先说现象。
我们自己的外贸站，Google 收录正常，品牌词能搜到，页面也能打开。但把八个采购常问的问题丢进搜索，前五条来源里没有一条是我们。同一个品牌名去搜，官网排第一。
这两件事同时成立，说明问题不在“有没有被搜索引擎收录”，而在“内容能不能被摘出来回答问题”。
我们的站是标准的外贸独立站：静态页面、sitemap、结构化数据、内链都做过，SEO 该做的动作基本齐了。所以这次不是从头查，是做一次对照：同一批页面，搜索引擎看到什么，AI 看到什么。
体检分三层：搜索索引、爬虫可读、答案可摘。
三层分开测，是因为三个问题的解法完全不同。收录差，改站内结构；可读差，改技术；可引用差，改内容。混在一起看，容易一直在改错的地方。
一、搜索索引层
用 GSC 的 URL Inspection 跑了全量，75 个页面，16 个被收录，51 个是 URL unknown to Google，8 个是已发现未抓取。
技术通路是通的：robots 放行、sitemap 有效、页面 200、canonical 正确。所以不是管道问题，是抓取配额和站内结构问题。
当时做了三件事：合并同题页面（7 篇并成 1 篇）、给 64 篇文章统一补 5 条相关阅读、重建博客索引页。这三件事不保证收录，但让爬虫有路可走。
还有一个坑：sitemap 里混进了 .md 文件，百度每日推送配额只有 10 条，一半浪费在不需要收录的 Markdown 上。后来把 .md 从推送队列里拿掉。
二、爬虫可读层
80 个页面做全量体检，AI 爬虫真正读到正文的 17 个。
剩下 63 个分三类：
- 前端渲染。浏览器里看得到，爬虫拿到的 HTML 里没有正文。
- 只有 HTML 页面，没有全文版，.md 文件是空的。
- 权限。文件在，但服务器返回 403。
检查方法不复杂：
curl -s 页面地址 | grep 正文关键词
curl -s 页面地址.md | head
日志按 UA 统计内容页命中数，和 sitemap 页面数对比
注意状态码 200 不代表内容完整。我们踩过这个坑：页面能打开，正文是空的。
三类问题的修法不一样：渲染问题改输出方式，优先静态化或预渲染；缺全文版就补一份和正文一致的 .md；权限问题改文件模式，Web 目录新建文件必须 644，目录 755。
三、答案可摘层
这一层最容易被忽略。
页面能读，但读到的是一整页公司简介、参数表、欢迎询价。AI 要的是一段能独立成立的话：主体、数字、边界。
十个采购问题可以先列出来：认证、产能、交期、MOQ、包装、验厂、付款、样品、物流、售后。
答案段长什么样？以“能不能做 FDA 认证的餐盒”为例，合格的写法是：能做；材料是什么；通过了哪项检测；MOQ 多少；常规交期和旺季交期各多少。一段话控制在 120 字以内，拿出去就能用。
还有一个隐蔽问题：实体表述不一致。官网、公众号、平台店铺，同一个产能写了三个数。AI 跨平台核对时，不敢用。
四、改造顺序
先技术，再内容，再外部。
技术：修渲染、补全文版、改权限。这三样是门票。
内容：十个采购问题，每个写一段答案。结论一句、数字一个、边界一句。
一致：公司名、产能、认证、交期，全站一个说法，外部同步。
外部：行业媒体、论坛、客户案例，放同一套事实。
具体动作可以照着做：
- 渲染：改成服务端输出或预渲染，curl 验证 HTML 里有正文
- 全文版：从 HTML 抽正文生成 .md，和页面同源，避免两份不一致
- 权限：find 找出 640 的文件，统一改成 644
- 答案段：每个采购问题一段，标题用问句，段落 120 字以内
- 实体：建一张事实表，公司名、产能、认证、交期，全站和外部平台照这张表改
五、踩过的四个坑
第一，状态码 200 不等于内容完整。页面能打开，正文可能是空的，必须看 HTML 源码。
第二，sitemap 里混 .md。Markdown 版本是给 AI 抓取用的，不需要提交给搜索引擎，占配额。
第三，www 和 apex 混用。提交带 www 的地址，实际 301 到 apex，配额浪费，信号也乱。
第四，服务器 umask 导致新文件 640，nginx 读不到直接 403。凡是 Web 目录新建文件，写完必须 chmod 644，验证时看状态码不是 403。
六、改完看什么
三个指标，按顺序：
收录：GSC 里核心页面状态，日志里 AI 爬虫命中。
提及：固定十个问题，每两周测一次，同一组问题。
询盘：表单里“你怎么找到我们”，有没有出现 AI 来源。
前两个是过程，第三个才是结果。
七、三条经验
第一，SEO 和 GEO 不冲突，但考核点不同。SEO 看页面能不能排，GEO 看段落能不能被摘。
第二，技术是门票。渲染、全文版、权限三样不修，内容写得再好，AI 也读不到。
第三，答案段比长文有用。一篇 3000 字的文章，不如十段能直接回答采购问题的话。
八、边界
这次体检只覆盖我们自己的站，样本是 80 个页面，时间在 2026 年 10 月到 11 月。不同行业、不同域名年龄，结果会不一样。
能确认的是：技术可读性不解决，内容做得再好也不会被引用；技术解决了，内容没有答案段，一样不会被摘。
这两件事，缺一不可。
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/Ly803124/article/details/170544675
