9483家小企业网站，三分之二没给AI留一句可抄的话

两周时间，一个爬虫被指向11060家小企业网站。JavaScript关闭，使用自我标识的user agent，每个站点抓三个页面，把返回的内容全部存下来。最终有9483家站点给出了响应，这份数据看的就是这些站点的结构化标记、robots文件和实际返回的HTML。

做这件事的出发点很直接：gaash.ai只卖一样东西——衡量AI助手是否会推荐某家企业，所以需要先搞清楚，问题有多少出在助手身上，有多少出在网站自己身上。结论是，主要出在网站。

三分之二的站点，没有一句能被助手直接引用的话。

61.5%的站点没有任何形式的问答内容：没有FAQ板块，没有FAQPage结构化标记，没有任何长得像买家提问的东西。助手是从本来就包含答案的页面里摘取答案的。一个只写着“自1998年起提供优质服务”的首页，给不了它任何可摘的东西。

有点意外的是，约一半站点（50.7%）确实至少有一个标题被写成了问句。它们只是没有用机器能单独拎出来的方式去回答这个问题。

评价存在，但不在机器看的地方。

64.7%的站点没有任何爬虫可读的评价信号：没有评分标记，页面正文里也没有引用评价。只有8.9%带了评分结构化数据。这些商家里大多数在谷歌上都有几十条评价，但读他们网站的助手并不知道，因为网站自己没说。

企业身份对不上号。

43.1%的站点在“是谁、在哪”这件事上前后不一致。36.9%在自己三个主要页面上给出了不止一个电话号码。34.1%没有任何机器能解析的邮寄地址。一个助手在决定要不要提“Smith Plumbing”时，想要的是一个名称、一个号码、一个地址，并且反复出现。它经常拿到的是各三份。

结构化数据大多存在，也大多没用。

只有17.8%完全没有schema.org标记，这个数字让人意外。但看看另外82%有什么：WebSite、WebPage、BreadcrumbList、SearchAction、ImageObject。这些是建站工具放进去的，描述的是网站，不是企业。LocalBusiness大约出现在四分之一的站点上。另有13.7%带了企业结构化数据，但缺了让它可用的那些字段。

无标记比例在各行业间并不均匀。房地产经纪（33.6%）、摄影师（32.7%）、税务顾问（31.0%）、婚礼策划（30.1%）最差。木工（15.8%）和搬家公司（16.1%）是样本中站点数过百的行业里表现最好的。地区差异不大：欧盟（20.5%）和阿联酋（20.0%）略差于美国（17.5%）和加拿大（17.2%）。

几乎没人主动屏蔽AI。

• 3.2%在robots.txt里禁止AI爬虫；
• 7.2%处在机器人防护之后，给爬虫返回的是验证页而不是网站，效果上同样挡住了助手，只是没人主动做这个决定；
• 3.0%的内容只在JavaScript里渲染，不执行脚本的爬虫看到的是空页面；
• 2.1%把真正的内容（价目表、服务菜单）放在PDF里。

页面并不单薄。首页中位数880词，只有3.9%低于150词。问题不是这些网站说得太少，而是它们说的内容不在机器能归属、引用、核验的形式里。

llms.txt基本不存在，63.6%没有/llms.txt。这一项放在最后，是因为它目前是否重要还不确定：它是一个提议中的约定，不是助手们已经承诺采用的标准。但它只花一小时，而且能干净地反映出一件事——有没有人认真想过机器读者。

助手真的会提这些企业吗？

也问了。对其中9240家企业，从它们所在市场和行业里取一个买家问题，交给开启网页检索的Claude（Opus），比如“Brampton最好的电工是谁”，然后检查企业是否被点名。14.9%被提到。在助手给出明确区分度列表而非含糊回答的5928个问题里，这个比例是17.7%。

这只能当作方向性数字，不是比率。每家企业一个问题、一个助手、一天。给付费客户用的完整问题面板是十到十二个问题，这次只有十分之一，只是规模跑大了。严谨的研究应该跑完整面板。能说的是，被点名的企业，检查下来正是那些网站带有答案形态内容、身份信息一致的企业，这也是持续测量这件事的全部理由。

那9240个回答里还有一件没预料到的事：助手给出的所有名字中，只有0.6%是目录或聚合平台（Yelp、Angi之类），99.4%是真实企业。谷歌对这些问题的首页结果大多是聚合平台，助手的回答大多不是。如果一家小企业花了十年也没能排在Yelp前面，这是一场不同的游戏，而决定它的，是你自己网站返回了什么。

接下来该做什么

如果运营的是这类站点，数据给出的顺序是：把名称、地址、电话统一成一种形式，在每一页上完全一致地重复；用LocalBusiness或更具体的类型标记企业而不是网站，填上地址、电话、营业时间和服务区域；把评价以文本和AggregateRating的形式放到页面上；把客户在电话里问的五个问题写成标题，下面配上真实答案。然后检查爬虫实际收到的是什么，因为有7%的站点挡在一堵自己都不知道存在的机器人墙后面。

方法说明：爬虫user agent为gaash-audit/1.0，不执行JavaScript，跟随重定向，抓取首页、联系页和关于页（若首页有链接），外加/robots.txt和/llms.txt。结构化数据检测覆盖JSON-LD和microdata。“NAP不一致”指抓取页面间出现不止一个不同电话号码，或没有可解析的邮寄地址。探测使用开启检索的Claude（Opus），每家企业一个问题，问题取自按都市圈和行业构建的面板。样本按都市圈和行业发现企业，并非随机抽样，百分比描述的是这个样本。