Liste de refonte GEO du site officiel : six niveaux de points d'information et ordre d'exécution
Chapitre 6 : Section avancée pratique · Question 103
Pour déterminer si un passage de copy de site officiel peut être cité par l'IA, il n'existe qu'un seul test :extrayez-le seul, collez-le dans la réponse de quelqu'un d'autre, et voyez s'il tient toujours.
S'il tient, c'est une unité citable. S'il ne tient pas, ce n'est qu'un copy marketing. Le modèle ne cite pas votre page en entier, il extrait des phrases. La refonte ne porte donc pas sur la page, mais sur les paragraphes et les champs.
Ci-dessous, trois parties : « quoi faire, dans quel ordre, comment valider ». Tous les outils directement copiables sont regroupés dans l'annexe en fin d'article, copiable en un bloc comme checklist autonome.
Comment réaliser concrètement ce test
Prenons directement ce site comme démonstration. Ouvrez songbing.com.cn/100wen/, comparez en lisant, sans aucun outil à préparer.
Première étape : rédigez trois questions. Écrivez-les comme les utilisateurs les poseraient, sans les reformuler en jargon sectoriel.
- À quoi sert ce site ?
- À qui s'adresse-t-il ?
- Qu'est-ce qui le distingue des autres tutoriels SEO ?
Deuxième étape : copiez des phrases depuis les pages. Repérez les phrases qui répondent déjà à ces trois questions, copiez-les telles quelles, sans changer un seul mot. Cette page d'accueil permet d'en extraire six :
- Sur-titre et titre : Manuel pratique de trafic organique en chinois · 100 questions sur le marketing organique en chinois
- Sous-titre : Guide pratique du trafic organique en chinois pour les marketeurs, entrepreneurs et professionnels des relations publiques
- Ligne descriptive : 800 à 1 500 caractères par question, une question pour approfondir un point de connaissance, lisible de façon autonome
- Ligne de données : 7 grandes sections, 103 questions-réponses, 800+ caractères par article, mise à jour continue chaque semaine
- Argument : le premier livre en chinois qui traite systématiquement du GEO/AEO, pour apprendre à être recommandé par l'IA
- Argument : couverture toutes plateformes, Baidu + Douyin + Xiaohongshu + Zhihu + 微信搜一搜
Troisième étape : lisez les questions et les phrases à la suite, pour voir si le lecteur aurait envie de poser une question supplémentaire.
| Question de l'utilisateur | Phrase originale sur la page | Première réaction du lecteur |
|---|---|---|
| À quoi sert ce site | Manuel pratique de trafic organique chinois · 100 questions sur le marketing organique chinois | Compréhension partielle. On comprend qu'il s'agit d'un manuel, mais « marketing organique » demande une réflexion supplémentaire |
| À quoi sert ce site | Practical guide to organic traffic for marketers, entrepreneurs, and PR professionals | Compris. Conforme |
| À qui cela s'adresse | Each question: 800–1500 characters, one question per key concept, fully standalone reading | On sait comment le lire, mais pas à qui il est destiné. Réponse à côté de la question |
| Cela vaut-il la peine d'être lu | 7 grands chapitres, 103 questions-réponses, 800+ mots par article, mise à jour continue chaque semaine | On connaît l'ampleur. Conforme |
| Comparé aux autres tutoriels | China's first comprehensive book on GEO/AEO, teaching you how to get recommended by AI | Semi-convaincu. « Le premier livre du genre sur tout le web » est invérifiable |
| Comparé aux autres tutoriels | Baidu + Douyin + Xiaohongshu + Zhihu + WeChat Search | Couverture connue. Conforme |
Quatre des six phrases sont utilisables. Voilà la réalité d'un site officiel : ni parfait, ni inutile, mais bloqué sur deux ou trois points.
Les deux phrases bloquées n'exigent pas de réécrire tout le paragraphe, il suffit de changer une formulation :
Phrase originale : le premier livre en chinois à traiter systématiquement du GEO/AEO
Problème : « le premier livre » est invérifiable, l'IA ne peut pas le reformuler et le lecteur ne peut pas le vérifier
Réécriture : le chapitre 3 consacre 15 questions à la recherche IA, du mécanisme de citation à la configuration de llms.txt, avec des modèles copiablesMême logique pour « marketing non payant ». Ce terme a du sens dans le secteur, mais reste obscur pour un lecteur qui arrive pour la première fois ; une phrase d'explication en amont suffit :
Phrase originale : 100 questions sur le marketing non payant en chinois
Réécriture : 100 questions sur le marketing non payant en chinois — sans publicité, obtenir du trafic organique grâce au contenu et à la rechercheUn seul critère de jugement :avec cette phrase, le lecteur peut-il juger par lui-même. Après ces deux corrections, les six phrases tiennent toutes seules. Le volume total de modification se limite à deux courtes phrases, pas à une refonte.
Un dernier résultat à préciser d'emblée : si les trois questions sur la pagene peuvent pas être recopiéesen une seule phrase, inutile de tester davantage. Cette page manque d'unités de réponse ; complétez directement selon la liste en six couches ci-dessous.
1. Les six couches de points d'information
Pour répondre à une question, le modèle a besoin de quatre types de matière : qui vous êtes, ce que vous savez faire, pourquoi vous faire confiance, et en quoi vous diffèrez des autres. Si le site officiel manque l'un de ces types, la question correspondante ne vous concerne pas.
| Tier | Ce que cela résout | Ce qui se passe en cas d'absence |
|---|---|---|
| 1 Identité de l'entité | Confirmer de quelle entreprise il s'agit | Être confondu avec une marque homonyme, ou ne pas être mentionné du tout |
| 2 Périmètre des capacités | Déterminer si vous êtes la réponse | Être seulement mentionné de manière générique, sans accéder aux recommandations |
| 3 Preuves d'autorité | Déterminer s'il est possible de vous faire confiance | Le contenu est repris mais signalé comme peu fiable |
| 4 Comparaison différenciante | Effectuer une comparaison de sélection | Votre position est absente des questions de sélection |
| 5 Parcours de conversion | Aboutir à une action | Mentionné sans générer de leads |
| 6 Lisibilité machine | Faire lire les cinq premières couches | Le contenu équivaut à néant pour l'IA |
Les trois premières couches sont le prérequis, les trois dernières l'amplificateur.
Première couche : identité de l'entité
Informations à compléter : la correspondance entre raison sociale, nom abrégé de la marque, nom anglais et ancien nom ; date de création, lieu d'enregistrement, code d'identification unifié ; définition de l'activité principale en une phrase ; relation d'appartenance entre nom de marque et nom de produit ; version unique du nom, de l'adresse et du téléphone ; liens vers des archives externes pointant vers le registre du commerce, l'encyclopédie et le compte 公众号.
Deux exigences sont facilement omises. Premièrement,tout en texte brut, sans images ni graphiques. Deuxièmement, les quatre mentions doivent être identiques mot pour mot ; si les informations du registre du commerce, la présentation de l'encyclopédie, la présentation du compte 公众号 et le pied de page du site officiel diffèrent, la confiance accordée à l'entité sera abaissée.
Cette couche est la plus souvent sautée, au motif que « qui donc consulte ces informations du registre du commerce ».L'IA, elle, les consulte.
Deuxième niveau : périmètre des capacités
Pour chaque activité, rédiger un paragraphe de réponse standard comprenant six éléments : phrase de définition, public concerné, cas non applicables, livrables, délai, mode de tarification. Ajouter également la zone de service et les conditions d'accès, ainsi que les limites et prérequis.
« Non applicable » est le point le plus contre-intuitif, et aussi le plus précieux. Lorsqu'un modèle répond à une question de sélection, il doit généralement fournir à la fois les raisons de recommander et les raisons d'exclure ; si le site n'a aucune phrase d'exclusion, c'est comme s'exclure soi-même des candidats. Accepter d'écrire clairement « dans quels cas nous ne sommes pas la solution optimale » augmente en réalité la probabilité d'être recommandé.
Les deux autres éléments les plus souvent omis sont la tarification et les conditions restrictives. Ne pas divulguer de prix précis est acceptable, mais il faut donner à l'IA de la matière à exploiter, sinon elle ne pourra répondre que « veuillez nous consulter ».
Troisième niveau : preuves d'autorité
À compléter : signature de l'auteur et page auteur, numéro de certificat de qualification et organisme émetteur, numéro de brevet, numéro de rapport de test, données publiables des cas clients, sources des données, date de mise à jour de la page, politique éditoriale et de vérification des faits, mentions légales.
Ce niveau détermine si l'IA ose utiliser votre contenu. Tous les chiffres doivent être accompagnés dutrio source, méthodologie, date.
Non conforme : le taux de conversion a augmenté de manière significative.
Conforme : le taux de conversion à l'essai est passé de 2,1 % à 3,4 % (méthodologie : inscription à paiement, fenêtre de 14 jours, source : tracking interne, mars 2026).Concernant les mentions légales, presque aucun site national ne le fait. Le faire constitue une différenciation.
Quatrième niveau : comparaison différenciante
À compléter : tableau comparatif, matrice de capacités, « ce que nous ne faisons pas » explicite.
Les objets de comparaison doivent désigner des types de solutions, sans nommer les concurrents, ce qui évite les risques juridiques tout en couvrant le contexte réel de comparaison des utilisateurs. La comparaison doit mentionner les coûts ; une comparaison qui ne présente que des avantages sera jugée comme du contenu marketing et n'entrera pas dans les réponses.
Couche 5 : parcours de conversion
À resserrer, pas à élargir : un seul CTA principal par page ; des coordonnées cohérentes sur tous les canaux, fournies en texte brut copiable ; un engagement de réponse explicite (délai et interlocuteur) ; des clauses de service après-vente et de garantie complètes.
Réduire les coordonnées à une icône ou un QR code revient à priver l'IA de toute information reformulable.
Couche 6 : lisibilité machine
À exécuter par ordre de priorité : rendu côté serveur ou génération statique ; HTML sémantique (un H1 par page, H2 sous forme de questions, corps dans main et article) ; structured data ; robots.txt distinguant les usages des crawlers IA ; llms.txt ; sitemap segmenté ; gouvernance canonical et hreflang ; gouvernance des 404 et redirections ; alt des images et textualisation des données clés.
Si vous ne pouvez faire qu'une seule chose,faites du rendu côté serveur. Si la page ne peut pas être crawlée pour son corps de texte, les huit autres points tombent tous à l'eau.
Le structured data est une étiquette, pas du contenu. Une phrase absente de la page ne surgira pas parce qu'elle est ajoutée au balisage. À l'inverse, baliser des informations inexistantes sur la page relève de la triche, et les modèles se retourneront contre vous lors de la vérification croisée.
II. Ordre des modifications
| Niveau | Content | Délai |
|---|---|---|
| P0 | SSR ou statique ; ajout d'un paragraphe d'identité d'entité dans À propos ; ajout d'une définition en une phrase par page ; politique robots et crawlers IA ; balisage Organization et Article | 2 semaines |
| P1 | Restructuration des sections sous forme de questions-réponses ; page auteur, page qualifications, page cas clients ; llms.txt ; gouvernance du sitemap et des hreflang | 1 mois |
| P2 | Matrice comparative ; informations tarifaires ; mécanisme de suivi | Continu |
Au sein même de la priorité P0, il existe un ordre. Si le mode de rendu n'est pas modifié, tout le reste revient à décorer une page invisible.
III. Validation
GEO ne dispose pas de données backend ; on ne peut que simuler des questions et consigner les réponses. Créez 40 à 60 questions, réparties en quatre catégories : besoin de catégorie (qui peut faire telle chose), comparaison de solutions (laquelle entre A et B convient le mieux), points de douleur par scénario (comment résoudre un problème précis), recherche directe de marque (que fait cette entreprise, est-elle fiable).
Exécutez chaque question une par une dans les principaux modèles, en session nouvelle et indépendante, au moins deux fois pour la même question, et consignez le texte original des réponses.
| KPI | Définition |
|---|---|
| Taux de mention | Nombre de questions où le nom de marque apparaît / nombre total de questions |
| Taux de mention en première position | Nombre de questions où la marque figure en première position / nombre total de questions |
| Taux de recommandation prioritaire | Nombre de questions où la marque est explicitement recommandée ou présentée comme la plus adaptée / nombre total de questions |
| Taux de citation du site officiel | Nombre de questions citant ou liant le site officiel / nombre total de questions |
| Taux d'exactitude factuelle | Nombre de questions où les faits liés à la marque sont correctement formulés / nombre de questions où la marque est mentionnée |
Parmi ces indicateurs, le taux de citation du site officiel est le plus direct pour la refonte du site ; les autres dépendent aussi de contenus externes.
Il faut couvrir 3 à 5 modèles. Justification : une étude d'observation de septembre 2026 couvrant ChatGPT, Copilot, Google et Perplexity :96,4 % des URL citées n'apparaissent que dans un seul moteur, la médiane du chevauchement d'URL entre moteurs est de 0 (article Scoring With the Engine, arXiv:2609.22655). Tester un seul modèle pour conclure revient à ne pas tester.
La colonne la plus précieuse du tableau de suivi est « la phrase source citée ». Elle vous indique quelle phrase du site officiel a été réellement sélectionnée. Déplacer cette phrase plus haut et dans un bloc plus structuré constitue l'optimisation ponctuelle la plus efficace.
Rythme : établir une base de référence avant la refonte, puis retester une fois à 1 mois et une fois à 3 mois après achèvement, ensuite exécuter à date fixe une fois par mois.
IV. Six erreurs de jugement courantes
1. Ajouter des données structurées suffit. Le balisage aide à l'identification par la machine, mais ne règle pas la question de la présence de contenu. Sans phrases extractibles, un balisage complet ne sera pas cité.
2. Optimiser uniquement la page d'accueil. Ce sont des pages spécifiques qui sont citées. Les pages produit, FAQ et études de cas constituent l'essentiel ; la page d'accueil ne sert qu'à clarifier l'identité de l'entité.
3. Considérer « leader du secteur » comme un différenciateur. Ces termes ne sont ni extractibles ni vérifiables : autant ne rien dire.
4. Croire que l'ouverture des crawlers IA suffit à l'indexation. Ce n'est qu'un ticket d'entrée ; la qualité du contenu détermine si l'on est cité.
5. Utiliser robots comme moyen de confidentialité. Ce n'est pas un système de permissions ; pour vraiment garder le secret, ne le publiez pas sur une page publique.
6. Considérer qu'une fois modifié, c'est terminé. Les modèles évoluent, les concurrents changent, vos informations deviennent obsolètes. C'est un travail de maintenance, pas un livrable de projet.
Questions fréquentes
Q: How much does website optimization help with GEO?
R : Le site officiel est la source de référence pour la validation croisée par l'IA. Avant modification, l'IA voit une page dont elle ne peut pas lire le corps ni identifier l'entité, avec une probabilité de citation très faible. Après modification, elle remplit au moins les conditions pour être rappelée et extraite. À noter toutefois : la refonte du site officiel ne règle que le « citable avec preuves » ; la citation effective dépend aussi de l'écosystème de contenu hors site, et aucune méthode ne peut promettre une amélioration chiffrée.
Q: Is optimizing just the website enough?
R : Non. Le site officiel est le terrain principal, mais l'IA croise plusieurs sources pour juger. Un site bien refait donne à l'IA des preuves à citer ; le contenu sur les encyclopédies, Zhihu et les médias spécialisés détermine si elle accepte de citer. Les deux doivent être cohérents, sinon la validation croisée conclura à une « information non fiable ».
Q: How soon will results show after optimization?
A : Au niveau de l'indexation, les changements de crawling sont généralement visibles en deux à quatre semaines. Pour les citations au niveau des réponses, il faut généralement un à trois mois, et il est nécessaire d'observer les résultats agrégés de plusieurs modèles. Les réponses des modèles fluctuent fortement ; la différence d'une seule requête ne peut pas être considérée comme une conclusion, il faut observer la tendance sur deux cycles consécutifs.
Q : Peut-on faire de l'optimisation GEO avec un site créé à partir d'un template ?
A : Si c'est modifiable, c'est faisable. Les vrais points de blocage sont au nombre de deux : le mode de rendu peut-il être changé en sortie côté serveur, et le back-office permet-il de personnaliser le head de la page. Si aucun des deux n'est possible, le pipeline de la sixième couche est pratiquement inutilisable, et il est recommandé d'envisager un changement de solution de création de site. Les cinq autres couches relèvent de problèmes de contenu et sont indépendantes du mode de création du site.
Cet article fait partie de la série « 100 questions sur le marketing organique en chinois ».Voir le sommaire complet →
Annexe : Checklist d'audit GEO du site officiel (copiable en entier)
Le contenu ci-dessous peut être copié en entier et enregistré sous geo-site-checklist.md pour un usage autonome, ou imprimé comme fiche d'auto-évaluation. Dans le texte, {{}} est un espace réservé, à remplacer lors de l'utilisation.
0. Mode d'emploi
- Exécutez d'abord les commandes d'auto-évaluation de la section 1, pour juger en cinq minutes si la base technique pose problème.
- Passez en revue les points de contrôle des six couches de la section 2 un par un, en cochant et en notant les lacunes.
- Planifiez selon les priorités de la section 7 ; tant que les P0 ne sont pas à zéro, ne touchez pas aux P1.
- Utilisez directement les modèles : données structurées voir section 3, robots voir section 4, llms.txt voir section 5, formulations de copywriting voir section 6.
- Après la mise en ligne, mettez en place la surveillance selon la section 8.
1. Commandes d'auto-évaluation
Le corps du texte est-il présent dans le HTML
curl -s https://{{DOMAIN}}/ | grep -E '<div id="(root|app|__next)"></div>'Une sortie indique un rendu purement côté client. Sans sortie, mesurez ensuite la longueur du corps :
curl -s https://{{DOMAIN}}/ | sed 's/<[^>]*>//g' | tr -d ' \n' | wc -mEn dessous de 500, on peut conclure que le corps n'est pas dans le HTML.
H1 et données structurées
curl -s https://{{DOMAIN}}/ | grep -c '<h1'
curl -s https://{{DOMAIN}}/ | grep -o '"@type" *: *"[^"]*"' | sort -uLe premier élément doit être 1. Si le second est vide, la page ne contient aucune donnée structurée.
Les crawlers IA sont-ils bloqués à tort
curl -s -o /dev/null -w "%{http_code}\n" -A "Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; GPTBot/1.2; +https://openai.com/gptbot" https://{{DOMAIN}}/
curl -s -o /dev/null -w "%{http_code}\n" -A "Mozilla/5.0 (Macintosh) AppleWebKit/537.36 Chrome/124.0 Safari/537.36" https://{{DOMAIN}}/Deux codes de statut différents indiquent qu'un WAF ou des règles anti-crawl bloquent les crawlers IA. C'est plus fréquent que les problèmes de robots.txt.
Deux adresses fixes
https://{{DOMAIN}}/robots.txt
https://{{DOMAIN}}/llms.txtVérifiez séparément : si robots déclare un sitemap et s'il contient des règles explicites pour les crawlers IA ; si llms.txt existe.
2. Les six niveaux de vérification
【Niveau 1 — Identité de l'entité】
[ ] Raison sociale complète
[ ] Nom abrégé de la marque
[ ] Nom en anglais (si applicable)
[ ] Ancien nom (si applicable)
[ ] Date de création
[ ] Lieu d'immatriculation
[ ] Code d'identification unifié de crédit social
[ ] Définition de l'activité principale en une phrase (40 caractères max)
[ ] Relation d'appartenance entre nom de marque et nom de produit, éditeur indiqué sur la page produit
[ ] Nom, adresse, téléphone — version unique sur tout le site
[ ] Liens vers des registres externes faisant autorité (registre du commerce, encyclopédie, 公众号, GitHub, LinkedIn)
[ ] Tous les éléments ci-dessus en texte brut, pas en image
【Niveau 2 — Périmètre de compétences】
[ ] Phrase de définition : ce que c'est, en une phrase
[ ] Public concerné
[ ] Cas non applicables (avec suggestion d'alternative)
[ ] Liste des livrables
[ ] Délai de livraison et prérequis
[ ] Mode ou logique de tarification
[ ] Zone de service, langues, conditions d'accès
[ ] Limites et prérequis
【Niveau 3 — Preuves d'autorité】
[ ] Signature de l'auteur + page auteur (parcours, qualifications, liens vers identités externes)
[ ] Numéro de certificat de qualification et organisme émetteur
[ ] Numéro de brevet
[ ] Numéro de rapport d'essai et organisme de test
[ ] Cas clients : secteur, contexte, données publiables
[ ] Chaque chiffre accompagné de sa source, de sa méthode et de sa date
[ ] Date de dernière mise à jour affichée sur la page
[ ] Historique des révisions conservé sur les pages clés
[ ] Politique éditoriale et de vérification des faits
[ ] Mentions légales
【Niveau 4 — Comparaison différenciante】
[ ] Tableau comparatif (par type de solution, sans nommer les concurrents)
[ ] Matrice de capacités (fonctionnalités / cas d'usage / paliers de taille)
[ ] Écrire explicitement « ce que nous ne faisons pas »
[ ] Indiquer les coûts et compromis dans la comparaison
【Niveau 5 — Parcours de conversion】
[ ] Un seul CTA principal par page
[ ] Coordonnées cohérentes sur tous les canaux
[ ] Coordonnées disponibles en texte brut copiable
[ ] Engagement de réponse : délai et interlocuteur
[ ] Conditions de service après-vente et de garantie
【Niveau 6 — Lisible par les machines】
[ ] Rendu côté serveur ou génération statique
[ ] Un seul H1 par page
[ ] H2 formulés comme de vraies questions
[ ] Corps de texte dans main / article
[ ] Données structurées Organization
[ ] Données structurées Article
[ ] Données structurées BreadcrumbList
[ ] Product / Service (selon le type de page)
[ ] FAQPage (uniquement pour les Q&R visibles)
[ ] robots.txt déclarant explicitement les crawlers IA
[ ] llms.txt en ligne
[ ] sitemap segmenté avec lastmod réel
[ ] canonical unifié
[ ] hreflang cohérent et fermé (sites multilingues)
[ ] Aucun soft 404
[ ] Attributs alt d'images complets
[ ] Données clés disponibles en version texte3. Modèles de données structurées
Entité organisation (injectée sur chaque page du site)
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://{{DOMAIN}}/#organization",
"name": "{{nom complet de la marque}}",
"alternateName": ["{{nom abrégé de la marque}}", "{{nom anglais}}"],
"legalName": "{{raison sociale enregistrée}}",
"url": "https://{{DOMAIN}}/",
"logo": {
"@type": "ImageObject",
"url": "https://{{DOMAIN}}/logo.png",
"width": 512,
"height": 512
},
"foundingDate": "{{2021-03-15}}",
"description": "{{définition en une phrase, identique au premier paragraphe de la page À propos}}",
"address": {
"@type": "PostalAddress",
"streetAddress": "{{adresse détaillée}}",
"addressLocality": "{{ville}}",
"addressRegion": "{{province}}",
"postalCode": "{{code postal}}",
"addressCountry": "CN"
},
"contactPoint": [{
"@type": "ContactPoint",
"telephone": "{{+86-xxx}}",
"contactType": "sales",
"areaServed": "CN",
"availableLanguage": ["zh-CN", "en"]
}],
"sameAs": [
"{{lien du registre du commerce}}",
"{{lien vers l'encyclopédie}}",
"{{lien vers le compte officiel ou les réseaux sociaux}}",
"{{GitHub / LinkedIn / page carrières}}"
],
"knowsAbout": ["{{compétence clé 1}}", "{{compétence clé 2}}", "{{compétence clé 3}}"]
}Page d'article
{
"@context": "https://schema.org",
"@type": "Article",
"@id": "https://{{DOMAIN}}/{{PATH}}#article",
"headline": "{{titre, 110 caractères max}}",
"description": "{{résumé de 80-140 caractères, incluant le nom de la marque et une phrase de définition de la capacité}}",
"image": ["https://{{DOMAIN}}/{{image de couverture}}"],
"datePublished": "{{2026-10-23T09:00:00+08:00}}",
"dateModified": "{{2026-10-23T09:00:00+08:00}}",
"inLanguage": "zh-CN",
"author": {
"@type": "Person",
"@id": "https://{{DOMAIN}}/author/{{slug}}#person",
"name": "{{nom de l'auteur}}",
"jobTitle": "{{poste}}",
"url": "https://{{DOMAIN}}/author/{{slug}}"
},
"publisher": { "@id": "https://{{DOMAIN}}/#organization" },
"isPartOf": { "@id": "https://{{DOMAIN}}/#website" },
"about": [{ "@type": "Thing", "name": "{{mot-clé thématique}}" }],
"citation": ["{{URL de la source externe citée}}"]
}publisher.@id Doit être identique à celui de l'entité organisation @id exactement, sinon les deux nœuds sont déconnectés dans le graphe.
Bloc questions-réponses
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "{{question réellement posée par l'utilisateur}}",
"acceptedAnswer": {
"@type": "Answer",
"text": "{{40-120 caractères, conclusion en premier, sans préambule}}"
}
}]
}4. Modèle robots.txt
# Retrieval : doit être autorisé
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: Claude-SearchBot
Allow: /
User-agent: Baiduspider
Allow: /
User-agent: YisouSpider
Allow: /
# Entraînement : selon la stratégie de marque
User-agent: GPTBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: Google-Extended
Allow: /
User-agent: Bytespider
Allow: /
# Chemins sensibles bloqués pour tous
User-agent: *
Disallow: /admin/
Disallow: /api/
Allow: /
Sitemap: https://{{DOMAIN}}/sitemap.xmlNe pas Disallow les ressources CSS et JS : certains moteurs en ont besoin pour analyser la structure de la page.
5. Modèle llms.txt
# {{nom de la marque}}
> {{définition en une phrase : fournir le service C aux clients B du secteur A, résoudre le problème D. Préciser aussi la date de création et la localisation.}}
## Pages principales
- [{{nom du produit}}](https://{{DOMAIN}}/{{path}}): {{à quelle question répond cette page}}
- [{{solution}}](https://{{DOMAIN}}/{{path}}): {{explication en une phrase}}
- [Tarifs](https://{{DOMAIN}}/pricing): {{mode de tarification en une phrase}}
## Informations faisant autorité
- [À propos](https://{{DOMAIN}}/about): raison sociale, date de création, certifications, équipe
- [Cas clients](https://{{DOMAIN}}/cases): {{secteur et résultats publiables}}
- [FAQ](https://{{DOMAIN}}/faq): {{thèmes couverts}}
## Rubriques de contenu
- [{{nom de la rubrique}}](https://{{DOMAIN}}/{{path}}/): {{positionnement de la rubrique}}
## Périmètre et mentions
- Zone de service : {{...}}
- Cas non applicables : {{...}}
- Mise à jour du contenu : {{fréquence}}
## Optional
- [{{page secondaire}}](https://{{DOMAIN}}/{{path}}): complémentsLe blockquote du premier paragraphe sera cité intégralement, il doit donc pouvoir tenir seul. La phrase explicative après chaque lien ne doit pas être omise.
6. Structure de phrase des unités de réponse
Phrase de définition
{{marque/produit}} est {{catégorie}}, fournit {{capacité}} à {{cible}}, pour résoudre {{problème}}.
Phrase de périmètre
S'applique aux scénarios {{condition A}}, {{condition B}} ; si {{contre-condition}}, {{alternative}} est plus adapté.
Phrase comparative
Comparé à {{type de solution A}}, {{ce produit}} présente {{différence}} sur {{dimension}}, au prix de {{compromis}}.
Phrase de données
{{indicateur}} est de {{valeur}} (source : {{organisme ou statistique interne}}, périmètre : {{définition}}, date : {{année-mois}}).Critère d'auto-vérification : supprimez tous les adjectifs, la phrase tient-elle encore ? S'il ne reste que « nous nous engageons à fournir un service de qualité », c'est du copywriting marketing.
Normes de paragraphe : 2 à 4 phrases, conclusion en première phrase ; informations clés sous forme de tableau ; dates en valeur absolue, pas de « récemment » ; chiffres avec unité et périmètre ; les données clés ne doivent pas exister uniquement dans des images.
7. Priorités et délais
| Niveau | Content | Délai |
|---|---|---|
| P0 | SSR ou statique ; section d'identité d'entité ; définition en une phrase par page ; stratégie robots et crawlers IA ; balisage Organization et Article | 2 semaines |
| P1 | Restructuration des sections sous forme de questions-réponses ; page auteur, page qualifications, page cas clients ; llms.txt ; gouvernance du sitemap et des hreflang | 1 mois |
| P2 | Matrice comparative ; informations tarifaires ; mécanisme de suivi | Continu |
Ordre interne P0 : rendu → entité → phrase de définition → stratégie crawlers → structured data. Sans les étapes précédentes, les suivantes sont sans effet.
8. Enregistrement de validation
Quatre types de structures de phrases pour le jeu de questions
Besoin de catégorie : quels sont les prestataires de {{catégorie}} en Chine
Comparaison de choix : {{solution A}} ou {{solution B}}, lequel convient mieux à {{cible}} de {{taille}}
Point de douleur : comment résoudre {{problème spécifique}}
Vérification directe de marque : que fait {{marque}}, est-elle fiableCinq indicateurs
| KPI | Définition |
|---|---|
| Taux de mention | Nombre de questions où le nom de marque apparaît / nombre total de questions |
| Taux de mention en première position | Nombre de questions où la marque figure en première position / nombre total de questions |
| Taux de recommandation prioritaire | Nombre de questions où la marque est explicitement recommandée ou présentée comme la plus adaptée / nombre total de questions |
| Taux de citation du site officiel | Nombre de questions citant ou liant le site officiel / nombre total de questions |
| Taux d'exactitude factuelle | Nombre de questions où les faits liés à la marque sont correctement formulés / nombre de questions où la marque est mentionnée |
Champs du tableau d'enregistrement
Date | Modèle | ID question | Texte de la question | Connecté au web | Mentionné | Position | Recommandé | Sentiment | Site officiel cité | URL de la page citée | Phrase source citée | Erreur factuelle« La phrase citée » est la colonne la plus précieuse : elle vous indique quelle phrase a réellement été sélectionnée ; déplacer cette phrase vers un bloc plus en amont et plus structuré constitue l'optimisation ponctuelle la plus efficace.
Rythme : établir une base de référence avant la refonte, puis retester à 1 mois et à 3 mois après achèvement, ensuite exécuter un jour fixe chaque mois. Couvrir au moins 3 à 5 modèles.
Annexe : document SKILL complet (copie en un clic)
L'annexe ci-dessus est une liste de contrôle à consulter manuellement ; voici le SKILL complet directement chargeable dans un outil d'IA. Il comprend la définition du workflow, la liste de contrôle en six couches, tous les modèles de données structurées, la stratégie pour les crawlers d'IA, les formulations d'unités de réponse, la méthode de validation, ainsi qu'un script de diagnostic ne dépendant que de la bibliothèque standard.
Après copie, suivez l'en-tête du fichier <!-- ===== Nom du fichier ===== --> pour découper les commentaires en fichiers correspondants. La structure des répertoires est la suivante :
geo-site-revamp/
├── SKILL.md
├── scripts/audit_site.py
└── references/
├── audit-checklist.md
├── schema-templates.md
├── ai-crawler-policy.md
├── answer-unit-patterns.md
└── monitoring.md<!-- ===== SKILL.md ===== -->
---
name: geo-site-revamp
description: 审计并改造企业官网以满足生成式引擎优化（GEO）要求，让品牌在 AI 搜索与对话式回答中被提及、被引用。当用户要做 GEO 官网改造、AI 搜索优化、官网结构化数据、llms.txt、AI 爬虫策略、AEO、品牌在 AI 回答中的可见度，或需要对站点做 GEO 体检时使用。包含可直接执行的站点体检脚本、六层信息点清单、JSON-LD 模板、答案单元句式与验收指标。
---
# GEO 官网改造
## 核心判断
被大模型引用的最小单位不是页面，而是一个能被单独摘走的句子或字段。改造的一切动作都服务于：让官网存在足够多、足够准、足够结构化的「答案单元」。
两类信息点必须同时补：
- **事实型**：可结构化、可交叉校验的客观字段（实体信息、参数、价格、资质）。
- **叙述型**：可整段摘录的定义句、边界句、对比句、数据句。
只补 schema 不改正文，不会被引用；只改正文不加结构化数据，召回效率低。
## 工作流
### 1. 确定范围
确认目标域名、主要语言、业务类型（B2B 服务 / 电商 / 内容站 / 多语言站），以及是否已有 sitemap、robots、llms.txt。业务类型决定第 2、4 层的具体写法。
### 2. 跑体检
```bash
python3 scripts/audit_site.py https://example.com --max-pages 5 --json geo-audit.json
```
脚本检查：robots 与各 AI 爬虫策略、llms.txt、sitemap、每页 H1/H2 数量、JSON-LD 类型、canonical、hreflang、alt 缺失、正文长度、纯 CSR 迹象，并用 GPTBot UA 复抓首页对比是否被反爬误拦。输出按 P0/P1/P2 排序的改造项。
脚本只覆盖第 6 层（机器可读载体）和第 1 层（实体 schema）。第 2-5 层是内容问题，必须人工读页面判断。
### 3. 逐层诊断
按 `references/audit-checklist.md` 的六层顺序过一遍，产出缺口表：
1. 实体身份：名称、成立时间、注册地、一句话定义、NAP、sameAs。
2. 能力边界：定义句、适用与不适用、交付物、计价、限制条件。
3. 权威证据：作者页、资质编号、案例数据、更新时间、事实核查政策。
4. 差异化对比：对比表、能力矩阵、「我们不做什么」。
5. 转化路径：唯一 CTA、可复制联系方式、响应承诺。
6. 机器可读：SSR、语义化 HTML、schema、robots、llms.txt、sitemap、canonical/hreflang。
### 4. 改造与产出
按 P0 → P1 → P2 推进。写代码时遵循：
- schema 按 `references/schema-templates.md` 注入，全站用同一个 `@id` 串成图；只标记页面真实可见的内容。
- 页面文案按 `references/answer-unit-patterns.md` 重写，一页八问必须答到五项以上。
- robots 与 llms.txt 按 `references/ai-crawler-policy.md` 落地，配置后用真实 UA 实测状态码与正文长度。
- 纯 CSR 站点必须先改服务端渲染或静态生成，其余优化在此之前没有意义。
### 5. 验收
按 `references/monitoring.md` 建品牌问题集并留基线。验收看四项：体检 P0 归零、官网引用率相对基线提升、事实准确率 ≥90%、核心品类问题能被官网信息覆盖。
## 资源索引
| 文件 | 用途 |
|---|---|
| `scripts/audit_site.py` | 站点 GEO 体检，输出优先级化改造项 |
| `references/audit-checklist.md` | 六层信息点清单、优先级、常见误判 |
| `references/schema-templates.md` | Organization/WebSite/Article/Product/FAQPage/Breadcrumb JSON-LD 模板 |
| `references/ai-crawler-policy.md` | AI 爬虫清单、robots 模板、llms.txt 模板 |
| `references/answer-unit-patterns.md` | 五类可引用的句式模板与段落规范 |
| `references/monitoring.md` | 问题集设计、指标定义、记录表、归因纪律 |
## 输出规范
- 诊断结果按「层级 → 缺口 → 改造动作 → 优先级」四列呈现，不要只给问题清单。
- 涉及多语言站时，检查各语言的实体信息是否一致，hreflang 是否闭合。
- 不要建议伪造评分、虚构客户、编造数据，AI 交叉验证会反噬品牌。
- 不要承诺「做了就能被引用」，GEO 只能提高概率，答案由模型侧决定。
<!-- ===== references/audit-checklist.md ===== -->
# 官网 GEO 改造六层信息点清单
改造目标不是「让爬虫收录页面」，而是「让大模型在回答某类问题时，愿意用你的官网内容当依据，并在答案里点到你的名字」。
被引用的最小单位不是页面，是**一个可以被直接摘走的句子或字段**。所以清单按两类信息点组织：
- **事实型**：可结构化、可交叉校验的客观字段（名称、地址、参数、价格、资质）。
- **叙述型**：可被整段摘录的结论句、定义句、对比句（是什么、适合谁、和谁不同）。
大多数官网的现状是事实散落、叙述空洞，两类都缺。
---
## 第 1 层 实体身份：AI 要能确认「你是哪家公司」
优先级最高且最常被忽略。大模型把品牌当作知识图谱中的一个实体，找不到唯一指代就会混同或干脆不提。
| 信息点 | 常见问题 | 改造要求 |
|---|---|---|
| 公司全称 / 简称 / 英文名 / 曾用名 | 全站只有品牌简称 | 「关于我们」首段一句话讲清四者对应关系 |
| 成立时间 / 注册地 / 统一社会信用代码 | 完全没有 | 纯文本列出，不要做成图片 |
| 主营一句话定义 | 「致力于打造生态闭环」 | 换成「我们为 A 行业的 B 客户提供 C 服务，解决 D 问题」 |
| 品牌名与产品名的隶属关系 | 产品页不提出品方 | 每个产品页标注「由 X 出品」 |
| NAP（名称/地址/电话） | 页脚、联系页、招聘页三处不一致 | 收敛为全站唯一版本 |
| sameAs 外部权威档案 | 无 | 工商、百科、公众号、GitHub、领英、招聘页互指 |
硬要求：外部档案上的说法必须与官网**逐字一致**。AI 交叉验证时不一致会降低实体置信度。
## 第 2 层 能力边界：AI 要能判断「你是不是这个问题的答案」
用户问 AI 时最常见的形式是「谁能做某件事」。每项业务都要有一份「标准答案段」，而不是营销文案。
- **定义句**：是什么，一句话，不超过 40 字。
- **适用对象**：明确「适合谁」和「不适合谁」。有边界的表述才可能被引用，因为 AI 要回答「是否适合我」。
- **交付物与周期**：细到可以列清单。
- **计价方式**：区间或计价逻辑。可以不公开价格，但不能让 AI 无话可说。
- **服务区域 / 语言 / 准入条件**。
- **限制与前置条件**：反直觉但关键，它是可信度的来源。
## 第 3 层 权威证据：AI 要能回答「凭什么信你」
- 作者或专家署名 + 个人页（履历、资质、可验证的外部身份）。
- 资质证书、专利、检测报告：写编号与发证机构，不要只放扫描图。
- 客户案例：行业、项目背景、可公开的结果数据。
- 数据出处：数字标注来源、统计口径、时间。
- 页面显示「最后更新时间」，关键页有修订记录。
- 编辑与事实核查政策、免责声明（国内站点几乎都没做，做了就是差异化）。
## 第 4 层 差异化对比：AI 要能回答「和别家比怎么样」
AI 回答选型类问题必然做比较。官网没有对比信息，AI 就去第三方来源拼凑，而第三方评价你控制不了。
- 与同类方案的对比表（对比「品类/方案类型」，不点名对手）。
- 能力矩阵：按功能、场景、规模分档。
- 明确写下「我们不做什么」「什么场景下我们不是最优解」。
## 第 5 层 转化与信任路径：AI 的答案要能落到一个动作
- 唯一首选行动入口：咨询 / 试用 / 报价 / 预约，一页只给一个主 CTA。
- 联系方式全渠道一致，提供可复制的纯文本（不要只有图标或二维码）。
- 服务响应承诺：多久回、谁回。
- 售后与保障条款。
## 第 6 层 机器可读载体：把前五层送出去
按优先级：
1. **服务端渲染或静态生成**。AI 爬虫普遍不执行 JS，纯 CSR 的正文等于不存在。P0。
2. **语义化 HTML**：每页一个 H1，H2 用真实问题句式，正文在 `main`/`article` 内。
3. **结构化数据**：`Organization`（含 `@id`、`sameAs`）、`WebSite`、`Article`（`author`/`datePublished`/`dateModified`）、`Product`/`Offer`、`FAQPage`、`HowTo`、`BreadcrumbList`。用 `@id` 把作者、发布方、主站实体串成一张图，避免孤岛。
4. **robots.txt 区分 AI 爬虫用途**（检索 vs 训练），见 `ai-crawler-policy.md`。
5. **llms.txt / ai.txt**：站点摘要 + 关键页面索引。
6. **sitemap.xml**：分语言、分内容类型，`lastmod` 真实。
7. **canonical 与 hreflang 治理**：多语言站必须自洽闭合，否则各语言版本互相镜像。
8. **404 与重定向治理**：软 404 会拖低站点质量判定。
9. **alt 与表格文本化**：关键数据不能只存在于图片里，AI 读不到图里的数字。
---
## 优先级与工期
| 级别 | 内容 | 工期 |
|---|---|---|
| P0 | SSR/静态化、实体身份段、每页一句话定义、robots 与 AI 爬虫策略、Organization 与 Article schema | 2 周 |
| P1 | 问答式小节重构、权威证据页（作者/资质/案例）、llms.txt、sitemap 与 hreflang 治理 | 1 个月 |
| P2 | 对比矩阵、计价信息、监测机制 | 持续 |
## 验收
- 体检脚本 P0 归零，P1 逐项消解：`scripts/audit_site.py <站点域名>`
- 品牌问题集的官网覆盖率（见 `monitoring.md`）
- 各模型下的提及率、首位提及率、首选推荐率、正负面提及率的变化
## 常见误判
- 加了一堆 schema 但正文没有可引用的句子 → 仍不会被引用。schema 是标签，不是内容。
- 只优化首页 → AI 引用的是具体页面，产品页、问答页、案例页才是主战场。
- 把「行业领先」「赋能」当差异化 → 这类词无法被摘取，等于没说。
- 给 AI 爬虫开白就等于被收录 → 只是入场券，能否被引用由内容质量决定。
<!-- ===== references/schema-templates.md ===== -->
# JSON-LD 模板（GEO 用）
原则：**全站一张图**，不是一堆碎片。用 `@id` 让文章、作者、发布方、主站互相指向同一个实体节点。
把占位符（`{{...}}`）替换后直接内联到 `<head>` 或 `<body>` 末尾。
## 1. 组织实体（全站每页注入，P0）
```json
{
"@context": "https://schema.org",
"@type": "Organization",
"@id": "https://{{DOMAIN}}/#organization",
"name": "{{公司全称}}",
"alternateName": ["{{品牌简称}}", "{{英文名}}"],
"legalName": "{{工商登记全称}}",
"url": "https://{{DOMAIN}}/",
"logo": {
"@type": "ImageObject",
"url": "https://{{DOMAIN}}/logo.png",
"width": 512,
"height": 512
},
"foundingDate": "{{YYYY-MM-DD}}",
"description": "{{一句话定义：为 A 行业的 B 客户提供 C 服务，解决 D 问题}}",
"address": {
"@type": "PostalAddress",
"streetAddress": "{{详细地址}}",
"addressLocality": "{{城市}}",
"addressRegion": "{{省}}",
"postalCode": "{{邮编}}",
"addressCountry": "CN"
},
"contactPoint": [{
"@type": "ContactPoint",
"telephone": "{{+86-xxx}}",
"contactType": "sales",
"areaServed": "CN",
"availableLanguage": ["zh-CN", "en"]
}],
"sameAs": [
"{{工商档案链接}}",
"{{百科链接}}",
"{{公众号或社媒链接}}",
"{{GitHub / 领英 / 招聘主页}}"
],
"knowsAbout": ["{{核心能力1}}", "{{核心能力2}}", "{{核心能力3}}"]
}
```
要点：
- `legalName` 与 `name` 分开，工商全称和对外品牌名不同时尤其重要。
- `sameAs` 至少 3 条，且每个链接页面上必须能找到公司全称。
- `knowsAbout` 填能力词，这是引擎判断「你属于哪个领域」的直接信号。
## 2. 站点节点
```json
{
"@context": "https://schema.org",
"@type": "WebSite",
"@id": "https://{{DOMAIN}}/#website",
"url": "https://{{DOMAIN}}/",
"name": "{{站点名}}",
"inLanguage": "zh-CN",
"publisher": { "@id": "https://{{DOMAIN}}/#organization" }
}
```
## 3. 文章页
```json
{
"@context": "https://schema.org",
"@type": "Article",
"@id": "https://{{DOMAIN}}/{{PATH}}#article",
"headline": "{{标题，<=110 字符}}",
"description": "{{80-140 字摘要，含实体名与一句能力定义}}",
"image": ["https://{{DOMAIN}}/{{封面图}}"],
"datePublished": "{{2026-01-01T09:00:00+08:00}}",
"dateModified": "{{2026-01-01T09:00:00+08:00}}",
"inLanguage": "zh-CN",
"author": {
"@type": "Person",
"@id": "https://{{DOMAIN}}/author/{{slug}}#person",
"name": "{{作者名}}",
"jobTitle": "{{职位}}",
"url": "https://{{DOMAIN}}/author/{{slug}}",
"sameAs": ["{{作者可验证的外部身份链接}}"]
},
"publisher": { "@id": "https://{{DOMAIN}}/#organization" },
"isPartOf": { "@id": "https://{{DOMAIN}}/#website" },
"about": [{ "@type": "Thing", "name": "{{主题词}}" }],
"citation": ["{{引用的外部权威来源 URL}}"]
}
```
`dateModified` 必须真实更新，否则是自毁可信度。`citation` 是 GEO 里价值最高的字段之一。
## 4. 产品 / 服务
```json
{
"@context": "https://schema.org",
"@type": "Product",
"@id": "https://{{DOMAIN}}/{{PATH}}#product",
"name": "{{产品名}}",
"description": "{{一句话定义 + 适用对象}}",
"brand": { "@id": "https://{{DOMAIN}}/#organization" },
"category": "{{品类}}",
"offers": {
"@type": "Offer",
"priceCurrency": "CNY",
"price": "{{价格或起价}}",
"priceSpecification": {
"@type": "PriceSpecification",
"priceCurrency": "CNY",
"minPrice": "{{起}}",
"maxPrice": "{{止}}"
},
"availability": "https://schema.org/InStock",
"url": "https://{{DOMAIN}}/{{PATH}}"
}
}
```
纯服务型业务用 `Service` + `areaServed` + `provider`，不要硬套 `Product`。
## 5. 问答页 / FAQ 区块
```json
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "{{用户真实会问的问题}}",
"acceptedAnswer": {
"@type": "Answer",
"text": "{{40-120 字直接回答，结论先行，不铺垫}}"
}
}]
}
```
只标记页面上**真实可见**的问答。隐藏内容标记 FAQ 会被判作弊。
## 6. 面包屑
```json
{
"@context": "https://schema.org",
"@type": "BreadcrumbList",
"itemListElement": [
{ "@type": "ListItem", "position": 1, "name": "首页", "item": "https://{{DOMAIN}}/" },
{ "@type": "ListItem", "position": 2, "name": "{{栏目}}", "item": "https://{{DOMAIN}}/{{栏目路径}}/" }
]
}
```
## 7. 多语言站
每个语言版本各自注入本地化的 Organization 与 Article，`inLanguage` 与站点 `hreflang` 严格对应；`@id` 用同一路径 + 语言后缀区分，不要复用同一个 `@id`。
## 校验
- Google Rich Results Test、Schema Markup Validator 过一遍语法。
- 用同一 `@id` 检查是否真的连成图：文章 `publisher.@id` 是否等于组织节点 `@id`。
- 禁止把不存在的信息写进 schema（虚构评分、虚构价格），AI 交叉验证会反噬。
<!-- ===== references/ai-crawler-policy.md ===== -->
# AI 爬虫策略与 llms.txt 模板
## 先分清三种用途
AI 侧访问官网有三种动机，对应完全不同的决策：
| 用途 | 行为 | 你想要的 |
|---|---|---|
| 训练语料抓取 | 批量、低频、抓全站 | 视策略而定，多数 B 端品牌可以放开，换取模型内部知识 |
| 搜索索引构建 | 定期抓取，用于生成答案时召回 | **必须允许**，这是被引用的前提 |
| 用户触发的实时浏览 | 用户提问时当场打开你的页面 | **必须允许**，且页面要能快速渲染出正文 |
只关心「被引用」的话，第二、三类是关键；只禁第一类通常没有意义，因为同一批内容往往也服务检索。
## 机器人清单
以各厂商官方文档为准，UA 会变，配置前复核。
| UA 标识 | 归属 | 主要用途 |
|---|---|---|
| `GPTBot` | OpenAI | 训练与内容抓取 |
| `OAI-SearchBot` | OpenAI | 搜索索引，用于 ChatGPT 搜索答案 |
| `ChatGPT-User` | OpenAI | 用户触发实时访问 |
| `ClaudeBot` / `anthropic-ai` | Anthropic | 训练抓取 |
| `Claude-User` / `Claude-SearchBot` | Anthropic | 用户触发 / 检索 |
| `PerplexityBot` | Perplexity | 检索与引用 |
| `Google-Extended` | Google | 控制 Gemini 训练，不影响搜索收录 |
| `Bytespider` | 字节跳动 | 豆包 / 头条生态 |
| `Baiduspider` | 百度 | 百度搜索，兼供百度 AI 生态 |
| `YisouSpider` | 神马 / 夸克生态 | 检索 |
| `Applebot-Extended` | Apple | Apple Intelligence 训练控制 |
| `CCBot` | Common Crawl | 公共语料，被大量模型间接使用 |
| `meta-externalagent` | Meta | 训练抓取 |
## robots.txt 模板
```
# 搜索与检索类：必须允许，否则等于放弃被引用
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: Claude-SearchBot
Allow: /
User-agent: Baiduspider
Allow: /
User-agent: YisouSpider
Allow: /
# 训练类：按品牌策略决定，下面这组是「允许」
User-agent: GPTBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: Google-Extended
Allow: /
User-agent: Bytespider
Allow: /
User-agent: CCBot
Allow: /
# 敏感路径对全部爬虫关闭（后台、报价策略、客户资料）
User-agent: *
Disallow: /admin/
Disallow: /api/
Disallow: /uploads/private/
Allow: /
Sitemap: https://{{DOMAIN}}/sitemap.xml
```
注意事项：
- `Disallow: /` 只对匹配到的组生效，别指望一行挡住所有爬虫。
- 不要 `Disallow` 掉 CSS/JS 资源，部分引擎需要它判断页面结构。
- 反爬 WAF 对 AI UA 的误拦比 robots 更常见。配置后必须用真实 UA 实测：`curl -A "<UA>" -I https://{{DOMAIN}}/`，状态码和正文长度要与浏览器一致。
- 不要用 `Disallow` 当保密手段。真要保密就别放在公网页面里。
## llms.txt 模板
放在站点根，`https://{{DOMAIN}}/llms.txt`。目标是让模型用最少 token 理解你是谁、有哪些页面值得读。
```
# {{品牌名}}
> {{一句话定义：为 A 行业的 B 客户提供 C 服务，解决 D 问题。成立时间、所在地、规模等实体信息一句话内交代。}}
## 核心页面
- [{{产品/服务名}}](https://{{DOMAIN}}/{{path}}): {{一句话说明该页回答什么问题}}
- [{{解决方案名}}](https://{{DOMAIN}}/{{path}}): {{说明}}
- [定价](https://{{DOMAIN}}/pricing): {{计价方式一句话}}
## 权威信息
- [关于我们](https://{{DOMAIN}}/about): 公司全称、成立时间、资质、团队
- [客户案例](https://{{DOMAIN}}/cases): {{行业与可公开结果}}
- [常见问题](https://{{DOMAIN}}/faq): {{覆盖的问题主题}}
## 内容栏目
- [{{栏目名}}](https://{{DOMAIN}}/{{path}}/): {{栏目定位}}
## 边界与声明
- 服务区域：{{...}}
- 不适用场景：{{...}}
- 内容更新：{{更新频率}}
## Optional
- [{{次级页面}}](https://{{DOMAIN}}/{{path}}): 补充材料
```
写法要求：
- 首段 blockquote 就是「标准答案段」，模型可能整段引用，必须能独立成立。
- 每个链接后面必须有一句说明，否则只是一张 URL 表，价值极低。
- 全站信息变了要同步更新，过期摘要比没有更糟。
- 多语言站可为每种语言各出一份，用 `llms-<lang>.txt`，并在主文件里指路。
## ai.txt（可选）
若干社区约定在用，非官方标准。内容是允许/禁止 AI 使用的声明与联系邮箱。写了不亏，但不要指望它起决定作用。真正的控制手段是 robots 与访问控制。
<!-- ===== references/answer-unit-patterns.md ===== -->
# 可被引用的答案单元写法
模型不会整篇引用，它摘句子。所以每一段都要能单独成立：脱离上下文后，读者仍知道「谁、做什么、对谁、有什么条件」。
## 五类必备句式
### 1. 定义句（每页必有，放在首段第二句内）
模板：`{{品牌/产品}}是{{品类}}，为{{对象}}提供{{能力}}，用于解决{{问题}}。`
差：我们致力于以创新技术赋能企业数字化转型。
好：XX 是企业级数据备份服务，为 200 人以上的研发团队提供跨云增量备份，用于解决多环境数据一致性校验困难的问题。
判定标准：把句子里所有形容词删掉，信息量是否基本不变。变了说明靠形容词撑场面，删掉后句子仍然成立才合格。
### 2. 边界句（决定能否被回答「适不适合我」）
模板：`适用于{{条件 A}}、{{条件 B}}的场景；如果{{反条件}}，更适合{{替代方案}}。`
写「不适合谁」不会丢客户，反而提升被引用概率，因为模型需要给出推荐理由和排除理由。全站没有排除句，等于把自己排除在选型类问答之外。
### 3. 对比句（用于选型问题）
模板：`与{{方案类型 A}}相比，{{本产品}}在{{维度}}上{{差异}}，代价是{{取舍}}。`
对比「方案类型」而不是点名对手，既避免法律风险，又覆盖用户真实的比较语境。必须写出代价，只讲优势的对比会被判定为营销内容。
### 4. 数据句（提升可信度权重）
模板：`{{指标}}为{{数值}}（来源：{{机构/内部统计}}，口径：{{定义}}，时间：{{年月}}）。`
没有来源的数字在 GEO 里是负资产。宁可给一个带口径的小数字，也不要给一个没出处的漂亮数字。
### 5. 问答句（H2/H3 直接写成问题）
用户向 AI 提问用的是问句，页面小节标题也用问句，召回匹配度最高。
- 好：`多环境备份如何保证一致性？`、`XX 和自建备份方案的差别在哪？`
- 差：`产品优势`、`技术架构`、`解决方案概述`
## 段落与版式规范
- 段落 2-4 句，一句一个信息点，不写长复合句。
- 结论先行，背景后置。第一句就是答案。
- 关键信息用表格承载：参数、对比、计价、资质。表格是最容易被完整摘取的格式。
- 列表项写成完整短句，不要写成「高效」「稳定」「安全」这类单词标签。
- 时间写绝对时间（2026 年 3 月），不写「近期」「目前」。
- 数字带单位和口径，百分比注明基数。
- 关键数据不要只放在图片或图表里，必须有一份文字版。
## 页面骨架检查
一页合格的产品/服务页，按顺序应该能回答：
1. 这是什么（定义句）
2. 解决谁的什么问题（场景）
3. 适合与不适合（边界句）
4. 具体交付什么、多久（清单）
5. 怎么计价（计价逻辑）
6. 谁在用、效果如何（案例 + 数据句）
7. 和别的方式比差在哪（对比句）
8. 怎么开始（唯一 CTA）
八项缺三项以上，这页基本不会被引用。
## 自检口诀
逐段问一句：**这段话能不能直接贴进别人的回答里，而不显得突兀？** 能，就是合格的答案单元；不能，就是给人看的营销文案。
<!-- ===== references/monitoring.md ===== -->
# 效果监测与验收
GEO 没有后台数据可看，只能靠「模拟用户提问 + 记录答案」。所以监测方案要先建起来，否则改造完无法判断有没有用。
## 1. 建品牌问题集
按四类各取 8-15 条，共 40-60 条。问题必须写成真实用户口吻，不要写成关键词。
| 类型 | 示例 | 考察点 |
|---|---|---|
| 品类需求 | 「国内做跨云数据备份的服务商有哪些」 | 是否被列入候选 |
| 选型对比 | 「A 方案和 B 方案哪个更适合 200 人研发团队」 | 是否被当作比较对象 |
| 场景痛点 | 「多环境数据库备份不一致怎么解决」 | 是否被当作解决方案 |
| 品牌直查 | 「XX 公司是做什么的，靠谱吗」 | 实体是否被正确识别 |
固定问题集，不要每次换题，否则无法纵向比较。
## 2. 探测方法
- 每个模型用**独立新会话**，避免上下文污染。
- 同一问题在同一模型至少跑 2 次，结果可能波动，取稳定表现。
- 记录答案原文，不要只记结论。
- 覆盖主流入口：DeepSeek、豆包、元宝、通义、Kimi、百度 AI 搜索，以及带联网检索的通用助手。
- 有联网能力的模式与纯模型模式分开记录，前者反映检索与引用能力，后者反映模型内部知识。
## 3. 指标定义
| 指标 | 定义 |
|---|---|
| 提及率 | 答案中出现品牌名的题数 / 总题数 |
| 首位提及率 | 品牌出现在第一个被推荐位置的题数 / 总题数 |
| 首选推荐率 | 被明确表述为「推荐」「更适合」「首选」的题数 / 总题数 |
| 官网引用率 | 答案引用或链接到官网的题数 / 总题数 |
| 正面提及率 / 负面提及率 | 含明确正/负面评价的题数 / 总题数 |
| 事实准确率 | 品牌相关事实（业务、规模、价格）表述正确的题数 / 被提及题数 |
「官网引用率」是官网改造最直接的效果指标。其他指标还受站外内容影响，改造周期内不要混为一谈。
## 4. 记录表字段
```
日期 | 模型 | 问题ID | 问题文本 | 是否强调联网 | 品牌是否提及 | 位次 | 是否推荐 | 情感 | 是否引用官网 | 引用页面URL | 引用到的原句 | 事实错误 | 截图/链接
```
「引用到的原句」这一列最重要：它直接告诉你官网上哪句话被模型选中了，把这句挪到更靠前的位置、更结构化的区块，是最有效的迭代动作。
## 5. 迭代节奏
- **改造前**：跑一遍全量问题集，留基线，同时跑体检脚本存档。
- **改造中**：每完成一层，抽 10 条核心问题复测。
- **改造后 1 个月、3 个月**：全量复测，对比基线。
- 每月固定一天跑，形成时间序列。
## 6. 归因纪律
- 模型答案波动大，单次差异不算结论，看连续两个周期的趋势。
- 官网改造主要影响「引用率」和「事实准确率」；提及率和首选推荐率还取决于第三方内容生态，不能全部归功或归咎于官网。
- 出现负面提及，先查信息源，再改官网对应页面的表述，不要直接删内容。
## 7. 验收标准
1. 体检脚本 P0 全部归零。
2. 问题集中「官网引用率」相对基线提升。
3. 「事实准确率」达到 90% 以上（说明实体信息已经统一）。
4. 核心品类问题中，官网信息能覆盖答案里的关键论点（人工比对）。
<!-- ===== scripts/audit_site.py ===== -->
保存为 scripts/audit_site.py，用法：
```bash
python3 scripts/audit_site.py https://example.com --max-pages 8 --json report.json
```
```python
#!/usr/bin/env python3
"""GEO 官网体检：抓取页面并输出可改造项清单。
只依赖标准库。检查项对应 references/audit-checklist.md 的前五层。
用法:
python3 audit_site.py https://example.com
python3 audit_site.py https://example.com --max-pages 8 --json report.json
python3 audit_site.py https://example.com --no-ai-ua # 跳过 AI 爬虫 UA 对比
"""
import argparse
import gzip
import json
import re
import ssl
import sys
import urllib.error
import urllib.request
from html.parser import HTMLParser
from typing import Dict, List, Optional
from urllib.parse import urljoin, urlparse
TIMEOUT = 20
BROWSER_UA = (
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 "
"(KHTML, like Gecko) Chrome/124.0 Safari/537.36"
)
GPTBOT_UA = "Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; GPTBot/1.2; +https://openai.com/gptbot"
AI_BOTS = [
"GPTBot", "OAI-SearchBot", "ChatGPT-User", "ClaudeBot", "Claude-Web",
"anthropic-ai", "PerplexityBot", "Google-Extended", "Bytespider",
"Baiduspider", "YisouSpider", "Applebot-Extended", "CCBot", "meta-externalagent",
]
SKIP_TEXT_TAGS = {"script", "style", "noscript", "svg", "template"}
def fetch(url: str, ua: str = BROWSER_UA, timeout: int = TIMEOUT):
"""返回 (status, headers, body_text)，异常时 status 为 None。"""
req = urllib.request.Request(
url,
headers={
"User-Agent": ua,
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
"Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",
},
)
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE
try:
with urllib.request.urlopen(req, timeout=timeout, context=ctx) as resp:
raw = resp.read()
if resp.headers.get("Content-Encoding", "").lower() == "gzip":
try:
raw = gzip.decompress(raw)
except OSError:
pass
charset = resp.headers.get_content_charset() or "utf-8"
try:
text = raw.decode(charset, errors="replace")
except LookupError:
text = raw.decode("utf-8", errors="replace")
return resp.status, dict(resp.headers), text
except urllib.error.HTTPError as exc:
return exc.code, dict(exc.headers or {}), ""
except Exception as exc: # noqa: BLE001
return None, {"error": str(exc)}, ""
class PageParser(HTMLParser):
def __init__(self):
super().__init__(convert_charrefs=True)
self.title = ""
self.meta: Dict[str, str] = {}
self.h1: List[str] = []
self.h2: List[str] = []
self.h3: List[str] = []
self.jsonld: List[str] = []
self.canonical: Optional[str] = None
self.hreflang = 0
self.imgs = 0
self.imgs_no_alt = 0
self.anchors = 0
self.text_chunks: List[str] = []
self.ld_json_raw: List[str] = []
self._stack: List[str] = []
self._skip_depth = 0
self._in = None
self._buf: List[str] = []
def handle_starttag(self, tag, attrs):
a = {k.lower(): (v or "") for k, v in attrs}
self._stack.append(tag)
if tag in SKIP_TEXT_TAGS:
self._skip_depth += 1
elif tag in ("h1", "h2", "h3", "title"):
self._in = tag
self._buf = []
elif tag == "meta":
key = (a.get("name") or a.get("property") or a.get("http-equiv") or "").lower()
if key:
self.meta.setdefault(key, a.get("content", ""))
elif tag == "img":
self.imgs += 1
if not a.get("alt", "").strip():
self.imgs_no_alt += 1
elif tag == "a":
self.anchors += 1
elif tag == "link":
rel = a.get("rel", "").lower()
if "canonical" in rel:
self.canonical = a.get("href", "")
if "alternate" in rel and a.get("hreflang"):
self.hreflang += 1
elif tag == "script" and a.get("type", "").lower() == "application/ld+json":
self._in = "ldjson"
self._buf = []
def handle_endtag(self, tag):
if self._stack and self._stack[-1] == tag:
self._stack.pop()
if tag in SKIP_TEXT_TAGS and self._skip_depth > 0:
self._skip_depth -= 1
if self._in == tag:
value = " ".join("".join(self._buf).split())
if tag == "title":
self.title = value
elif tag == "h1":
self.h1.append(value)
elif tag == "h2":
self.h2.append(value)
elif tag == "h3":
self.h3.append(value)
self._in = None
self._buf = []
elif self._in == "ldjson" and tag == "script":
self.ld_json_raw.append("".join(self._buf))
self._in = None
self._buf = []
def handle_data(self, data):
if self._in:
self._buf.append(data)
return
if self._skip_depth:
return
stripped = data.strip()
if stripped:
self.text_chunks.append(stripped)
def collect_ld_types(blocks: List[str]) -> List[str]:
types = set()
def walk(node):
if isinstance(node, dict):
t = node.get("@type")
if isinstance(t, str):
types.add(t)
elif isinstance(t, list):
types.update(x for x in t if isinstance(x, str))
for v in node.values():
walk(v)
elif isinstance(node, list):
for v in node:
walk(v)
for block in blocks:
block = block.strip()
if not block:
continue
try:
walk(json.loads(block))
except json.JSONDecodeError:
# 容错：抽取 @type 字面量
types.update(re.findall(r'"@type"\s*:\s*"([^"]+)"', block))
return sorted(types)
def parse_robots(text: str):
groups: List[Dict[str, object]] = []
cur: Optional[Dict[str, object]] = None
for line in text.splitlines():
line = line.split("#", 1)[0].strip()
if not line or ":" not in line:
continue
key, val = line.split(":", 1)
key = key.strip().lower()
val = val.strip()
if key == "user-agent":
if cur is None or cur.get("rules"):
cur = {"agents": [], "rules": []}
groups.append(cur)
cur["agents"].append(val)
elif key in ("allow", "disallow") and cur is not None:
cur["rules"].append((key, val))
return groups
def robots_policy(groups, bot: str):
"""返回 (matched_agent, 是否被整站禁止)。"""
for g in groups:
agents = [a.lower() for a in g["agents"]]
if any(a == bot.lower() for a in agents):
disallow_all = any(k == "disallow" and v == "/" for k, v in g["rules"])
allow_all = any(k == "allow" and v == "/" for k, v in g["rules"])
return g["agents"][0], disallow_all and not allow_all
for g in groups:
if any(a == "*" for a in g["agents"]):
disallow_all = any(k == "disallow" and v == "/" for k, v in g["rules"])
return "*", disallow_all
return None, False
def sitemap_urls(base: str, text: str) -> List[str]:
urls = re.findall(r"<loc>\s*([^<\s]+)\s*</loc>", text)
if "<sitemapindex" in text:
out = []
for sub in urls[:3]:
status, _, sub_text = fetch(sub)
if status == 200:
out.extend(re.findall(r"<loc>\s*([^<\s]+)\s*</loc>", sub_text))
return out
return urls
def audit(base: str, max_pages: int, check_ai_ua: bool) -> Dict[str, object]:
base = base.rstrip("/")
report: Dict[str, object] = {"site": base, "findings": [], "pages": []}
findings = report["findings"]
# --- robots.txt ---
status, _, robots_txt = fetch(base + "/robots.txt")
groups = parse_robots(robots_txt) if status == 200 else []
report["robots"] = {
"status": status,
"groups": len(groups),
"ai_bots": {bot: robots_policy(groups, bot)[1] if groups else None for bot in AI_BOTS},
"sitemap_declared": bool(re.search(r"(?im)^sitemap:", robots_txt or "")),
}
if status != 200:
findings.append(("P0", "robots.txt 缺失", "补一份，并显式声明各 AI 爬虫的允许策略与 sitemap 地址"))
else:
blocked = [b for b, v in report["robots"]["ai_bots"].items() if v is True]
if blocked:
findings.append(("P1", "以下 AI 爬虫被整站禁止: " + ", ".join(blocked), "确认是否为预期策略；误拦会让品牌在对应引擎中不可见"))
if not report["robots"]["sitemap_declared"]:
findings.append(("P2", "robots.txt 未声明 Sitemap", "加一行 Sitemap: <绝对地址>"))
# --- llms.txt ---
status, _, llms = fetch(base + "/llms.txt")
report["llms_txt"] = {"status": status, "bytes": len(llms or "")}
if status != 200:
findings.append(("P2", "llms.txt 缺失", "按 references/ai-crawler-policy.md 的模板补站点摘要与关键页面索引"))
# --- sitemap ---
status, _, sm = fetch(base + "/sitemap.xml")
urls = sitemap_urls(base, sm) if status == 200 else []
report["sitemap"] = {"status": status, "urls": len(urls)}
if status != 200 or not urls:
findings.append(("P1", "sitemap.xml 不可用或为空", "生成分区 sitemap，lastmod 用真实更新时间"))
# --- 待检页面 ---
targets = [base + "/"]
for u in urls:
if len(targets) >= max_pages + 1:
break
if u.rstrip("/") == base:
continue
targets.append(u)
all_types = set()
for url in targets:
status, headers, html = fetch(url)
if status != 200 or not html:
report["pages"].append({"url": url, "status": status})
continue
p = PageParser()
try:
p.feed(html)
except Exception: # noqa: BLE001
pass
body_text = " ".join(p.text_chunks)
ld_types = collect_ld_types(p.ld_json_raw)
all_types.update(ld_types)
report["pages"].append({
"url": url,
"status": status,
"bytes": len(html),
"text_chars": len(body_text),
"title_len": len(p.title),
"desc_len": len(p.meta.get("description", "")),
"h1": len(p.h1),
"h2": len(p.h2),
"h1_text": p.h1[0][:80] if p.h1 else "",
"jsonld_types": ld_types,
"canonical": bool(p.canonical),
"hreflang": p.hreflang,
"img_no_alt": p.imgs_no_alt,
"img_total": p.imgs,
"empty_root": bool(re.search(r'<div[^>]+id="(root|app|__next)"[^>]*>\s*</div>', html)),
})
# --- 页面级问题 ---
pages = [x for x in report["pages"] if x.get("status") == 200]
if pages:
no_h1 = [x["url"] for x in pages if x["h1"] == 0]
multi_h1 = [x["url"] for x in pages if x["h1"] > 1]
thin = [x["url"] for x in pages if x["text_chars"] < 600]
empty_root = [x["url"] for x in pages if x["empty_root"] and x["text_chars"] < 300]
no_ld = [x["url"] for x in pages if not x["jsonld_types"]]
no_canon = [x["url"] for x in pages if not x["canonical"]]
no_desc = [x["url"] for x in pages if x["desc_len"] < 30]
img_gap = sum(x["img_no_alt"] for x in pages)
if empty_root:
findings.append(("P0", "检测到纯客户端渲染迹象: " + ", ".join(empty_root[:3]), "改为 SSR/SSG，AI 爬虫普遍不执行 JS，正文等于不存在"))
if no_h1:
findings.append(("P0", "缺 H1 的页面: " + ", ".join(no_h1[:5]), "每页一个 H1，写成能独立回答问题的陈述句"))
if multi_h1:
findings.append(("P1", f"{len(multi_h1)} 个页面存在多个 H1", "收敛为一个，其余降级为 H2"))
if thin:
findings.append(("P1", f"{len(thin)} 个页面正文过短（<600 字）: " + ", ".join(thin[:3]), "补足定义段、适用对象、交付物、限制条件"))
if no_ld:
findings.append(("P1", f"{len(no_ld)} 个页面无 JSON-LD", "按 references/schema-templates.md 注入 Organization/Article/FAQPage 等"))
if no_canon:
findings.append(("P2", f"{len(no_canon)} 个页面缺 canonical", "统一规范地址，避免 AI 侧把参数页当重复内容"))
if no_desc:
findings.append(("P2", f"{len(no_desc)} 个页面 meta description 过短或缺失", "写 80-140 字，含实体名与一句能力定义"))
if img_gap:
findings.append(("P2", f"{img_gap} 张图片缺 alt", "alt 写成名词短语，关键数据不要只存在于图片里"))
hreflang_pages = [x for x in pages if x["hreflang"] > 0]
if hreflang_pages and len(hreflang_pages) < len(pages):
findings.append(("P1", "hreflang 覆盖不完整", "所有语言版本互相声明且闭合，否则各语言页在 AI 侧互相镜像"))
# --- 实体层结构化数据 ---
entity_types = {"Organization", "LocalBusiness", "Corporation", "Brand", "Person"}
report["entity_schema"] = sorted(all_types & entity_types)
if not report["entity_schema"]:
findings.append(("P0", "全站未发现 Organization/LocalBusiness 结构化数据", "补组织实体节点，用 @id 与文章 publisher 串联"))
# --- AI 爬虫 UA 对比 ---
if check_ai_ua:
b_status, b_headers, b_html = fetch(base + "/")
g_status, g_headers, g_html = fetch(base + "/", ua=GPTBOT_UA)
bp, gp = PageParser(), PageParser()
try:
bp.feed(b_html)
gp.feed(g_html)
except Exception: # noqa: BLE001
pass
report["ai_ua_probe"] = {
"browser_status": b_status,
"gptbot_status": g_status,
"browser_chars": len(" ".join(bp.text_chunks)),
"gptbot_chars": len(" ".join(gp.text_chunks)),
}
if b_status != g_status or abs(len(" ".join(bp.text_chunks)) - len(" ".join(gp.text_chunks))) > 200:
findings.append(("P1", "对 GPTBot 与浏览器的响应不一致", "确认是否 waf/反爬误拦 AI 爬虫"))
order = {"P0": 0, "P1": 1, "P2": 2}
findings.sort(key=lambda x: order.get(x[0], 9))
report["summary"] = {k: sum(1 for f in findings if f[0] == k) for k in ("P0", "P1", "P2")}
return report
def main():
ap = argparse.ArgumentParser(description="GEO 官网体检")
ap.add_argument("url")
ap.add_argument("--max-pages", type=int, default=5)
ap.add_argument("--json", dest="json_out")
ap.add_argument("--no-ai-ua", action="store_true")
args = ap.parse_args()
report = audit(args.url, args.max_pages, not args.no_ai_ua)
print("=" * 62)
print("GEO 体检报告 " + report["site"])
print("=" * 62)
print("robots.txt : " + str(report["robots"]["status"]))
print("llms.txt : " + str(report["llms_txt"]["status"]))
print("sitemap : " + str(report["sitemap"]["status"]) + " / " + str(report["sitemap"]["urls"]) + " 条")
print("实体 schema: " + (", ".join(report["entity_schema"]) or "无"))
if report.get("ai_ua_probe"):
print("GPTBot 探测 : " + json.dumps(report["ai_ua_probe"], ensure_ascii=False))
print("\n-- 页面概览 --")
for p in report["pages"]:
if p.get("status") != 200:
print(f" [{p.get('status')}] {p['url']}")
continue
print(f" {p['url']}\n 正文 {p['text_chars']} 字 / H1 {p['h1']} / H2 {p['h2']} / schema {','.join(p['jsonld_types']) or '无'}")
print("\n-- 改造项 --")
if not report["findings"]:
print(" 未发现明显问题")
for level, issue, action in report["findings"]:
print(f" [{level}] {issue}\n → {action}")
print("\n汇总: P0 %d / P1 %d / P2 %d" % (
report["summary"]["P0"], report["summary"]["P1"], report["summary"]["P2"]))
if args.json_out:
with open(args.json_out, "w", encoding="utf-8") as fh:
json.dump(report, fh, ensure_ascii=False, indent=2)
print("JSON 已写入 " + args.json_out)
return 0 if report["summary"]["P0"] == 0 else 1
if __name__ == "__main__":
sys.exit(main())
```Conseil :scripts/audit_site.py Nécessite Python 3.8 ou supérieur, sans installation de bibliothèques tierces. Le script se termine avec le code de sortie 1 lorsqu'un problème P0 est détecté, et peut être intégré directement dans la CI.
