北京
“答案引擎优化”（AEO）正成为新的淘金热：让ChatGPT、Perplexity和谷歌AI概览引用你的网站。一大群人在卖课程、卖工具，教你如何做到这件事——加结构化数据标记、发布更多页面、买监测工具。
我运营着一个微型的中英双语命理计算工具站，体量够小，权威性够低，刚好适合当实验品：零品牌信号，零外链，没什么因素能干扰测量结果。在动笔写任何内容页面之前，我做了两件大多数AEO建议跳过的事——读了相关论文，并在上线前搭好了测量系统。以下是接触数据后幸存下来的发现。
第一条发现：Schema标记不是AEO杠杆。这一点挺让人心疼，因为添加JSON-LD是AEO领域被重复最多的建议。目前能找到的最好证据来自Ahrefs的一项双重差分研究：1885个添加了JSON-LD的页面，每个匹配3个在实验前引用水平相似的对照组URL，覆盖30天窗口，用了四种统计方法。结果？零效应。
那个被大量引用的反向统计——“被AI引用的页面拥有JSON-LD的可能性是普通页面的3倍”——只是混杂因素导致。Ahrefs自己都这么说：Schema存在于维护更好的网站上。四项独立的机制研究得出了同样的解释：大语言模型抓取实时页面时，提取的是可见的HTML内容，忽略结构化数据层。有人测试只在FAQ Schema里植入信息，没有一个平台使用；有人故意喂给模型无效的Schema，模型照样从里面提取内容——这意味着脚本块被当作纯文本读取了。
我保留了什么呢？在每篇内容页面前两句可见文字中，放一个可被提取的、用简单语言写成的定义。这才是机器真正会读的东西。Schema继续留在页面上，就当是拿下富结果展示的基础门票，但我不再为它分配任何AEO方面的精力。
第二条发现：页面数量是个弱信号，品牌无法靠走捷径获得。另一个标准建议是程序化内容：生成几百个页面，靠覆盖面积取胜。Ahrefs对7.5万个品牌做的相关性研究，排列出了与AI可见度相关的信号。但你在照着任何一行数据行动之前，先读读底下的注释：样本过滤后只剩域名评分高于40的品牌，相关性都是零阶的（没人排除掉品牌规模的干扰），而且没有独立重复验证。
诚实的推断不是“去做YouTube视频”——而是AI可见度与综合性的品牌知名度高度相关。而这一点，新网站根本不具备，也无法靠页面数量来伪造。对于一个小网站来说，卖工具的喊“要更多页面”，反对者喊“页面没用”，这两种声音都是从一个你并不属于的人口群体里外推出来的结论。相关研究采样的页面本身就已有100次以上AI引用，而你的页面引用数是零。没有任何人发表过关于你这个量级网站的数据。
第三条发现：别想着在定义上赢过维基百科，要去填实体关系的空白。我起初以为这个细分领域里的英文术语还没人占据，事实并非如此——维基百科手握着头部词条，文章还在不断更新，大语言模型明显对百科全书式的信源过度偏重。
但扭转局面靠的不是写一个更长的定义。我开始梳理LLM在这个领域能准确回答什么、不能准确回答什么。能答上来的，都是维基百科覆盖过的成熟术语；答不上来的，是具体的、可计算的关系：某个农历日期对应的五行属性，某个节气精确到分的换运时间。
这里的机会不是去跟百科全书争头号定义，而是去占领那些计算型的、关系型的尾部实体。这些实体对LLM来说是刚需，但维基百科不会去收录，因为它们不是百科条目，是功能。我把内容策略从“解释概念”转向了“提供机器无法自行推导的映射”：时间-干支对应表、节气-五行-身体部位的关联、具体年份的命理组合。一个页面对应一个具体的、可计算的关系，而不是一个模糊的话题。
一个月的数据还不足以谈什么流量暴增，但有一件事变得清晰：AEO领域里流通的绝大多数建议，是在一个有品牌、有外链、有百万页面的语境下成立的。对于几乎没有任何信号的新站点来说，那些建议不是放错了重点，就是前提根本就不存在。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
