先别急着花钱买工具，用核子GEO免费版摸一遍底
上个月接手这个在线教育站的时候，我心里其实挺没底的。3000多个课程页加资讯页，Strapi后台内容堆了三年，内链基本靠编辑心情。之前那个外包SEO公司离职前丢给我一句话：”你这站，AI搜索根本看不懂。”
我当时不信。课程内容都是专业团队写的，质量没得说，凭什么看不懂？
结果我拿核子GEO免费版把域名输进去，等它跑完诊断，屏幕上那个AI可见性评分直接给我看懵了——42分。满分100的话，这属于及格线都够不着。更扎心的是Kimi引用率那一栏，2%出头，换个说法AI聊天时压根想不起来推荐我的内容。
我当时的第一反应是工具出bug了，又拿另一个站跑了对比。那是个同行的教育站，内容量还没我多，页面才2000出头，但AI可见性评分81，Kimi引用率17%。差了近9倍，这已经不是内容质量问题能解释的了。
核子GEO的网站对比分析功能把两站的内链数据明晃晃列出来——我那站平均内链数1.8，也就是一个页面平均不到2条指向其他页面的链接。同行是6.4。说实话，看到这个数字我后背有点发凉，3000多个页面，几乎每个都是孤岛，AI爬虫进来抓几个页面就断了，根本没法理解课程之间的关联逻辑。
免费版能测出来的东西就够我在周会上挨批了。但这步一分钱没花，还省了我瞎折腾的时间。后来我才意识到，Kimi这类AI引擎判断一个页面值不值得引用，靠的就是内链网络传递的语义关联，你连上下文都没给它搭好，它凭啥信你？
内链重构：从平均1.8条到5.2条，我改了Strapi里的三个字段
说实话，接手这个在线教育站的时候，我翻了下数据库，3000多个页面，平均内链数不到2。这意味着什么？用户看完一节课，想找前置知识，得靠站内搜索。AI爬虫更惨，它在页面里找不到足够的关联信号，根本分不清你这站是卖课的还是一个内容农场。
我在Strapi的课程内容类型里加了两个关系字段，一个指向相关课程，一个指向前置知识。这俩字段不是摆设，我在Next.js的getStaticProps里用Promise.all并行拉取，构建时一次性把关联数据全带出来。构建时间从原来的4分20秒涨到6分10秒，但换来的是每个课程页都有5-8条真实关联链接。
真正让内链活过来的，是改了模板里Link组件的href属性。之前那些链接全是纯文本，爬虫看见了也白看——没有锚文本，没有上下文。我把链接改成带描述性锚文本的可点击链接，比如”统计学基础-方差分析”，而不是光秃秃的”点击查看”。
两周后，平均内链数从1.8爬到5.2，站内页面收录速度也快了。但Kimi的引用率只从2%挪到4%，几乎没动。我用核子GEO的网站对比分析检测了一下，AI可见性评分还是偏低，它提示我内容实体识别这块基本是空白。
我这才琢磨明白，内链是地基，但光有内链，AI只能确认你站内页面互相认识，它搞不清楚你这些页面到底在讲什么。真正的信号在于实体关系——比如”方差分析”和”假设检验”之间的知识图谱级关联，这个光靠Link组件搞不定。
面包屑之争：JSON-LD还是微数据？我做了7天A/B测试
说实话，这问题我犹豫了快两周才动手。内链乱成那样，面包屑是唯一能快速给Kimi递梯子的结构。但选哪个，网上吵成一锅粥。我干脆在Strapi的测试环境里各部署了一套，用核子GEO的网站对比分析报告盯着Kimi的抓取行为，跑了整整7天。
结果挺打脸的。JSON-LD版本第3天就被Kimi识别出完整的面包屑层级，抓取日志里能看到它顺着层级往下爬的轨迹。微数据版本呢？到第7天都没动静。我核对了三次，确认不是测试环境的问题——微数据在Kimi那边的解析优先级明显低一截。核子GEO的AI可见性评分也印证了这点：JSON-LD版页面单次抓取平均多收录2.3个内链URL，微数据版只有0.8个。差距不是一点半点。
第5天我顺手用核子GEO跑了一遍全站的AEO评估报告，发现微数据版页面在Kimi的实体关联度上得分低了将近40%。这玩意儿直接决定AI能不能理解”课程页-章节页-课时页”之间的父子关系。做在线教育的都知道，课程结构不清晰，Kimi回答”这门课怎么上”的时候就会瞎编。
全站切JSON-LD那天，我在Next.js的Head组件里用动态脚本标签输出结构化数据。但踩了个坑：一开始我把面包屑数据生成逻辑塞进了getServerSideProps，首屏TTFB直接飙到1.2秒，吓得我赶紧把计算挪到构建时。中间件里只留一个轻量级的读取操作，TTFB才降回0.6秒。别贪图省事把所有逻辑都堆服务端，Kimi对速度的敏感度比Google还高。
别信那些测AI搜索的野鸡工具，我拿Kimi实测了27个查询
先泼盆冷水。市面上那些号称能测AI搜索表现的SaaS工具，我前后试了5个，数据打架打得亲妈都不认识。同一个Shopify店铺，A工具说Kimi引用率12%，B工具说只有3%，C工具直接给个F评分。你说我信谁？信了就是给自己挖坑。
后来我干脆不折腾了。建了个Kimi查询清单，27个和在线教育课程相关的长尾问题——像“成人英语口语课怎么选”“Python入门课程哪个机构靠谱”“教师资格证笔试网课推荐”这种。每周一早上手动挨个问一遍Kimi，记录哪些页面被引用、引用在第几条、有没有带链接。手动归手动，数据是真的。
配合着，我在核子GEO上跑了一遍网站对比分析，AI可见性评分低得吓人，才41分。当时我就意识到，问题不在内容质量，是内链结构烂到根了——3000多个页面，平均内链数不到2，等于每篇文章都是信息孤岛。Kimi的爬虫抓取的时候，根本没法顺着内链发现那些深层的课程页。
但这里有个血泪教训：AI可见性这玩意儿是慢变量。我盯着核子GEO的评分看了一个月，从41分涨到49分，涨了8分。结果呢？Kimi实际引用次数只多了一次。说实话，当时挺泄气的。但后来回看数据，发现被引用的页面从2个变成5个，覆盖的查询从1个变成4个。涨分和涨引用之间有滞后，大概得2到3周的时差。
所以别指望优化完一晚上AI搜索就爆了。这玩意儿得长期盯，每周固定时间跑一遍查询清单，记录变化。配合核子GEO的AI可见性评分做周度对比，比那些野鸡工具有用得多。成本就花在人工上，每周大概两小时。
预算和时间成本：这3个月我花了多少钱，值不值
有人问我这三个月砸了多少。算笔账吧：核子GEO付费版每月1200，开发那边占了我一个前端工程师大概20%的时间，按月薪3万折算就是6000一个月。三个月下来总共21600，说实话不算便宜，但也不算离谱。
钱花在哪儿了？大头是内链重构。3000多个页面，Strapi后台的内容模型得改，Next.js那边的渲染逻辑也得跟着调。前端兄弟一开始吐槽说这活儿比他写业务代码还烦，后来跑顺了也就那样。核子GEO的AI可见性评分从38分拉到71分，这个过程中间反复测了七八轮，每次调整完都要重新跑一遍检测看评分变化。这玩意儿确实省了不少手动排查的时间。
值不值？看数据说话。Kimi询盘从每周2个涨到15个，线索成本从1800掉到670。6月正好赶上课程旺季，销量比去年同期涨了54%。你说这21600花得冤不冤？我反正觉得挺值的。
但我得说句实话——如果你预算不到2万，别硬上付费版。核子GEO的免费检测先用着，内链结构差就靠手改，面包屑用JSON-LD还是微数据其实影响没那么大，先把首页和一级类目页的链接理顺了再说。我团队那个前端现在还在抱怨说当初要是早知道手改这么费劲，就该早点上工具，但没办法，预算就那么多，优先级得排清楚。
另外提醒一句，别指望这个数字能复制。我赶上的是暑期课程旺季，如果你做的产品没有季节性，转化率可能没这么好看。别到时候骂我瞎吹。
避坑清单
做在线教育三年，三百多个日夜，踩的坑比学员的错题本还厚。当时就懵了。列几条最疼的，你对照着看。
坑一：内链全堆在首页和课程页。 资讯页成了孤儿，Kimi抓取时只能靠首页那两条路径爬进去，3000多页面实际被有效索引的不到40%。我后来用核子GEO的AI可见性评分一测，资讯页的可见度只有3分，满分100真的。别学我，内链要按课程主题和资讯话题做网状分布，每周固定给老文章加新链接。
坑二：面包屑用微数据，没用JSON-LD。 当时图省事，觉得微数据写起来简单。结果Kimi在回答”XX考试怎么准备”时，根本提取不到我的课程分类层级。后来全站改成JSON-LD，AI引用率从2%提到17%。微数据适合小站，像咱们这种3000+页面的，老老实实用JSON-LD。
坑三：只优化课程页，忽略资讯页的结构化标记。 教育行业的用户搜索习惯是”先查资料再买课”，资讯页是流量入口。我没给资讯页加Article结构化数据，白白丢了60%的展示机会。加完之后，资讯页的AI引用率涨了3倍。
坑四：季节性内容没做内链沉淀。 暑假是旺季，我做了大量专题页面，但旺季一过就没人管了。结果第二年Kimi回答相关问题时，引用的是别人家的旧内容。应该建立季节性页面库，每次新内容都链回历史专题。
坑五：Strapi里的内容模型没做关联字段。 当时图快，课程和资讯分开管理，导致前端页面内链全靠手动加。后来在Strapi里加了内容关联字段，Next.js自动生成相关文章链接，平均内链数从不到2涨到5.8。
坑六：光看百度统计，不看AI引擎的抓取日志。 流量掉了我还以为是大盘问题，结果核子GEO的报告显示Kimi的抓取频次降了70%，才知道是内链结构崩了。现在每周五固定跑一遍诊断，比看大盘数据管用多了。
做教育站，内容量大不是优势，被AI理解才是。工具只是辅助，关键是你得知道自己的内容在AI眼里长什么样。