8 月下旬开始，海外几份对照实验陆续被翻译进中文圈。某一天我打开公众号，至少刷到四篇「GEO 服务指南」，三篇在反复强调「打 Schema 标签」「做 llms.txt」「做对比清单」——这恰恰是 Ahrefs 8 月那篇被大量引用的研究里、明确指出对 AI 引用「影响可忽略」的三件事。

我们做了八年本地数字化服务，GEO 算深耕领域之一。这篇文章不打算讲我们能做多好，只把一份对外报价里通常会被列出来的动作清单，按「对照实验结果」重新排序一次。

一条硬结论：相关性很强，因果性很弱

先把一组数据摆出来。

• Ahrefs 在 5 月发布、随后在 8 月又更新了讨论的对照实验：1,885 个加 JSON-LD 的页面，配 4,000 个没加的对照页，30 天前后对比 AI 引用变化。结果是 AI Mode +2.4%、ChatGPT +2.2%、AI Overviews -4.6%。后两个数字在统计上无法与零区分，第一个负向也无法归因于标签本身。
• 德国技术 SEO 公司 searchVIU 做了一个更狠的对照：他们建了页面，其它完全一样，只在 JSON-LD 里放一个产品价格，可见 HTML 里不放，让 ChatGPT、Claude、Gemini、Perplexity、Google AI Mode 五个系统提取。结果是 0/5——没有任何一个系统在实时检索时读到 JSON-LD 里的价格。
• Ahrefs 在自家 13.7 万站点的服务器日志里看 llms.txt：28% 的站点发布了这个文件，其中 97% 零抓取请求。剩下那 3%，77% 的请求来自 SEO 审计工具和做研究的爬虫，不是 AI。

这里有个容易掉进去的坑：被 AI 引用的页面里，确实有 53% 携带 JSON-LD；而未引用的页面里只有 18% 左右。3 倍差距。这个数字被很多服务商截屏放在方案里。问题是，相关性 3 倍 ≠ 加了之后引用会涨 3 倍。装 schema 的站点本身就是「更被维护的那一类」——内容深、外链多、更新勤、技术好。把 schema 抠掉，这些优势还在。

这就是这篇文章的标题：交付清单里，有些动作是「卫生」，有些动作是「杠杆」。该花的钱和该省的钱，不能混在一起报。

三个被高估的动作：做了不等于有用

1. 打 Schema 标签

它确实有用，但不是「加 FAQPage + Article，AI 就会引用你」。它的真实价值是：

• 降低机器理解歧义——Organization 里的 logo、sameAs、@id 这些实体字段，是知识图谱的接缝；
• 给「已经被 AI 看到」的页面做整理，减少摘录时的细节错误；
• 对极个别检索场景生效，比如某些垂类答案卡需要 FAQ 结构。

但它不是「零引用 → 有引用」的开关。把内容从 0 引用推到稳定被引，靠它不够。我们的实操经验里，它要和其它三个动作配合，单独打包成「GEO 服务」的支柱之一，是典型的高估。

2. 发 llms.txt

这是 2025 年被某厂商提出来的一个「LLM 站点说明文件」。听上去很合理——给 AI 写一个自我介绍就行。

问题是：

• 四家主要厂商（OpenAI、Google、Anthropic、Perplexity）截至 2026 年 8 月，没有一家公开承认把它作为引用输入；
• Ahrefs 在 13.7 万站点里观察，发布了的文件中 97% 没有产生任何 AI 抓取；
• Top 1000 站点的真实采纳率是 10.3%（Suede Labs 8 月 19 日数据），其中相当一部分是 SEO 插件自动生成的，不构成有效信号。

我们的建议：可以写，但排在所有交付动作的最后一位。它的成本极低，单独收钱没道理。

3. 自吹式对比清单

「2026 年福州 XX 推荐」「XX 工具横评」「XX 服务 TOP 10」——这种内容被很多 GEO 服务商列为标配。

Ahrefs 团队自己做了一份对照实验：发布 34 篇把自家产品排第一的清单，追踪四大 AI 平台的回答。43% 的情况下，AI 引用了这篇文章，却在最终答案里推荐了清单中提到的竞争对手。

也就是说，花钱做的对比内容，引用了你、推荐了别人。这条信号在「最佳 X」类查询里特别明显——有研究统计这类清单占了 ChatGPT 所有被引用页类型的 43.8%。

真正的杠杆在第三方独立信源：行业协会、评测报告、新闻报道、客户独立评价。这些是 AI 真正会拿来作为推荐依据的源。

四个真正起作用的动作：按这个顺序做

这四个动作的数据支撑比前面三个厚得多。

动作一：爬得通

这一条最便宜，也最常被漏掉。

澳大利亚 Uprise Digital 8 月的研究：扫了 500 个站点，浏览器访问正常的站点里，有 13% 的站点在 AI 爬虫（用 GPTBot、ClaudeBot 等 UA）请求时返回 403 或 429。DEV 社区另一份研究更直接：136 个站点 robots.txt 明确放行 AI 爬虫，实际边缘节点上却被 WAF/CDN 默认策略拦了。

国内情况只多不少。Cloudflare 在国内的部署量极大，新版「AI 爬虫自动拦截」默认是开的。一旦你的站点被它识别为「非浏览器指纹」，整个内容对 AI 就是黑盒。

实操动作：

• 用 curl + GPTBot 的 UA 请求自己首页，看返回码是不是 200；
• 查看 Cloudflare / 阿里云盾 / 安全狗里的「自动化流量」规则；
• robots.txt 里区分训练爬虫（GPTBot、ClaudeBot、Google-Extended）和检索爬虫（OAI-SearchBot、PerplexityBot），前者可以拦，后者放行。

动作二：看得见

searchVIU 的对照里还有另一个发现：实时检索时，所有系统都只读原始 HTML。也就是说，你的内容如果靠 JavaScript 渲染才出现——比如 Vue/React 客户端拉数据、SPA 路由、懒加载区块——对实时回答的 AI 来说就是空白的。

实操动作：

• 用 curl 抓自己的页面，看核心事实（公司名、业务、价格、地址、资质）是不是在原始 HTML 里；
• 把核心信息做成静态段落或 SSR 输出，不要藏在标签页、轮播图、需要点击的弹窗后；
• 检查核心页是不是被 CDN 边缘节点正确缓存（403/503 也是「看不见」的一种）。

动作三：写得清

Pillarbase 跟踪了 1,570 万条 Google AI Mode 的引用数据：47.7% 是段落级 scroll-to-text 高亮，而不是整页链接。研究里有一条段落，跨 221 个不同查询被引用。

这意味着 AI 不在「引用一个页面」，而是在「引用一个段落」。你写一整页五千字，不如把每个段落写到「能被独立摘走」——结构上：

• 结论前置：H2/H3 下的第一句话直接给答案；
• 一问一答：一个标题回答一个问题，避免一个段落回答三个问题；
• 参数进表格：价格、规格、对比数据用 HTML table 写，被引用概率明显高；
• 每个段落自洽：去掉上下文也能读懂，不依赖段落之前的铺垫。

动作四：说得对

最后一条动作最「朴素」，但分量最重。

• Ahrefs 分析 140 万条 ChatGPT 引用：88.46% 来自通用搜索索引，Reddit、YouTube 等特殊渠道抓得多但转化为引用少；
• 另一份研究：76% 被 AI 引用的页面，本身就排在传统搜索的 Top 10；
• BrightEdge 8 月数据：商业查询的 AI 引用里，83% 指向 12 个月内更新过的页面。

这三条加在一起说明：传统 SEO 的基本功依然是 AI 引用池的基础设施。没有它，再多 GEO 动作都补不上。

实操动作：

• 持续维护核心品类词的传统排名，不松懈；
• 把过期内容做季度更新——这是可控变量；
• 外链和品牌提及并重（Semrush 2025 研究：品牌提及与 AI 可见度相关性 0.664，外链只有 0.218）。

回到福州本地商家：哪些动作在你的预算内

把这套排序落到福州本地客户上，最常被推荐、最不优先的动作分别是：

• 加 Schema：先把 Organization 和 LocalBusiness 写好，FAQ/Article 视内容情况，不要为它单独花钱；
• llms.txt：能写就写，不写也行，排在交付清单末尾；
• 对比清单：不建议独立做主推——除非你的内容能保证第三方独立背书；
• 爬得通 + 看得见：这两步如果没做，后面所有动作都打折。本地站点的模板托管和 CDN 默认策略经常是隐形杀手；
• 写得清：找一段话让 AI 一字不漏地摘走，比写十篇文章有用；
• 说得对：传统 SEO 基本功，本地商家可以靠自运营+品类阵地持续维护。

这不是一份报价单。我们做 GEO 八年，最后真正能帮客户拿到结果的，从来不是清单最长的那份方案，而是动作最准的那份。

有些动作被高估，不是因为它没价值，是因为它被错配成了「主推服务」。该花的钱和该省的钱分清楚，预算才会花在真正撬动结果的地方。

以上数据均来自公开研究，链接汇总在文章内可查。