按这五类逐项出分,查完能定位到具体页面和具体问题,而不是只给一个总分。

Figure 01 · 体检五组检查项

  • 第一组 · 机器人可达性
  • ✓robots.txt 放行主流 AI 爬虫
  • ✓sitemap 存在且无失效链接
  • ✓页面返回状态正常
  • 第二组 · 机器可读面
  • ✓有 llms.txt 事实文件
  • ✓核心页有 Markdown 版
  • ✓正文可从源码直接提取
  • 第三组 · 实体事实
  • ✓JSON-LD 结构化标注(公司名/业务/服务对象/联系方式)
  • ✓官网与第三方平台口径一致
  • 第四组 · 内容结构
  • ✓按客户真实问题组织
  • ✓每页有可摘引短答
  • ✓标题层级清楚
  • 第五组 · 引用就绪度
  • ✓案例与数字有公开来源
  • ✓出处有标注
检查项来自正文五类信号;完整体检引擎约 30 个信号、五类(见旗舰报告抽样说明)。体检只测技术可见度,不测 AI 回答中的品牌提及率。

五类信号逐项说明

体检查五类信号,每类都对应到具体页面与具体问题,不只给一个总分。下面逐组说明:查什么、怎么判、不合格的典型表现是什么。

机器人可达性

查什么:robots.txt 是否放行主流 AI 爬虫、sitemap 是否存在且无失效链接、页面返回状态是否正常。怎么判:模拟主流 AI 爬虫实测抓取首页与核心页面,看放行状态、返回状态与抓取结果,而不是只读配置文件。典型不合格:robots 写了放行,CDN 或 WAF 却把爬虫 IP 段拦掉;或者返回 200 的其实是验证码页。这是入场券——进不来,后面全免谈。

机器可读面

查什么:有没有 llms.txt 事实文件、核心页面有没有 Markdown 版、页面源码里正文是否可被直接提取。怎么判:读原始 HTML,看正文是否在源码里(很多站正文靠脚本渲染,爬虫拿到的是空壳);llms.txt 缺失只记警告不记失败,因为它是可选辅助,不是必要条件。典型不合格:整站正文由脚本渲染,源码里只有容器标签;或者 llms.txt 有了却与官网事实不一致。

实体事实

查什么:公司名、业务、服务对象、联系方式是否有 JSON-LD 结构化标注,官网与第三方平台上的口径是否互相矛盾。怎么判:标注逐项与页面可见文字对账,再与主要目录站的公开档案交叉核对。典型不合格:没有任何 JSON-LD;或者标注里的成立年份与关于页正文写的不一样。AI 说错一家公司,多半源于事实源混乱。

内容结构

查什么:内容是否按客户的真实问题组织、每页是否有可摘引的短答、标题层级是否清楚。怎么判:抽查核心页:开头三句内有没有完整定义、每页 H1 是否唯一且切题、段落是否先给答案再展开。典型不合格:全站共用一个 H1,或 H1 写的是口号不是主题;概念页从公司口号讲起,三句之内没有定义。AI 引用的是段落,不是整页印象。

引用就绪度

查什么:案例和数字有没有公开来源、是否标注了出处。怎么判:抽查页面上的关键数字与案例陈述,看有没有可点击的公开来源与日期。典型不合格:满页"行业领先""增长显著"却没有任何数字与出处;或者数字有、来源是"内部数据"无法核验。无源的数字 AI 不敢引,编辑也不敢转。

一个真实参照

我们对 30 家中国出海企业官网做过同口径采样:总分均值 80.1/100,中位数 80(区间 55–98),7 家 90 分以上、6 家 70 分以下;但机器可读面是五类里最弱的一类(均分 69.2,中位数 68.5)——17 家缺 JSON-LD 结构化数据、15 家 sitemap 有问题、13 家 H1 标题不规范,10 家机器可读与实体结构双双低于 70 分。也就是说,大多数公司的短板不在内容多少,而在机器读不读得懂。(抽样口径:样本为 30 家中国出海企业全球官网主域名,检测用 Negency AI 可见度体检引擎,约 30 个信号、五类,2026 年 10 月 30 日单日采样;报告只测技术可见度,不测提及率。)

范围要说清楚:体检测的是官网技术可见度——AI 能不能抓到、读懂你的网站;它不测 AI 回答里的品牌提及率。技术分高只说明入场券拿到了,提及率要另用固定题集采样测量。两类指标不要混为一谈。

体检入口就在本站:免注册出分,完整报告留邮箱获取。

检测流程:一次体检怎么跑

  • 提交与确认:提交官网域名,确认检测范围(语言、目标市场、主要引擎);
  • 自动抓取:模拟主流 AI 爬虫抓取首页与核心页面,记录放行状态、返回状态与正文提取结果;
  • 五维评分:按上述五类信号逐项打分,每一项扣分都对应到具体页面与具体问题;
  • 报告解读:先看最弱维度与入场券类问题(可达性),再看内容与引用类问题——顺序错了,钱会花在刀背上;
  • 修复与复测:按优先级修复后用同一口径复测。分数变化与 AI 回答里的实际提及分开记录:分数是过程指标,提及才是结果指标。

查完之后:提升路径与优先级

  • 第一优先(入场券):放行 AI 爬虫、修复 sitemap、保证核心页返回正常状态且正文可被提取——没入场,后面全是零;
  • 第二优先(读得懂):补 JSON-LD 实体标注、统一 H1 与标题层级、给核心页加可摘引的短答;
  • 第三优先(信得过):官网与第三方平台的实体口径对齐,案例与数字补上公开出处;
  • 持续项(被引用):按客户的真实问题生产问答式内容,经营第三方提及,用固定问题集定期采样复测。

体检之后如果想要一份带证据和优先级的正式诊断,可以先看诊断包交付样例节选,了解交付物的格式与颗粒度。

先看清你的品牌在 AI 搜索里站在哪

先跑一次免费的AI 可见度体检,几分钟看清你的官网在抓取可达、机器可读、实体结构三项上的得分;要完整的竞品对照与修复清单,看AI 搜索可见度诊断包。

相关问题

GEO 和 SEO 有什么区别?

SEO 优化的是网页在搜索结果列表里的排名,目标是点击;GEO(生成式引擎优化)优化的是企业在 AI 生成答案里被发现、理解、信任和引用的程度,目标是进入答案本身。两者共用一部分技术基础(可抓取性、结构化数据、内容质量),但 GEO 额外要求实体事实治理、机器可读面(llms.txt、Markdown 镜像)和第三方提及生态。做 SEO 的网站不等于对 AI 可见:AI 引擎引用谁,取决于它能否抓到、读懂并核实这个企业的事实。 具体差异集中在四个层面:目标、对象、内容结构与评估方式,正文有逐项对照。

中国企业出海,怎么做 AI 搜索可见度?

出海企业的 AI 可见度短板通常不在内容量,而在机器可读面:我们对 30 家中国出海企业的实测显示,类目均分最弱的是机器可读面(69.2/100)——17 家首页没有 JSON-LD、15 家 sitemap 缺失或收录不足、13 家 H1 缺失或重复。路径是四步:先体检摸清机器人可达性与机器可读面,再治理实体事实(双语口径一致),然后按海外客户的真实问题生产问答式内容,最后经营第三方提及(媒体、社区、合作伙伴),并用固定问题集定期复测提及与引用验证效果。

AI 搜索时代,企业官网要做哪些改造?

五件套:一是机器人可达——robots 对 AI 爬虫显式放行且实测不被防火墙/验证页拦截;二是机器可读面——llms.txt 事实文件(可选辅助)、sitemap 完整、核心页提供 Markdown 版(可选);三是实体结构——JSON-LD 写明 Organization 等实体类型、标题与 H1 规范、双语站 hreflang 对应;四是问答式内容——按客户问题组织页面、短答先行并配 FAQ schema;五是可度量——后台能分开看到真人与机器人流量、AI 引荐带来的线索单独归因。Negency 官网自身就是按这五条改造的,体检工具用的也是同一套标准。

llms.txt 是什么?企业网站有必要加吗?

llms.txt 是放在网站根目录的一份纯文本说明书,专门写给 AI 看:公司是谁、做什么、核心页面在哪、关键事实与定义是什么。它不能直接提升被引用的概率(Ahrefs 2026 年 5 月研究:137,210 个域名中,已发布 llms.txt 的文件 97% 当月零次被取用,对引用率的直接影响接近零),但它是成本最低的事实治理动作——一份文件把全网口径统一锚点立住,AI 抓取时有据可依。结论:值得加,但别指望只加它就有效;它要和实体事实治理、结构化数据、问答式内容一起做。Negency 的 llms.txt 是事实圣经版:含公司定义、方案边界、案例出处与引用规则。

企业部署 AI Agent 之前,要做哪些准备?

四件准备,缺一件都不建议开工:一是场景选型——从高频、规则相对清晰、结果可验证的工作流里选试点,而不是从最炫的场景选;二是知识与数据基础——Agent 要用的知识库先治理(去重、版本、权限),脏知识库只会放大错误;三是治理设计——权限边界、人工审批点、审计日志在上线前定好;四是度量基线——试点前先记录人工流程的耗时与错误率,否则上线后无法证明价值。Negency 的方法论是先小范围受控试点、验证有效再扩围,治理是设计输入而不是事后补丁。