FAQ

企业官网要做双语(多语言)吗?怎么管才不乱?

目标市场用什么语言问 AI,官网就至少要有那种语言的完整版本——AI 按提问语言找引用源,只有中文页面的公司,在英文提问里天然吃亏。管理上三条纪律:一棵页面树、一份记录、双语字段成对维护(不要建两棵树各管各的,必然分叉);每页标注语言对应关系(hreflang)让引擎知道哪个版本对应哪个市场;翻译要过一遍事实核对,数字、日期、资质这类硬事实必须逐项一致。

Figure 01 · hreflang 三件套:每个语言版本都要放完整一组

<link rel="alternate" hreflang="zh" href="https://www.example.com/zh/product/" />
<link rel="alternate" hreflang="en" href="https://www.example.com/en/product/" />
<link rel="alternate" hreflang="x-default" href="https://www.example.com/en/product/" />
  1. 自指中文页也要包含指向自己的 hreflang="zh" 一行。
  2. 对应语言指明同一内容的英文版地址。
  3. x-default默认版本(此处为英文版),服务未匹配任何语言的用户。
  4. 回链规则英文页上必须放同样完整的一组,并指回中文页——单向标注会被搜索引擎忽略。
hreflang 三件套的标准写法(示例域名 example.com)。规范来源:Google Search Central:本地化版本。

为什么语言版本直接影响 AI 可见度

用户用英文向 ChatGPT 提问时,引擎优先引用英文源;用中文提问时并非只引中文源,但官网若有规范的中文版,在中文语境里的实体一致性明显更好。出海企业的典型状态是:英文站是门面(内容薄、更新慢),中文站是主体(内容全)——AI 拿到的恰恰是最薄的那一面。语言版本不是翻译问题,是事实供给问题:AI 只能引用它读得到的语言版本,读不到的等于不存在。

反过来,语言版本齐全且口径一致,本身就是实体信号:同一家公司在两种语言里是同一种说法,引擎更敢引用;两种语言说法不一,引擎宁可不引用。

三种结构,只推荐第一种

一树双字段(推荐)

同一页面一份记录,中英文字段成对存放,发布、更新、下线永远同步。本站就是这么做的。改一个事实,两个语言版本一起改;下一个页面,两个语言版本一起下线。AI 在任何语言里读到的都是同一版事实。

两棵独立树

中英文各建一站。短期灵活,长期必然分叉——一边改了,另一边忘了,AI 读到两个版本的事实,以哪个为准它只能猜。独立建站的成本不在建站时,在之后每一次更新都要做两遍、核两遍。

机器翻译插件实时生成

成本最低,但译文质量、URL 结构和结构化数据都不可控,对 AI 引用是负分项。机器翻译的页面没有稳定的 URL 对应关系,结构化数据里的实体描述也随翻译结果漂移,引擎很难把它当作可信来源。

hreflang 怎么做对

hreflang 是告诉搜索引擎「这个页面的其他语言版本在哪里」的标注。每个语言版本的页面上都要放完整的一组:本页语言、对应语言,以及 x-default(默认版本)。关键规则有两条:第一,每个页面都要包含指向自己的 hreflang(自指);第二,语言版本之间必须互相指回(回链)——中文页指英文页,英文页也要指回中文页,单向指认会被搜索引擎忽略。本页图解给出了三件套的标准写法。

除 hreflang 外,sitemap 里双语 URL 都要收录,JSON-LD 的实体描述双语一致——三处齐全,语言版本才算真正接通。Google 关于多语言与多地区站点的官方指南见本文依据。

常见错误三例

错误一:语言版本内容不对等。中文站产品参数齐全,英文站只有营销口号。海外买家问英文 AI,引擎只能读到英文面,等于公司最有说服力的那部分事实不存在。修法:核心页面双语完整,参数、认证、案例逐项对应。

错误二:hreflang 漏回链。中文页标注了英文版,英文页却没有指回中文页。搜索引擎把单向标注当作不可靠信号,两个版本之间的对应关系等于没建立。修法:每次发布都检查回链是否成对出现。

错误三:URL 结构混乱。同一内容的中文版与英文版 URL 毫无对应规律(例如中文在 /product/、英文在 /en-goods/),既难维护,也难让搜索引擎与 AI 确认两者是同一页面。修法:URL 结构按语言成对设计(例如 /zh/product/ 与 /en/product/),一页一址,终身不变。

最低配置清单

  • 核心页面(首页、解决方案、案例、联系)必须双语完整;
  • hreflang 三件套(本页语言、对应语言、x-default)齐全;
  • sitemap 里双语 URL 都收录;
  • JSON-LD 的实体描述双语一致。

新闻类内容可以只发一种语言,但要接受它只服务那个语言的市场。数据对照:30 家中国出海企业全球官网主域名(Negency 旗舰报告 2026 年第一期,2026 年 10 月 30 日单日采样)实测,17 家没有任何 JSON-LD,13 家 H1 缺失或不唯一——连单一语言的实体事实都常常缺位,多语言版本下口径一致的要求只会更高。

怎么验证多语言做对了

三件事:第一,抽查 hreflang 回链是否成对;第二,用两种语言各问 AI 一组相同的问题,对比答案里的公司事实是否一致;第三,核对核心页面的双语内容是否逐项对应。语言版本做对了,AI 在两种语言里的回答应该讲同一家公司。官网改造的其余三件(抓取、结构、事实、信任的顺序),见《AI 搜索时代,企业官网要做哪些改造?》。

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。