GEO优化实战：Schema、OG标签与llms.txt三条落地路径

发布时间：2026/10/21 7:54:48

1. 当搜索框变成对话框企业官网的流量逻辑已经变了过去十年企业官网的流量密码很明确关键词密度、外链数量、页面加载速度、移动端适配。你把这几样做到位搜索引擎就会给你排名排名带来点击点击带来询盘。但这套逻辑正在被一个更底层的变化瓦解——越来越多的用户不再打开搜索引擎而是直接问AI助手“帮我找几家做工业自动化改造的公司”“哪家企业的MES系统适合中小型工厂”。这个变化对企业官网意味着什么意味着你的官网可能依然在搜索结果里排第一但AI在回答用户问题时压根没提你。用户看到的是一段由AI整合生成的答案里面引用了三五个品牌而你的品牌不在其中。这不是排名下降的问题这是“被跳过”的问题。我管这个新战场叫GEO全称是Generative Engine Optimization中文可以理解为“生成式引擎优化”。它和传统SEO不是替代关系而是叠加关系。SEO解决的是“让搜索引擎找到你”GEO解决的是“让AI愿意引用你”。两者的底层逻辑有交集但侧重点完全不同。SEO看重链接权重和关键词匹配GEO看重的是内容的结构化程度、语义清晰度、以及AI能不能低成本地“读懂并信任”你的信息。这篇文章要聊的就是企业官网做GEO的三条落地路径Schema结构化数据、OG标签体系、以及llms.txt文件。这三个东西听起来像技术细节但它们决定了AI在抓取和生成答案时能不能准确识别你的企业身份、业务范围、核心优势和联系方式。适合谁来读如果你是企业的技术负责人、SEO运营、内容策划或者你正在负责官网改版和数字化营销这篇内容可以直接当作操作手册来用。我先把结论放在前面GEO不是玄学它是一套可以拆解、可以执行、可以验证的工程动作。下面我会从原理讲到实操从代码片段讲到避坑经验尽量让不同技术基础的人都能上手。2. 先搞清楚AI是怎么“看”你官网的2.1 从爬虫抓取到语义理解中间隔着一道结构化门槛传统搜索引擎爬虫抓取网页后主要做两件事提取文本内容、分析链接关系。它不太关心你的企业到底是做什么的只要你的页面里有足够多的关键词外链足够多它就认为你相关。但AI助手背后的模型不一样它需要理解语义需要知道“这家公司提供什么服务”“服务哪些地区”“有什么资质”“联系方式是什么”。问题在于大部分企业官网的HTML结构对AI并不友好。导航栏是一堆div服务介绍是一段没有层级的长文本联系方式藏在图片里企业名称只在logo的alt属性里出现一次。AI抓取到这样的页面能提取的信息非常有限自然也不会在生成答案时引用你。结构化数据的作用就是把这些“人看得懂但机器看不懂”的信息翻译成机器能直接读取的格式。你可以把它理解为给官网加了一层“机器可读的说明书”。Schema.org是目前最通用的结构化数据词汇表它定义了一套标准化的标签体系告诉AI“这段文字是公司名称”“这段是服务范围”“这段是客户评价”。2.2 Schema不是给搜索引擎看的是给AI生成答案时用的很多人对Schema有个误解觉得它是SEO的附属品加了Schema就是为了在搜索结果里显示星级评分或者面包屑导航。这个理解在传统SEO语境下没错但在GEO语境下太窄了。AI助手在生成答案时会优先选择那些信息结构清晰、来源可信、语义完整的内容。Schema标记就是“结构清晰”的直接证据。举个例子当用户问“有哪些做跨境物流的企业”AI需要从海量网页中筛选出“企业名称服务类型服务区域联系方式”这四个要素都齐全的页面。如果你的官网只有一段“我们是一家专业的跨境物流公司”的文字AI很难确认你的服务区域和具体能力。但如果你用Schema标记了Organization类型里面明确写了areaServed、serviceType、contactPointAI就能直接提取这些字段把你列入候选名单。注意Schema标记不会直接提升你的搜索排名但它会显著提升你在AI生成答案中的“被引用概率”。这是两个不同的指标不要混淆。2.3 OG标签在AI时代的角色转变OG标签全称Open Graph Protocol原本是Facebook提出的一套元数据标准用来控制网页在社交媒体分享时显示的标题、描述和缩略图。但在GEO场景下OG标签有了新的用途它是AI快速获取页面核心信息的“快捷方式”。当AI爬虫抓取一个页面时它首先看的是head区域。如果这里有完整的OG标签AI可以在不解析整个页面正文的情况下快速获取到页面标题、摘要、图片和URL。这大大降低了AI的抓取成本也提高了你的页面被纳入训练数据或实时索引的概率。很多企业官网的OG标签是缺失的或者只填了og:title和og:descriptionog:type、og:url、og:image都是空的。这在社交媒体分享时可能只是显示效果差一点但在GEO场景下这意味着AI需要花更多时间解析你的页面而AI的抓取预算有限它更倾向于选择那些“信息获取成本低”的页面。2.4 llms.txt一个专门为AI准备的“官网说明书”llms.txt是一个相对较新的概念它的形式很简单在网站根目录放一个纯文本文件用Markdown格式列出网站的核心页面、内容摘要和关键信息。它的提出背景是AI模型在训练和推理时需要一种比HTML更轻量、比sitemap更语义化的方式来理解一个网站的结构。你可以把llms.txt理解为“给AI看的官网导航”。传统的sitemap.xml只告诉AI“网站有哪些页面”但llms.txt告诉AI“每个页面讲的是什么、哪些内容最重要、企业核心信息在哪里”。对于企业官网来说llms.txt可以包含公司简介、核心服务列表、服务区域、联系方式、资质证书、常见问题解答的链接和摘要。这个文件目前还没有被所有AI平台正式支持但它的理念已经被广泛讨论而且实现成本极低。提前部署llms.txt相当于在AI抓取规则正式标准化之前先占住一个有利位置。3. Schema标记的落地从Organization开始把企业身份说清楚3.1 为什么Organization类型是GEO的第一优先级Schema.org有几百种类型企业官网不可能全部用上也没必要。对于GEO来说优先级最高的是Organization类型。原因很简单AI在回答“哪家公司做什么”这类问题时首先需要确认“这家公司是谁”。如果AI连你的企业名称、成立时间、总部位置、服务范围都搞不清楚它不可能在答案里引用你。Organization类型支持大量属性但企业官网不需要全部填写。我建议优先填写以下字段属性名作用填写建议name企业全称与营业执照一致不要用简称alternateName企业简称填写常用简称方便AI匹配url官网地址填写首页URL不要带参数logo企业Logo使用绝对URL图片尺寸建议不小于112x112description企业简介控制在200字以内包含核心业务关键词foundingDate成立时间格式为YYYY-MM-DDaddress注册地址使用PostalAddress子类型contactPoint联系方式包含电话、邮箱、联系类型sameAs关联页面填写企业官方社交媒体、百科页面等areaServed服务区域可以填国家、城市或区域名称knowsAbout专业领域填写企业擅长的业务领域关键词这些字段填完之后AI在抓取你的官网时可以直接提取出一张“企业名片”。当用户问“有哪些做XX业务的公司”时AI就能从你的Schema标记中匹配到knowsAbout和areaServed从而把你列入候选。3.2 JSON-LD的写法与常见错误Schema标记有三种写法Microdata、RDFa和JSON-LD。我强烈建议使用JSON-LD因为它不侵入HTML结构维护成本低而且Google和主流AI平台都明确支持。一个典型的企业官网Organization标记如下{ context: https://schema.org, type: Organization, name: 某某工业自动化有限公司, alternateName: 某某自动化, url: https://www.example.com, logo: https://www.example.com/logo.png, description: 专注于工业自动化控制系统研发与集成服务覆盖华东地区提供PLC编程、SCADA系统、MES系统实施等服务。, foundingDate: 2015-03-01, address: { type: PostalAddress, streetAddress: 某某路123号, addressLocality: 某某市, addressRegion: 某某省, postalCode: 200000, addressCountry: CN }, contactPoint: { type: ContactPoint, telephone: 86-21-12345678, contactType: sales, email: contactexample.com, availableLanguage: [Chinese, English] }, sameAs: [ https://www.linkedin.com/company/example, https://weibo.com/example ], areaServed: { type: GeoCircle, geoMidpoint: { type: GeoCoordinates, latitude: 31.2304, longitude: 121.4737 }, geoRadius: 500000 }, knowsAbout: [ 工业自动化, PLC编程, SCADA系统, MES系统, 智能制造 ] }这段代码可以直接放在首页的head区域用script typeapplication/ldjson包裹。注意几个容易出错的地方context必须是https://schema.org不要写成http。type的大小写要准确Organization的首字母大写。url和logo必须使用绝对URL不要用相对路径。areaServed如果填的是具体城市可以直接用字符串比如上海不需要用GeoCircle。sameAs里的链接必须是真实存在的页面不要填虚假链接。提示JSON-LD代码写完后可以用Schema Markup Validator工具验证一下确保没有语法错误。语法错误会导致整个标记失效AI无法读取。3.3 服务页面用Service类型让AI知道你到底卖什么首页的Organization标记解决的是“你是谁”的问题但AI还需要知道“你具体提供什么服务”。这时候需要在服务详情页添加Service类型的Schema标记。Service类型的核心属性包括name服务名称description服务描述provider服务提供方引用OrganizationareaServed服务区域serviceType服务类型offers报价信息可选一个典型的服务页面标记如下{ context: https://schema.org, type: Service, name: MES系统实施服务, description: 为中小型制造企业提供MES系统选型、部署、培训和运维一体化服务支持与ERP、PLC等系统对接。, provider: { type: Organization, name: 某某工业自动化有限公司, url: https://www.example.com }, areaServed: 华东地区, serviceType: MES系统实施, offers: { type: Offer, priceCurrency: CNY, price: 面议, availability: https://schema.org/InStock } }这个标记的作用是当用户问“有哪些公司做MES系统实施”时AI可以从你的服务页面直接提取出服务名称、服务区域和服务类型从而判断你是否符合用户的查询意图。3.4 FAQ页面用FAQPage类型抢占AI问答的引用位AI助手最喜欢引用的内容类型之一就是FAQ。因为FAQ的结构天然适合AI生成答案一个问题对应一个答案语义清晰不需要AI再做额外的推理和总结。如果你的官网有常见问题页面一定要加上FAQPage类型的Schema标记。写法如下{ context: https://schema.org, type: FAQPage, mainEntity: [ { type: Question, name: MES系统实施周期一般需要多久, acceptedAnswer: { type: Answer, text: 实施周期取决于工厂规模和业务复杂度一般中小型工厂需要2-4个月大型工厂可能需要6个月以上。 } }, { type: Question, name: MES系统能否与现有ERP系统对接, acceptedAnswer: { type: Answer, text: 可以。我们提供标准API接口和定制化对接方案支持与主流ERP系统进行数据同步。 } } ] }这个标记的威力在于AI在回答用户关于“MES系统实施周期”的问题时可以直接引用你的答案并在答案中标注来源。这比单纯的品牌曝光更有价值因为它建立的是“专业可信”的认知。4. OG标签的完整配置别只填标题和描述4.1 OG标签的四个必填字段和三个选填字段很多企业官网的OG标签只填了og:title和og:description这远远不够。完整的OG标签应该包含以下字段字段是否必填作用og:title必填页面标题建议控制在60字符以内og:description必填页面描述建议控制在155字符以内og:type必填页面类型企业官网一般用websiteog:url必填页面规范URLog:image选填分享缩略图建议尺寸1200x630og:site_name选填网站名称og:locale选填页面语言中文用zh_CNog:type这个字段经常被忽略但它对AI理解页面性质很重要。企业官网的首页用website服务页面可以用article或productFAQ页面可以用website。不要所有页面都填website这样AI无法区分页面类型。4.2 OG标签与Schema标记的协同关系OG标签和Schema标记不是二选一的关系它们服务于不同的抓取场景。OG标签在head区域AI爬虫抓取时最先看到Schema标记可以在head也可以在bodyAI在解析页面结构时使用。我的建议是两者都做而且信息要一致。如果OG标签里写的企业名称是“某某自动化”Schema标记里写的也是“某某自动化”AI就能交叉验证提高信息的可信度。如果两者不一致AI可能会降低对页面信息的信任权重。一个完整的head区域配置示例如下head meta charsetUTF-8 title某某工业自动化有限公司 - MES系统实施与PLC编程服务/title meta namedescription content专注于工业自动化控制系统研发与集成提供MES系统实施、PLC编程、SCADA系统部署等服务服务覆盖华东地区。 meta propertyog:title content某某工业自动化有限公司 - MES系统实施与PLC编程服务 meta propertyog:description content专注于工业自动化控制系统研发与集成提供MES系统实施、PLC编程、SCADA系统部署等服务。 meta propertyog:type contentwebsite meta propertyog:url contenthttps://www.example.com meta propertyog:image contenthttps://www.example.com/og-image.jpg meta propertyog:site_name content某某工业自动化 meta propertyog:locale contentzh_CN script typeapplication/ldjson { context: https://schema.org, type: Organization, name: 某某工业自动化有限公司, url: https://www.example.com, logo: https://www.example.com/logo.png, description: 专注于工业自动化控制系统研发与集成服务覆盖华东地区。, contactPoint: { type: ContactPoint, telephone: 86-21-12345678, contactType: sales } } /script /head4.3 动态页面的OG标签处理企业官网通常有新闻列表、案例列表、产品列表等动态页面。这些页面的OG标签不能写死需要根据页面内容动态生成。比如新闻详情页的og:title应该是新闻标题og:description应该是新闻摘要og:image应该是新闻配图。如果你的官网用的是主流CMS系统大部分都支持动态OG标签配置。如果用的是自研系统需要在模板层面做变量替换。这里的关键是每个页面的OG标签都要反映该页面的具体内容不要所有页面都用首页的OG标签。注意动态页面的OG标签如果处理不当容易出现重复或空白。建议在测试阶段用社交分享调试工具检查每个页面类型的OG标签是否正确输出。5. llms.txt的部署给AI准备一份轻量级官网地图5.1 llms.txt的格式规范与内容组织llms.txt的格式非常简单就是一个Markdown文件放在网站根目录访问路径是https://www.example.com/llms.txt。它的内容组织没有严格的强制规范但社区已经形成了一些共识第一行用#写网站名称第二行用写网站简介然后用##分章节列出核心页面和内容摘要每个条目用- [页面标题](页面URL): 内容摘要的格式一个企业官网的llms.txt示例如下# 某某工业自动化有限公司专注于工业自动化控制系统研发与集成提供MES系统实施、PLC编程、SCADA系统部署等服务服务覆盖华东地区。 ## 核心服务 - [MES系统实施](https://www.example.com/services/mes): 为中小型制造企业提供MES系统选型、部署、培训和运维一体化服务。 - [PLC编程](https://www.example.com/services/plc): 提供西门子、三菱、欧姆龙等主流PLC品牌的编程和调试服务。 - [SCADA系统部署](https://www.example.com/services/scada): 提供SCADA系统设计、部署和集成服务支持远程监控和数据采集。 ## 企业信息 - [关于我们](https://www.example.com/about): 公司成立于2015年总部位于上海拥有50人技术团队。 - [资质证书](https://www.example.com/certifications): 拥有ISO9001认证、高新技术企业认证等。 - [联系方式](https://www.example.com/contact): 电话021-12345678邮箱contactexample.com。 ## 常见问题 - [MES系统实施周期](https://www.example.com/faq/mes-timeline): 中小型工厂一般需要2-4个月。 - [ERP对接能力](https://www.example.com/faq/erp-integration): 支持与主流ERP系统进行数据同步。这个文件的作用是AI在抓取你的网站时可以先读取llms.txt快速了解网站结构和核心内容然后再决定抓取哪些页面。这大大降低了AI的抓取成本也提高了你的核心页面被收录的概率。5.2 llms.txt与sitemap.xml的分工有人会问已经有sitemap.xml了为什么还要llms.txt两者的分工不同对比项sitemap.xmlllms.txt格式XMLMarkdown内容页面URL列表页面URL内容摘要服务对象传统搜索引擎爬虫AI模型和AI助手语义信息无有包含页面主题和摘要更新频率低高建议随内容更新sitemap.xml告诉搜索引擎“网站有哪些页面”llms.txt告诉AI“每个页面讲的是什么”。两者不冲突建议同时部署。5.3 部署llms.txt的实操步骤与验证方法部署llms.txt的步骤很简单创建一个纯文本文件命名为llms.txt。按照上述格式填写内容确保所有URL都是绝对路径。将文件上传到网站根目录确保可以通过https://www.example.com/llms.txt访问。在robots.txt中添加一行Sitemap: https://www.example.com/llms.txt方便AI爬虫发现。用浏览器访问该URL确认内容正确显示。验证方法目前还没有主流的llms.txt验证工具但你可以手动检查文件是否可访问、格式是否正确、URL是否有效。另外可以在网站日志中观察是否有AI爬虫如GPTBot、ClaudeBot等访问llms.txt的请求记录。提示llms.txt目前还在早期阶段不是所有AI平台都正式支持。但它的部署成本极低提前做好没有坏处。即使AI平台暂时不读取它也可以作为一份给AI准备的“官网说明书”在未来的抓取规则中占据先机。6. 三个动作的协同与常见踩坑记录6.1 Schema、OG标签、llms.txt的优先级与执行顺序如果你时间有限只能先做一件事我的建议是先做Schema标记再做OG标签最后做llms.txt。原因如下Schema标记直接决定了AI能否理解你的企业身份和服务内容这是GEO的基础。OG标签是辅助AI快速获取页面信息优先级次之。llms.txt是锦上添花目前还不是AI抓取的必选项。执行顺序上可以按照以下步骤推进在首页添加Organization类型的Schema标记。在核心服务页面添加Service类型的Schema标记。在FAQ页面添加FAQPage类型的Schema标记。检查并补全所有页面的OG标签。创建并部署llms.txt文件。在robots.txt中添加llms.txt的引用。用验证工具检查Schema和OG标签的正确性。观察网站日志确认AI爬虫的抓取行为变化。6.2 我踩过的坑Schema标记的语法错误导致整段失效我在第一次部署Schema标记时犯了一个低级错误JSON-LD代码中多了一个逗号。结果整个标记块失效AI完全读取不到任何信息。更麻烦的是这个错误不会在页面上显示出来用户看不到任何异常只有通过验证工具才能发现。后来我养成了一个习惯每次写完JSON-LD先用Schema Markup Validator跑一遍确认没有语法错误再上线。另外JSON-LD中的URL必须使用绝对路径不要用相对路径否则AI无法正确解析。还有一个坑是type的大小写问题。Schema.org的类型名称是大小写敏感的Organization不能写成organizationService不能写成service。这个细节很容易忽略但会导致标记失效。6.3 OG标签的图片尺寸与缓存问题OG标签中的og:image字段有一个容易被忽略的细节图片尺寸。如果图片尺寸太小社交平台和AI平台可能不会显示缩略图。建议使用1200x630像素的图片比例接近1.91:1。另一个问题是缓存。社交平台和AI平台会缓存OG标签的内容如果你更新了OG标签可能需要等待一段时间才能生效。在测试阶段可以用社交分享调试工具强制刷新缓存。6.4 llms.txt的更新频率与内容维护llms.txt的内容需要随着网站更新而更新。如果新增了服务页面或FAQ页面记得同步更新llms.txt。我建议把llms.txt的更新纳入内容发布流程每次发布新页面时检查是否需要更新llms.txt。另外llms.txt中的URL必须是有效的不要包含404页面。如果某个页面被删除记得从llms.txt中移除对应的条目。AI爬虫如果发现llms.txt中有大量无效链接可能会降低对整个文件的信任权重。7. 怎么验证GEO有没有效果7.1 直接问AI最粗暴但最有效的验证方法GEO的效果验证不像SEO那样有明确的排名数据但有一个简单直接的方法直接问AI。你可以打开主流AI助手输入和你业务相关的查询看看AI的回答中是否引用了你的官网或品牌。比如如果你是一家做MES系统实施的公司可以问AI“有哪些公司做MES系统实施”或者“MES系统实施周期一般多久”观察AI的回答中是否提到了你的公司名称、服务内容或官网链接。这个方法虽然粗暴但非常有效。建议在部署GEO优化前后各做一次测试对比AI回答的变化。需要注意的是AI的回答可能受到多种因素影响单次测试不一定准确建议多次测试并记录结果。7.2 观察网站日志中的AI爬虫行为另一个验证方法是观察网站日志。主流AI平台的爬虫都有明确的User-Agent标识比如GPTBot、ClaudeBot、PerplexityBot等。你可以在网站日志中筛选这些User-Agent观察它们的抓取频率和抓取页面。如果发现AI爬虫开始频繁抓取你的核心页面并且访问了llms.txt说明你的GEO优化正在生效。如果AI爬虫的抓取频率很低可能需要检查robots.txt是否屏蔽了这些爬虫或者页面加载速度是否过慢。7.3 用结构化数据测试工具做定期检查Schema标记和OG标签的验证工具可以定期使用确保标记没有因为网站改版而失效。我建议每个月做一次全面检查重点检查首页、核心服务页面和FAQ页面。检查内容包括Schema标记是否有语法错误、OG标签是否完整、llms.txt是否可访问、robots.txt是否允许AI爬虫抓取。这些检查不需要太多时间但能避免因为技术细节导致GEO效果打折扣。8. 一些关于GEO的实操心得GEO不是一次性工程而是持续优化的过程。AI的抓取规则和生成逻辑在不断变化今天有效的策略明天可能就需要调整。我的建议是保持关注但不要过度焦虑。先把基础的结构化数据做好把企业身份和服务内容说清楚这已经能超过大部分竞争对手。另外不要为了GEO而牺牲用户体验。Schema标记和OG标签是给机器看的但页面内容最终还是给人看的。如果页面内容质量不高即使AI引用了你的页面用户点击进来也会很快离开这对品牌反而是一种伤害。最后分享一个小技巧在写Schema标记的description字段时尽量用自然语言描述不要堆砌关键词。AI在生成答案时更倾向于引用那些语义通顺、信息密度高的描述。你可以把description想象成你在跟一个陌生人介绍你的公司用一两句话说清楚你是谁、做什么、服务谁这就够了。