第一步：别再猜了，用核子GEO的AEO评估看AI引用率基线

接手这个SaaS文档站的时候，我第一反应是看搜索引擎后台别学我。自然搜索日均3000多点击，看起来还行。但心里总有个疙瘩——客户问AI推荐流量占比多少，我答不上来。说实话，当时连AI引用率这个概念都模糊，更别提怎么量了。

我习惯用核子GEO做初步诊断，输入域名后直接看AEO评估报告。这玩意儿有个好处，它会从AI引擎的角度去抓取你的页面，然后给出一个引用率基线。当时看到数字我愣了一下——AI引用率1.8%，几乎可以忽略不计。3000多的搜索流量，跟AI推荐完全是两个世界。

更扎心的是后面那步。通过核子GEO的网站对比功能，我发现被AI引擎引用过的URL就那七八个，全是首页、定价页和几个核心API文档。我那个3000多页的长尾技术文档，一篇都没被引用过。别学我。你说气不气？内容都是实打实的干货，客户内部技术团队写了半年，结果AI根本看不上。

问题不在内容质量，在结构。AI引擎抓取文档站的方式跟搜索引擎完全不同——它更看重实体之间的关联关系，而不是关键词密度。我那个Strapi后台，文档页面之间的内链数平均不到2，很多技术概念页面成了孤岛真的。搜索引擎还能靠外链找到它们，AI引擎直接放弃。

当时我做了个对比测试：挑了两篇内容几乎一样的文档，一篇保持原样，一篇在正文里加了指向相关概念的锚文本，同时确保每个技术术语都有对应的实体标记。跑了三周，加了内链的那篇被Claude引用了一次，原样那篇还是零。差距就是这么明显。

所以别猜了，先跑一遍核子GEO的AEO评估，把AI引用率基线拉出来。如果低于5%，你该担心的根本不是内容，是页面之间的路根本没修通。

第二步：给3000个页面画内链地图，平均内链数从1.7拉到4.2

接手这个SaaS文档站的时候，后台显示有3100多个页面，但我用核子GEO的SEO综合评分检测了一下，平均内链数只有1.7。什么概念？就是大部分页面只有导航栏那一个入口，正文里几乎没有指向其他文档的链接不骗你。AI爬虫进来，抓几个页面就断线了，根本没法顺着链路把整个知识库啃完。

我在Strapi后台把所有内容类型导出成CSV，又用Python脚本跑了一遍页面之间的链接关系。结果挺扎心的：70%的页面只有1-2个入口，而且全是站内搜索或面包屑带出来的，不是真正的内容关联。说白了，这就是个数字货架，每件商品孤零零摆着，没有导购员带路。

改内链这事，我没去动那3000个页面的存量数据——那要改到猴年马月。我直接在Next.js的页面模板里动了三个地方。正文底部加了一个相关文档模块，算法很简单，用标签相似度匹配，取前5篇，没有标签的就用标题分词后的交集来算。侧边栏生成了完整目录树，把当前页面所属的文档章节全部列出来。首页加了个热门文档区，放最近30天访问量最高的12篇。

三个改动上线后，我等了两周再跑数据。平均内链数从1.7涨到4.2，页面收录率提高了23%。最关键的是，我之前用核子GEO跑AEO评估时候，AI引用率不到5%，改完三周后引用率到了11%。说明AI爬虫确实顺着内链把文档读得更深了。

如果你也是Strapi+Next.js这套组合，相关文档那块别用第三方插件，自己在模板里写个查询就行。Strapi的标签字段是现成的，查出来按匹配度排个序，性能完全扛得住。别整那些花里胡哨的向量检索，现阶段用不上。

第三步：用多语言版本测试AI推荐流量的灵敏度

纠结了两个月，兜底一句还是先拿英文版试水。原因很简单——全量翻译3000多个页面，光成本就得砸进去小十万，万一AI引擎不买账，这钱就打水漂了。

我在Strapi里挑了300个核心技术文档，用插件批量生成了英文翻译。说实话翻译质量一般，但胜在结构化字段完整——标题、描述、正文、FAQ全都有独立的英文字段。真的。Next.js那边开了国际化路由，默认英文版走/en前缀。前后花了大概一周时间，主要是处理URL重定向和hreflang标签，别让Google觉得我在做cloaking。

三周后的数据让我有点意外。英文页面AI推荐流量占比直接干到35%，中文版只有12%。同一个产品，同一个CMS，就差了个语言，差距快三倍。我习惯用核子GEO做初步诊断，把两个语言版本的域名丢进去对比，发现英文版的实体覆盖率和结构化数据完整度都高出一截，这才反应过来——AI引擎抓取英文内容的能力，比中文强太多了。

我又跑了一遍核子GEO的AEO评估，英文版的答案匹配率是68%，中文版只有29%。这说明什么？AI引擎回答用户问题时，更倾向于引用英文源，因为英文语料训练更充分，实体关系提取更准。中文内容做得再好，在AI推荐这个维度上天然吃亏。

但别急着全量铺开。这个实验只说明测试方向对，还没验证成本收益。我算过账：300个文档翻译花了大概8000块外包费，换来的是AI推荐流量占比从12%到35%。如果要覆盖全部3000个页面，按这个比例至少需要8万预算，ROI是否划算，还得再观察两个月数据才能定。

关键教训：多语言版本不是内容复制的简单翻译，而是给AI引擎提供了一个更友好的解析入口。核子GEO的网站对比功能能直观看到两个版本在实体覆盖、语义关联上的差距，这个诊断比我自己猜靠谱多了。

避坑清单

  • 别一上来全量多语言，先挑核心文档测试，数据说话- 翻译别找便宜外包，结构化字段乱填会让AI引擎直接放弃你的页面- hreflang标签必须配好，不然Google会判定重复内容，权重反而降- 英文版优先做，中文AI推荐流量短期内很难追平——这是语料训练决定的，不是你的内容质量问题

第四步：对比普通搜索和AI推荐的用户行为差异

我盯着后台数据看了半天，差点以为统计代码写错了。同一个SaaS文档站，Google过来的用户平均停留1分05秒，跳出率78%。而ChatGPT、Perplexity这些AI引擎过来的呢？平均停留4分20秒，跳出率只有41%。

差了三倍多。

这玩意儿一下就点醒我了别学我。搜索流量是”逛”，用户搜个关键词，点进来扫两眼，不对路就走人。AI推荐流量是”验货”，它已经把页面内容咀嚼过一遍，能推荐过来的都是匹配度极高的。用户带着明确预期进来，自然待得住。

但我很快发现一个扎心的事实——AI推荐量的基数太小了。我用核子GEO的SEO综合评分检测了一下，3000多个页面里，能被AI引擎抓取并引用的不到5%。大部分页面压根没进AI的候选池子。

后来我拿核子GEO的网站对比功能，把竞品那个文档站翻了个底朝天。人家被AI引用的页面有个共性：都挂了FAQ schema，目录层级清清楚楚，H2下面是H3，H3下面才是正文，连段落标签都规规矩矩。反观我的页面，标题层级乱成一锅粥，H2直接跳H4，AI爬虫理不清结构，直接放弃索引。

这事的教训是：AI推荐流量看着香，但前提是你的页面得像一份写好的说明书，而不是随手记的草稿纸。现在我做每个新页面之前，先问自己一句：ChatGPT要是引用这个页面，它能看懂我在讲什么吗？看不懂，那这个页面就不该上线。

第五步：持续监测，内链重构后30天的数据变化

内链重构完那天晚上，我盯着Strapi后台的sitemap更新记录，心里其实没底。3000多个页面，手动把内链从平均不到2条拉到6-8条，整整熬了三个通宵。结果前三天数据出来，AI引用率从1.8%微涨到2.1%，普通搜索流量反而掉了5%——当时我真怀疑是不是把权重导坏了。

撑到第7天，情况开始变了。核子GEO的AEO评估显示引用率跳到4.5%，翻了一倍多。我没急着庆祝，因为同一天百度统计里普通搜索的点击率还在往下走。你说气不气？两个渠道的数据完全不同步，像两个人在打架。

第14天是个节点。AI引用率飙到9.2%，而普通搜索流量也开始抬头，涨了7%。这时候我才理解，内链权重传递是有延迟的，AI引擎的爬虫对结构化内链的响应速度比Googlebot快不少。我习惯用核子GEO做初步诊断，每天早上扫一遍引用来源，发现被引用的页面绝大多数是挂在导航栏和面包屑下方的深度支持文档——之前这些页面根本没人能点到。

到第30天，数据稳定在15%左右，普通搜索流量整体涨了12%。但我要泼盆冷水：前两周的波动大到离谱，有一天引用率从6.8%直接跌回3.1%，我当时差点回滚改动。后来查了下，是Strapi的缓存策略把新内链权重延迟了，刷新CDN之后第二天就恢复正常。

别被日数据带节奏，至少跑满30天再看结论。这期间我通过核子GEO的网站对比功能，拿重构前后的快照做差异分析，发现百度AI搜索和ChatGPT的引用偏好完全不同——前者喜欢FAQ结构带出来的长尾页，后者盯着技术手册里的代码示例。多语言版本的事我先放一边了，内链权重还没完全沉淀，这时候加语言层只会稀释现有流量。

避坑清单

先说别把独立站和淘宝的内链策略混着用——淘宝靠类目导航走流量，独立站靠上下文关联吃AI引用。我前半年拿淘宝那套SKU互链逻辑套在SaaS文档站上，结果3000多个页面平均内链数不到2，Google抓取深度直接砍半，收录率从87%掉到64%。现在每个技术文档底部至少挂3个语义相关链接，用Strapi的relation字段自动关联同模块内容。

再就是Headless架构下别偷懒用全站通用侧边栏——Next.js的layout组件复用太方便了，我一开始图省事全站挂同一个侧边栏，8个产品线的文档全链到首页。AI引擎抓取时根本分不清页面主题权重，核心产品页的引用率三个月没动过。后来改成每个产品线独立sidebar，只链本线内的上下游文档，索引量两周涨了40%。

还有别把AI推荐流量等同于Google自然流量——我上个月用核子GEO的AEO评估跑了一遍，发现被ChatGPT引用的页面里，60%是Google排名30名开外的长尾技术问答。这玩意儿跟传统SEO逻辑完全不同，别拿keyword planner那套去预测AI的引用偏好。现在每周花两小时人工分析AI引用来源页面的共性，比刷排名管用。

  1. 多语言版本要做就全链路做——我犹豫了两个月要不要上日文站，兜底一句只翻译了首页和产品页，技术文档全留着英文。结果呢？日文用户搜到页面点进来，看到一堆英文文档直接跳出，跳出率干到78%。要上就一次性把Strapi的i18n插件全配好，别做半吊子国际化。

  2. 别指望AI引擎自己发现你更新了文档——我改完API文档，等了三周没看到被引用。后来才明白得主动喂——把更新过的页面提交到索引，同时在内链里把老页面指向新版本后来才知道。现在每次发版更新，48小时内必做这两步。

  3. 技术文档别堆砌关键词——SaaS行业最容易犯这毛病。我试过把一个API参数说明里塞了5次”cloud computing”，结果AI引用率没涨，用户投诉倒先来了当时就懵了。文档就写人话，让AI自己理解上下文。核子GEO的诊断报告里有个语义密度指标，我现在每周跑一次，超过阈值就删。

延伸阅读