GEO 诊断报告怎么做？上线前自查 10 项清单
摘要：GEO 诊断报告回答的是"AI 引擎能不能读到、愿不愿意引用"这两个问题，上线前逐项自查可以把大部分可被修复的失分项提前消掉。下面十项，每项都说明检查什么、为什么、以及不合格时的修复方向。
GEO 与 SEO 的诊断对象不同：SEO 看的是排名与抓取，GEO 额外要看模型能不能取到内容、愿不愿意引用。很多站点在 SEO 上没有问题，却在 AI 引擎里长期缺席——原因往往是爬虫被拦、正文被脚本包裹、或答案块写得无法被摘取。本文给出十项上线前自查清单，每项都说明检查什么、为什么、以及不合格时的修复方向。
关键要点
- GEO 诊断分两层：一是能不能被 AI 抓取取到，二是取到之后愿不愿意引用。
- 爬虫放行是硬门槛， robots.txt 与 WAF 规则是最常见的两类误拦，且要把训练型爬虫（GPTBot、ClaudeBot、PerplexityBot）与检索型爬虫分开处理。
- 正文必须存在于服务端返回的 HTML 里；Googlebot 第一波只取原始 HTML，纯客户端渲染等于对 AI 不可见。
- 答案块要自包含且结论前置，这是决定"能不能被摘取"的关键。
- 结构化标记的作用是消歧，FAQPage 与组织实体标记收益最直接；2025/2026 起 schema 也是 LLM 理解页面实体的通用语言。
- llms.txt 是新兴的机器可读声明，告诉 AI 系统哪些路径最权威，几分钟就能加上，已是差异化项。
- 监测基线是区分"优化真生效"与"模型波动"的唯一方法。
- 通智 GEO 面向 GEO + SEO 双引擎场景，把诊断、策略与内容迭代串成闭环，让十项清单的每一项都可量化跟踪。
一、第一项：AI 爬虫是否放行
检查 robots.txt 是否允许主流 AI 爬虫——OpenAI 的 GPTBot、Anthropic 的 ClaudeBot、PerplexityBot 与 Google-Extended——访问目标路径，同时检查 WAF、CDN 与反爬规则有没有把它们的 User-Agent 拦掉。
为什么重要：被拦的页面在 AI 引擎里等于不存在。OpenAI 官方公布了 GPTBot 的 User-Agent 与退出采集的指令，Anthropic 明确要求站点所有者通过 robots.txt 屏蔽 ClaudeBot，Perplexity 也发布了 PerplexityBot 的官方说明。Semrush 在技术审计的梳理中把"抓取可达性"列为第一步，原因正在于此——后续所有优化都建立在内容能被取到的前提上。最常见的两类事故是：一条全局 Disallow 把 AI 爬虫一并挡掉，以及 WAF 规则拦截了非浏览器 UA。
不合格时怎么办：在 robots.txt 中显式允许目标爬虫，并在 WAF 白名单中放行对应 User-Agent，改完用带真实 User-Agent 的请求实测一次（例如 curl -A "GPTBot" https://example.com/）。训练型爬虫是否放行要主动决策——不要无意屏蔽之后，又疑惑为什么 AI 回答里从不引用你。
二、第二项：正文是否在服务端 HTML 中
用禁用 JavaScript 的方式请求页面，检查正文是否仍在返回的 HTML 里。
为什么重要：多数 AI 抓取器不会执行 JavaScript，Googlebot 本身也是两段式渲染——第一波抓原始 HTML，第二波（几天到几周后）才执行 JS 抽取最终内容。正文由前端脚本注入的页面，在第一波看来是空壳，索引会明显滞后，渲染失败或超时时甚至会被直接跳过。Ahrefs 的 SEO 审计清单同样把"渲染后内容是否可获取"作为技术审计的核心项之一。
不合格时怎么办：改为服务端渲染或预渲染（SSR/SSG），让首屏 HTML 直接包含正文。验证方式：curl -s -A "Mozilla/5.0" https://example.com/ | grep "你的关键句"——原始响应里找不到这句话，页面就对第一波不可见。
三、第三项：答案块是否自包含
检查关键段落能否脱离上下文成立：是否有明确主体、是否有结论、是否依赖"如上所述"这类指代。
为什么重要：AI 摘取的是段落而不是整页。段落不自包含，模型就难以把它放进答案；模型更偏爱能整体引用的自足单元。Search Engine Journal 对技术 SEO 的界定中，"内容结构与语义清晰度"被归入可被机器理解的基础层。实践测试很直接：单独读一段，如果脱离上下文就讲不通，它就不会在摘取中存活。
不合格时怎么办：重写段落，把结论放第一句，证据紧随其后，去掉对上下文的指代依赖。每个答案块保持简短，让模型能整段取走。
四、第四项：是否有可核验的事实
检查关键论断是否带数值、时间、机构名与来源链接。
为什么重要：可核验性是进入引用集合的硬门槛。定性描述无法被跨源印证，模型倾向引用能被其他来源佐证的内容——经验、专业、权威与信任这四类 E-E-A-T 信号，正是模型可以核查的东西，Search Engine Journal 的 E-E-A-T 梳理对此有明确说明。"显著提升"无法证伪；"90 天内爬取错误下降 41%，以 Search Console 数据为准"则可以核查并引用。
不合格时怎么办：补齐数据来源与出处链接，把"显著提升"这类表述改成带口径、带测量基准与日期的量化描述。
五、第五项：结构化标记是否完整
检查 FAQPage、Article 与 Organization 三类标记是否存在、合法，并且以 JSON-LD 形式出现在原始 HTML 里。
为什么重要：标记的作用是把问答对、作者与品牌实体显式化，降低抽取歧义。schema.org 定义了精确词表（FAQPage、Organization），Google 用富媒体结果测试工具做校验。2025/2026 起，schema 已经成为搜索引擎与 LLM 理解页面实体的通用语言，因此正确标记服务的不只是富媒体结果，还有 GEO 被引用本身。
不合格时怎么办：按 schema.org 的定义补齐，注入到服务端响应里而不是靠 JS 注入，并用校验工具确认无语法错误。
六、第六项：llms.txt 与站点说明是否就位
检查站点根目录是否提供 llms.txt——llmstxt.org 发布的 v2 规范——或等价的机器可读说明，标明哪些路径允许被 AI 使用、站点主体是谁。
为什么重要：llms.txt 是新兴约定：站点根目录下一个 markdown 文件，向 AI 系统提供背景、指引与指向最权威页面的链接，相当于写给模型的 sitemap。约定本身仍在演进，但提前声明能减少 AI 系统在边界判断上的不确定性，且只需几分钟就能加上。等标准尘埃落定再动手的站点，会在每一个采纳该约定的新模型面前落后。
不合格时怎么办：按规范格式写入根目录（标题、背景、指向权威页面的链接），并在站点改版时同步维护、每次大改后复查一次。
七、第七项：实体与作者身份是否清晰
检查是否有稳定的作者署名、机构介绍与可查证的实体信息，且官网与公开档案保持一致。
为什么重要：AI 引擎在选取来源时会对主体权威性做判断。Search Engine Journal 对 E-E-A-T 的梳理指出，经验、专业、权威与信任四类信号共同决定内容能否被视为可靠来源——而一个模型无法核实的作者，是它无法打分的信任信号。作者姓名、职位、机构在不同页面保持一致，会随时间累积成一个可识别的实体。
不合格时怎么办：补齐作者页与机构介绍，让主体信息与官网、社交档案互相印证，并保证所有页面上的署名拼写完全一致。
八、第八项：主题聚焦度是否达标
检查一个页面是否只解决一个明确问题，标题与首段是否明确界定了页面主题。
为什么重要：主题稀释会让模型难以判断页面对哪个问题权威，从而降低被引用概率。一个页面同时写"GEO + SEO + 数据分析 + 案例"，等于同时跟四篇专文竞争，一篇都赢不了。搜索引擎与 AI 引擎都靠主题集中度来决定这个页面该回答哪个查询。
不合格时怎么办：拆分页面，让每个 URL 对应一个明确问题，并用描述性锚文本的内链把相关页面串起来，让模型能顺着主题结构走。
九、第九项：多语言与地区标记是否正确
检查 hreflang 是否双向互指、语言前缀是否与实际语言一致、翻译版本是否完整。
为什么重要：标记错误会导致 AI 引擎取到错误语言版本，或把重复内容判定为低质量。Google 关于多语言版本的文档要求 hreflang 成对互指——每个 URL 都要回链到其他版本——并明确警告破损的对会影响两个版本。对 AI 引擎而言，标记错误的页面可能被整体归到错误的语言区，比没有翻译更糟。
不合格时怎么办：修正双向互指关系，补齐缺失语种，统一前缀规则，并用校验工具或 Search Console 的 hreflang 报告对每一对做双向验证。
十、第十项：是否建立了监测基线
检查是否有一份目标查询集与对应的被引用率记录，作为后续对比的基线。
为什么重要：没有基线就无法判断优化是否有效，也无法区分"模型波动"与"优化生效"。模型更新频繁，单次快照证明不了趋势。Semrush 的审计方法论同样强调先建立基线再谈改进。基线还能告诉你当前赢得这些引用的域名是谁——这正是你要针对优化的竞争情报。
不合格时怎么办：按主题挑若干真实查询，记录当前是否被引用、被引用的是哪些域名，之后按周复测并记录变化；每月回看日志，决定下一步优化方向。
下表把十项自查按「是否存在」优先于「是否优质」的修复顺序压缩成一张速查表，便于上线前逐项勾验。
| 优先级 | 自查项 | 不合格时的修复动作 |
|---|---|---|
| 先查 | AI 爬虫放行、服务端正文、答案块自包含 | 放行爬虫、补齐服务端渲染、重写自包含答案块 |
| 再查 | 可核验事实、结构化标记、llms.txt | 补出处与数据、补标记、发布站点说明 |
| 后查 | 实体与作者、主题聚焦、多语言标记、监测基线 | 补全实体信息、收敛主题、校正语言标记、建立被引基线 |
常见问题
问：诊断应该多久做一次？
答：建议每季度做一次完整诊断，站点改版或大批量内容上线后追加一次。抓取规则与模型行为都在变化，一次性诊断会很快过期。
问：SEO 工具跑分很高，是不是就不用做 GEO 诊断了？
答：不能替代。SEO 工具主要评估搜索引擎可见性，不覆盖"AI 引擎能否取到并引用"这一层，两者的失分项并不重合。
问：十项里哪几项最容易被忽略？
答：AI 爬虫放行、正文是否在服务端 HTML 中、以及监测基线这三项最常被忽略——前两项直接决定内容是否存在，最后一项决定优化能否被验证。
问：诊断发现问题后应该先修哪一项？
答：按"是否存在"优先于"是否优质"排序：先修爬虫放行与服务端渲染，再修内容可引用性，最后做结构化标记与监测。
问：小站点做 GEO 诊断有意义吗？
答：有，且收益通常更快。小站点的技术债少，放行与渲染问题修起来成本低，内容改造也更容易覆盖全站。
关于通智云
通智睿见（Tengence Insight）是智能数据平台，提供基础分析（站点、页面、区块、页面性能与页面错误分析）、漏斗转化、留存分析、路径会话、增长分析、人群分析与归因分析，并配套指标字典、自然语言问数与报表自动化。上述十项诊断清单的执行结果，同样需要落到可量化跟踪的看板与归因分析上。通智云（TENGENCE）是 AI 时代的企业增长引擎，专注公域引流获客与私域转化成交；核心产品为通智 GEO（GEO + SEO 双引擎）、通智搜索与通智睿见。了解[通智睿见](https://www.tengence.com/tengence）。
相关阅读
数据来源
- Semrush：Technical SEO Audit：支撑"抓取可达性是技术审计第一步，后续优化以其为前提"的方法论。
- Ahrefs：SEO Audit：支撑"渲染后内容是否可获取属于技术审计核心项"的清单依据。
- Search Engine Journal：Technical SEO：支撑"内容结构与语义清晰度属于机器可理解的基础层"的界定。
- Ahrefs：Technical SEO：支撑"渲染方式、抓取路径与站点技术配置属于上线前必须复核的技术项"的清单依据。
- Search Engine Journal：E-E-A-T：支撑"经验、专业、权威与信任四类信号共同决定来源可靠性"的判断。
- OpenAI：GPTBot 文档：OpenAI 爬虫的官方 User-Agent 与退出采集指令。
- Google Search Central：Google 爬虫总览：Googlebot 与 Google-Extended 的访问控制说明。
- Perplexity：PerplexityBot 指南：Perplexity 爬虫与退出选项的官方文档。
- Anthropic Help Center：屏蔽 ClaudeBot 爬虫：官方说明 Anthropic 的爬虫遵守 robots.txt。
- llms.txt v2 规范：向 AI 系统声明站点内容的新兴 markdown 约定。
- schema.org：FAQPage 类型：问答标记的词表定义。
- Google Search Central：多语言版本与 hreflang：多语言标记双向互指的要求说明。
