1. 概要（Executive Summary）
潜在客户向ChatGPT提问“韩国有哪些公司擅长这个领域？”，已经不再是假设。真正的问题是，你的公司是否会出现在回答里。决定结果的不是广告预算，而是官网是否经过设计，能让AI顺利读取和理解。
本文从企业官网的角度讨论这项设计工作，也就是AEO（Answer Engine Optimization，答案引擎优化）。上一篇《从SEO走向GEO》关注的是“应该发布什么内容”，这一次讨论的是网站基础设施本身。我们将按照结构化数据 → llms.txt → AI爬虫策略 → 执行计划的顺序，说明AI通过哪些路径认识一家公司，以及应该用什么格式提供公司信息，才能被准确引用。
先说结论，企业官网的AEO可以归纳为五项工作：统一公司介绍、添加Schema标记、结构化FAQ、发布llms.txt、监测AI回答。下文将说明为什么要做、按什么顺序做，以及具体如何实施。
本文回答的问题
AI搜索时代的企业官网需要具备什么？AEO与SEO有什么区别？是否应该创建llms.txt？本文面向准备新建或改版官网的初创企业、中小企业和中型企业负责人进行解答。
读完后，你会得到一份可以直接交给开发公司或代理商的需求清单。
2. 客户开始向AI询问公司
B2B采购旅程的起点正从搜索框转移到AI对话框。以前，采购负责人会搜索关键词，再逐一打开十家供应商的网站。现在，他们只需把条件告诉AI，就能收到三四个候选公司。官网之间的竞争已经从“搜索排名竞争”变成“候选名单入围竞争”。
2.1 十次搜索变成一次提问
设想一位采购负责人正在为生产线寻找工业传感器供应商。两三年前，他可能会搜索“工业传感器制造商”“接近传感器供应商”等关键词，再逐一查看网站，比较产品规格和供货记录。现在，他会直接询问Perplexity或ChatGPT：“韩国工业接近传感器制造商中，哪些有向汽车零部件企业供货的经验？”几秒钟内，AI就会给出三四家公司，并为每家附上一句说明。
Gartner在2024年初预测，受生成式AI聊天机器人的影响，到2026年传统搜索引擎的使用量将下降25%。数字是否完全准确并不是重点，方向才是关键。信息探索的第一入口正在迁移，而B2B采购往往需要更长时间进行比较和验证，天然适合让AI“按条件筛选候选公司”。
2.2 AI从哪里获取公司信息？
第一来源是官方网站。ChatGPT Search、Perplexity等AI搜索服务在生成回答时，会实时读取网页并附上来源链接。此时，一家公司的官网通常会被视为关于该公司的最权威资料。新闻稿、媒体报道、企业信息目录和招聘平台上的公司介绍则作为补充来源。
AI在把一家公司放入回答之前，通常会检查以下内容：
- 身份：能否用一句话理解公司做什么
- 一致性：官网与外部来源中的公司信息是否一致
- 具体性：服务和产品说明是否包含目标客户、服务范围与业绩
- 时效性：如果最后一条动态停留在三年前，可信度会下降
没有官网，就进不了候选名单
AI不会推荐无法验证的公司。如果没有官网，或者网站只有几张图片而没有可读取的文字，在AI眼中就是一家没有可用数据的公司。页面在人眼中再精美，对爬虫来说是空白，就等于不存在。
在传统搜索时代，即使排名较低，也会在某个位置出现。AI回答往往只列出三四个候选公司，一旦被排除，这家公司在该问题中就会彻底消失。
3. AEO与SEO有什么区别？
AEO瞄准的不是搜索排名，而是AI回答的内容。SEO的目标是进入搜索结果第一页，AEO的目标则是让AI优先提及你的公司，并准确描述相关信息。
3.1 先理清SEO、GEO和AEO
这三个概念经常混用，实际工作也有较多重叠。SEO优化搜索引擎排名；GEO（Generative Engine Optimization）帮助内容被生成式AI引用；AEO更具体地关注内容能否进入“问题的答案”。本文所说的AEO，是指调整企业官网，使公司信息能够正确出现在AI回答中的工作。
3.2 对企业官网来说，变化在哪里？
最明显的差异是优化的“单位”。SEO围绕页面和关键词展开，AEO则处理作为完整实体的公司。AI并不只是给单个页面排序，而是在构建“这是一家什么公司”的整体认知。
| 项目 | SEO视角 | AEO视角 |
|---|---|---|
| 优化单位 | 单个页面与关键词 | 作为完整实体的公司 |
| 展示形式 | 搜索结果列表中的一条链接 | AI回答中的描述与推荐名单 |
| 公司介绍 | 不同页面略有差异通常问题不大 | 所有页面和外部渠道都必须保持一致 |
| 核心工作 | 关键词、外链与页面速度 | 结构化数据、FAQ与公司信息一致性 |
| 效果评估 | Search Console排名与流量 | 直接向AI提问并监测回答 |
| 失败结果 | 排名下降几个位置 | 从回答中完全消失，被当作不存在的公司 |
不能跳过SEO，只做AEO。ChatGPT Search依赖Bing索引，Perplexity则使用自有爬虫建立的索引。AI搜索运行在传统的抓取与索引基础之上，如果网站缺少站点地图、robots.txt和元数据等基本配置，AEO根本无法开始。如果你正在发布一个新官网，请先查看新网站上线后前90天的SEO设置。
4. 结构化数据与Schema标记
结构化数据是嵌入官网的机器可读名片。访客看不到它，但爬虫可以通过这些数据准确理解公司名称、行业、服务和联系方式。它让AI验证公司信息，而不是靠猜测。
4.1 应该添加哪些Schema标记？
将schema.org提供的通用词汇以JSON-LD格式插入页面。Google同样推荐JSON-LD。它只需要在head中加入一个脚本块，不必修改可见HTML，因此现有官网也能在不改变设计的情况下实施。
核心是Organization Schema，其中包含公司名称、主网址、Logo、地址和联系方式，并通过sameAs属性连接社交媒体账号和外部资料页。sameAs尤其重要，因为它可以把散落在网络各处的信息关联起来，告诉AI这些内容属于同一家公司。
4.2 应优先实施哪些Schema？
| Schema类型 | 适用位置 | 告诉AI的内容 |
|---|---|---|
| Organization | 全站通用，通常以首页为基准 | 公司名称、Logo、地址、联系方式和外部资料，是公司实体的基准点 |
| Service | 服务介绍页 | 提供什么服务，以及服务对象是谁 |
| Product | 产品详情页 | 产品名称、规格和价格，用于产品级问题 |
| FAQPage | 常见问题页 | 问答对，是AI最容易直接引用的格式 |
| LocalBusiness | 线下门店或办公地点页面 | 位置和营业时间，用于“附近公司”类问题 |
| BreadcrumbList | 所有页面 | 网站结构与页面之间的关系 |
| Article / BlogPosting | 文章与新闻页面 | 发布日期和作者，作为信息时效性的信号 |
这七类基本覆盖了所需内容。对于企业官网，只要正确实施Organization、Service和FAQPage，核心工作就已经完成了一半。
4.3 为什么要特别重视FAQ？
因为AI回答本身就是问答形式。把销售和客服实际收到的问题，例如“报价如何计算”“制作需要多长时间”“是否包含维护”，整理成FAQ页面并关联FAQPage Schema，潜在客户向AI提出相同问题时，你的回答被采用的概率就会提高。
先于Schema的工作：统一信息写法
如果官网使用“The BlueCanvas”，Naver Place使用“BlueCanvas”，招聘信息又采用另一种法定名称，AI可能无法确认三者是否属于同一家公司。地址和电话号码也是如此。
在所有渠道统一公司名称、地址和电话号码（NAP），应当先于Schema标记。无论标记多么精确，只要源信息不一致，就难以发挥作用。
5. llms.txt与AI爬虫策略
llms.txt是一份交给AI的网站指南。在网站根目录放置一个Markdown文件，告诉AI“我们是一家什么公司，重要页面在哪里”。创建时间不到一小时，也几乎没有负面影响。
5.1 什么是llms.txt？
Answer.AI的Jeremy Howard在2024年9月提出了这一规范，详细说明发布在llmstxt.org。它源于一个简单问题：LLM的上下文窗口不足以容纳整个网站，而HTML中又混有导航、脚本等噪声。因此，可以用一份简洁的Markdown文档概括网站核心内容。
规范中的格式如下：
- 位置：域名根目录下的 /llms.txt，例如company.com/llms.txt
- H1标题：网站或公司名称，也是规范中唯一的必填项
- 引用块：用一两句话概括公司
- H2章节与链接列表：以[页面名称](URL): 说明的格式列出重要页面
- Optional章节：上下文不足时可以跳过的辅助链接
文档量较大的网站有时还会提供llms-full.txt，把全部内容放在一个文件中。一般企业官网不必做到这一步，只需用20～30行放入一句公司介绍、服务页面、代表案例和联系链接即可。
客观看待llms.txt的现状
它还不是官方标准。OpenAI和Google都没有确认会使用llms.txt，Google的John Mueller也曾把它与过去的keywords元标签类比，表达过怀疑。
即便如此，以开发者文档网站为中心，采用案例正在增加，其中也包括Anthropic的技术文档。创建成本很低，也没有明显副作用。与其等到效果被完全证实，不如现在先发布。
5.2 应该阻止还是允许AI爬虫？
对大多数企业官网来说，答案是“允许”。媒体和付费内容业务可能有理由阻止训练数据收集，但公司介绍和服务说明属于被广泛引用后价值更高的信息。首先要了解有哪些爬虫会访问网站。
- GPTBot — OpenAI用于模型训练的爬虫
- OAI-SearchBot — 用于进入ChatGPT搜索结果的索引爬虫
- ChatGPT-User — 用户在对话中请求页面时进行实时访问
- ClaudeBot / Claude-User — Anthropic的训练爬虫与实时回答访问
- PerplexityBot — Perplexity搜索索引爬虫
- Google-Extended — 控制内容是否用于Gemini训练的robots.txt令牌；阻止它不会影响Google搜索排名
- CCBot — 非营利项目Common Crawl的采集器，多个AI模型使用其数据进行训练
判断标准很简单：如果阻止OAI-SearchBot、ChatGPT-User、PerplexityBot等搜索与实时访问爬虫，网站就会失去被AI搜索引用的机会。希望出现在AI回答中，就应该允许它们。GPTBot、ClaudeBot和CCBot等训练爬虫可以按企业政策选择，但如果内容本身不是商品，阻止它们通常没有太多收益。robots.txt可以针对不同User-agent分别设置规则，因此先检查现有配置如何处理这些爬虫。不少网站仍遗留着Disallow: / 的全站阻止规则。
6. 企业官网AEO执行计划
计划分为五个步骤。顺序很重要，因为前一步的成果会成为下一步的材料。
第1步 — 统一公司介绍
首先确定“用一句话如何介绍公司”。这句话应基于事实，并包含行业、目标客户和差异化优势。“以客户价值为先的全球创新企业”之类的修辞，对人和AI都没有实际信息。“为中型制造企业实施MES十二年，累计覆盖80条生产线”更容易被引用。确定后，在首页、公司介绍、页脚、Naver Place、招聘信息和新闻稿固定介绍中保持完全一致。AI更信任多个来源中反复出现的一致描述。
第2步 — 实施Schema标记
把第1步确定的介绍和公司资料写入Organization Schema，并在服务页面添加Service Schema。如果不是自行开发，可以向开发公司提出：“请使用JSON-LD格式实施，并提交通过Google富媒体搜索结果测试的截图作为验收材料。”把验收标准写进需求，才能避免只做形式上的标记。
第3步 — 结构化FAQ
从销售会议和客服渠道中选出十个真实问题。每个答案写两到四句话，第一句话先给结论。整理成页面后关联FAQPage Schema。真实问题优于虚构问题，因为它们更接近潜在客户向AI提问的方式。
第4步 — 发布llms.txt
按照第5节的格式编写，并上传到域名根目录。服务内容发生变化时同步更新，至少每季度检查一次。第1步中的公司介绍会在这里再次使用。
第5步 — 监测AI回答
每月一次，向ChatGPT、Claude、Perplexity和Gemini提出同一组问题，并记录回答。
- “推荐韩国在这个领域做得好的公司。”— 你的公司是否进入候选名单？
- “（公司名称）是一家什么公司？”— 是否出现与事实不符的描述？
- “比较（公司名称）与（竞争对手）。”— AI依据什么进行比较？
错误回答通常源于官网缺少相关信息，或表达过于模糊。无法直接修改AI，就应补强原始内容。另外，在GA4中查看来自chatgpt.com和perplexity.ai的引荐流量，也能掌握AI带来的访问变化。
三个免费验证工具
使用Google富媒体搜索结果测试（search.google.com/test/rich-results）确认Schema能否识别，使用Schema.org验证器（validator.schema.org）检查语法错误，再通过Search Console查看索引状态。三者都免费。
如果正在委托官网改版，应在报价阶段询问“是否包含结构化数据和llms.txt”。如果服务商连这些项目都不了解，很难期待其提供真正的AI搜索优化。
7. 结论与检查清单
官网多了一类读者：人、搜索引擎，以及AI。第三类读者看不到设计，只读取文字和数据，也只能转述它读到的内容。本文所有工作，都是为这位读者做好准备。
最终检查清单
- 统一公司介绍：描述公司的同一句话是否在官网与所有外部渠道保持一致？
- Schema标记：Organization和Service是否以JSON-LD实施，并通过富媒体搜索结果测试？
- 结构化FAQ：是否有基于真实客户问题的FAQ，并关联FAQPage Schema？
- llms.txt：是否发布在域名根目录，并反映当前服务内容？
- 爬虫策略：robots.txt是否允许OAI-SearchBot等AI搜索爬虫？
- 监测机制：是否每月向主流AI询问公司信息并记录回答？
如果六项都还没有完成，也不必意外。韩国大多数企业官网都处于同样状态。换个角度看，率先准备好的公司可以在一段时间内占据该领域的AI回答。请在竞争对手读到这篇文章之前开始行动。