实践练习：GEO 技术配置与基线测试

第 5 周 · 动手环节

练习目标

本周的实践分两部分：

1. 技术配置：把 GEO 的技术基础部署到位
2. 基线测试：摸清你在 AI 搜索中的现状

预计时间：3-4 小时

Part 1：GEO 技术配置

练习 1：创建 llms.txt

为你的网站（或计划中的网站）创建一个 llms.txt 文件。

步骤：

1. 列出你网站上最重要的 10-20 个页面
2. 按主题或内容类型分组
3. 为每个链接写一句描述
4. 按照以下格式组织：

# [你的网站名称]

> [一句话描述你的网站]

## [分类1]

- [页面标题](URL): 简短描述
- [页面标题](URL): 简短描述

## [分类2]

- [页面标题](URL): 简短描述

## 关于

- [关于作者](URL): 作者背景和专业领域

5. 保存为 llms.txt，部署到网站根目录

如果你还没有网站：先在本地创建这个文件，等建站时部署。把它当作你的"内容规划图"。

提交物

[ ] llms.txt 文件内容
[ ] 包含的页面数量：[x]
[ ] 分了几个类别：[x]
[ ] 每个链接都有描述：[是/否]

练习 2：检查/更新 robots.txt

如果你有网站，检查 robots.txt 的 AI 爬虫配置。

检查清单：

[ ] robots.txt 存在
[ ] GPTBot: Allow
[ ] OAI-SearchBot: Allow
[ ] PerplexityBot: Allow
[ ] ClaudeBot: Allow
[ ] Google-Extended: Allow
[ ] Sitemap 地址已声明
[ ] 没有意外屏蔽重要内容

如果需要更新，修改 robots.txt 并重新部署。

练习 3：验证 Schema 配置

检查你在第 4 周添加的 Schema 是否正确。

步骤：

1. 打开 Google Rich Results Test
2. 测试你的 3 个关键页面
3. 记录结果：

| 页面 | Schema 类型 | 状态 | 错误/警告 |
|------|------------|------|----------|
| [URL] | [Article/FAQPage/...] | ✅/❌ | [列出] |
| [URL] | ... | ... | ... |
| [URL] | ... | ... | ... |

如果有错误，修复后重新验证。

Part 2：GEO 基线测试

练习 4：设计测试查询集

为你的话题领域设计 20 个测试查询。

要求：

• 用自然语言（模拟真实用户在 AI 中的提问方式）
• 覆盖 5 种类型（每种 3-4 个）

## 测试查询集

### 品牌相关（3-4个）
1. [查询]
2. [查询]
3. [查询]

### 话题通用（5-6个）
4. [查询]
5. [查询]
...

### 对比/评测（3-4个）
...

### 问题型（3-4个）
...

### 长尾/场景（3-4个）
...

练习 5：执行基线测试

这是本周最重要的练习。

步骤：

1. 对每个查询，分别在三个平台提问：

   • ChatGPT（开联网搜索）
   • Perplexity
   • Google（看 AI Overview）

2. 用以下模板记录每个查询的结果：

## 查询 #[x]: "[查询内容]"
类型：[品牌/通用/对比/问题/长尾]

### ChatGPT
被引用：[是/否]
引用来源：
- [URL1]
- [URL2]
- ...
提到的品牌/竞品：[列出]

### Perplexity
被引用：[是/否]
引用来源：
- [1] [URL] — [来源类型]
- [2] [URL] — [来源类型]
- ...
包含 Reddit 引用：[是/否]

### Google AI Overview
触发 AI Overview：[是/否]
被引用：[是/否]
引用来源：[列出]

3. 完成所有 20 个查询后，填写汇总分析：

## GEO 基线测试汇总报告

### 基本数据
测试日期：[日期]
查询总数：20
涉及平台：ChatGPT / Perplexity / Google AI Overview

### 可见度
| 平台 | 被引用次数 | 引用率 |
|------|-----------|--------|
| ChatGPT | /20 | % |
| Perplexity | /20 | % |
| Google AIO | /20 | % |

### 最常被引用的竞品
| 排名 | 网站 | 总引用次数 |
|------|------|-----------|
| 1 | | |
| 2 | | |
| 3 | | |

### 来源类型分布（Perplexity 数据）
| 类型 | 次数 | 占比 |
|------|------|------|
| 专业媒体 | | |
| Reddit/论坛 | | |
| 品牌官网 | | |
| 个人博客 | | |
| Wikipedia | | |

### 关键发现
1. 
2. 
3. 

### 基于发现的优化方向
1. 
2. 
3. 

提交物清单

技术配置：

• llms.txt 文件
• robots.txt AI 爬虫配置检查记录
• Schema 验证结果

基线测试：

• 20 个测试查询集
• 20 个查询 × 3 个平台的完整记录（60 条记录）
• GEO 基线测试汇总报告

评估标准

重要提示

• 保存好这份基线数据——这是你后续衡量 GEO 优化效果的参照点
• 每月用相同查询集复测一次
• 如果你目前完全不被引用——这很正常，基线测试的价值在于了解竞品和确定方向
• AI 的回答每次可能略有不同——如果某个查询结果差异很大，多测几次取主流结果