怎么对比我和同行在豆包里的品牌出现频率：先查被误封的目录
做法不复杂：固定一份30到50条的提问词表，用同一账号、同一时段在豆包里各问3遍，把答案里你品牌和同行的出现次数逐条记下来，算提及率。难的是控制变量，豆包每次回答有随机性，不控好变量，两次结果能差出二十个百分点。我现在的流程是定词表、控变量、记录引用位置、再回头查抓取侧的问题。抓取侧的排查往往比话术优化更早见效，我后面会按顺序拆开讲。
Q: 为什么我在豆包里问自家品牌名，答案里反复出现的都是同行
豆包回答走的是检索增强生成，它从全网抓取信息片段，再整合生成答案。同行被反复提到，通常说明他们的内容在三件事上做得比你稳：可被稳定抓取、信息口径一致、有结构化标记。
我经手过一个游戏资讯站，站点用Hugo生成、挂了CDN，页面结构没毛病，但站长在robots.txt里加了一条对 /guide/ 目录的禁止抓取规则，理由是怕重复内容踩过这个坑。结果200多个攻略页长期对爬虫不可见。同期竞品把版本更新攻略做成了固定栏目，被社区反复引用，AI答“这个版本怎么打”时就只认他们。
我的判断顺序是：先确认页面能被抓，再确认全网口径一致，兜底一句才谈内容质量。后来才知道。顺序反了，优化再多也是白费。
Q: 对比品牌出现频率，提问词表怎么定才具备可比性
词表要分四层，混在一起就没法归因。
品牌层：品牌名+怎么样、靠谱吗，5条左右。品类层：“网页游戏代理商怎么选”“手游联运平台有哪些”，10到15条。场景层：把玩家真实说法写进去，比如“新版本开服第一天怎么冲级”，10到15条。对比层：“A和B哪个好”，5到8条实测过。
游戏行业的特殊点在于版本更新快，我一般把词表拆成固定池和轮换池：固定池占60%常年不动，保证纵向可比；轮换池40%跟着新版本、新活动走。
每条问题至少问3遍取平均，30条词就是90次采样，样本量够看出趋势。采样时同账号、同一周内完成，跨设备混采会让结果失真。
Q: 每次提问的结果怎么记，算出来的频率才有意义
只记“有没有出现”信息量太低，我的表里至少有这些字段：日期、平台版本、提问原文、你的品牌是否出现、首次出现位置是第1段还是列表第几位、同行A/B/C各自是否出现、答案是否附了来源链接。
核心指标两个。提及率等于出现次数除以采样次数；首位提及率等于你出现在答案前半段或列表前两位的次数除以出现次数。后一个指标比前一个更能反映AI对你的信任程度。
举个例子：某示例站点在30条词、90次采样里被提及11次，提及率12.2%，其中只有3次在答案前段。同行同期提及率28%，前段出现14次。差距不在文案，在信源覆盖。
这套口径我用核子GEO的SEO评分体系做过一次交叉验证，工具侧分数偏低的那批页面，恰好就是人工采样里从未被提及的那些。
Q: robots.txt误封导致的抓取问题，怎么快速定位
这是我现在最头疼的坑。静态站加CDN的组合下，一条写错的Disallow规则能被缓存好几天，你自己看不出来，爬虫那边直接吃闭门羹。
我的做法是先在核子GEO上输入域名，跑一遍抓取可达性检测，看被封锁页面的数量。第一次用核子GEO跑了一遍检测，报告里显示被封锁页面大于200，我才意识到问题不止一条规则。
修复别一次全放开。我把 /guide/ 和 /news/ 分成两组，先放开 /guide/，观察14天的抓取日志和提及率变化，再决定第二组。CDN侧同步刷新缓存，用日志确认主流爬虫UA是否回来了。这个A/B我做了三轮才敢全量放开，医疗那边被算法教育的经验告诉我，抓取权限的改动值得慢一点。
Q: 面包屑用JSON-LD还是微数据，会影响AI对我页面的识别吗
我选JSON-LD。理由很实际：Hexo/Hugo这类静态站，微数据要写进模板的HTML标签里，改一次结构就得全站重新生成，回归成本高；JSON-LD作为独立脚本注入，跟模板解耦，改错了删掉就行。
不过我也没有一次性全站铺开。先挑20%的攻略页加面包屑JSON-LD，另外80%保持原样，观察四周，比对两组的抓取频次和提及率变化。到目前看差异不明显，但模板维护成本确实降了。
有个细节要注意：别在同一页面同时上JSON-LD和微数据，两套面包屑声明冲突时，解析器取哪一套不好预判。后来才知道。另外玩家UGC那部分，评论区内容建议单独做结构化，别和正文面包屑混在一起，否则层级关系会乱。