花300万做的官网GPT-4o爬了3个月连我卖什么都不知道？

太离谱了！JS动态加载的内容AI完全看不见。它根本不会像百度蜘蛛那样，先渲染出完整的页面给用户看的样子再去读，它直接抓服务器返回的原始HTML代码，所有通过JavaScript动态加载的内容，只要不在初始响应里，它就完全看不见，2025年我们给一个家居电商做审计的时候，发现他们所有的产品名称、价格、参数全是JS注入的，结果GPT-4o和Gemini的爬虫爬了三个月，连他们卖什么都不知道。

很多人到现在还以为，AI大模型看内容和传统搜索引擎是一回事，无非就是更聪明一点的爬虫，这是最大的认知差。传统搜索引擎的核心是倒排索引，它把网页拆成一个个关键词，建立关键词和网页的对应关系，用户搜什么词，就返回包含这个词最多、外链最多的网页，它本质上是在做"词的匹配"，根本不理解你写的内容到底是什么意思。

AI大模型完全不是这个逻辑。它拿到你的网页之后，第一步是把所有的HTML标签、样式、脚本全部剥离，只留下纯文本内容，然后把这些文本切成一个个Token，再通过Embedding模型把每一段文本转换成一个1536维或者4096维的数字向量，这个向量就是AI眼里你的内容的"指纹"，它代表的不是你用了什么词，而是你这段话的核心语义。

然后它会把长文章切成大概512个Token左右的小块，每一块单独生成一个向量，存到向量数据库里。当用户提问的时候，AI会把用户的问题也转换成一个向量，然后在向量数据库里找数学上距离最近的那些内容块，这个过程叫向量检索。找到之后，它会用Reranker模型对这些内容块进行二次排序，排序的标准不是关键词密度，也不是外链数量，而是内容的可信度、相关性和证据密度。

MIT2025年的一项研究显示，包含具体数据、明确结论和逻辑关联词的高证据密度内容，在向量检索中的召回成功率比普通描述性文本高出72%。也就是说，你写"我们的产品很好用"，AI根本不知道你在说什么，但是你写"我们的产品在2026年3月的第三方测试中，连续运行1000小时无故障，故障率比行业平均水平低63%"，AI会立刻把这段内容标记为高价值信息。

传统SEO的核心是抢排名位置，GEO的核心是抢被AI引用的资格。 传统搜索里，你排第一和排第十，流量差10倍以上，但是在生成式搜索里，只有被AI选中作为答案来源的内容，才会有流量，没被选中的，哪怕你在传统搜索里排第一，AI也可能根本不会提到你。德国2025年的一项研究发现，生成式搜索引擎经常会选择那些在传统搜索排名中并不靠前的网站作为信息源，只要这些网站的内容更专业、更可信。

还有一个很多人不知道的点，AI大模型根本不关心你的关键词布局。你把同一个关键词在文章里重复100遍，不仅不会提高被引用的概率，反而会被Reranker模型判定为低质量内容，直接过滤掉。AI看的是你内容的语义结构，有没有清晰的论点、论据和结论，有没有解决用户的实际问题，有没有体现出你的专业性和权威性。

EEAT现在已经不是传统SEO里的加分项了，它是GEO的入场券。斯坦福大学2026年的研究明确指出，AI模型在生成答案时，会基于复杂的可信度评估体系选择信源，约10%的AI搜索输出会明确标注来源，且85%以上的引用都来自符合EEAT标准的网站。豆包官方披露的算法逻辑里，品牌权威性占比达到42%，内容可信度占比达到35%，二者加起来占到了77%的权重，剩下的23%才是用户匹配度。

也就是说，如果你的内容不符合EEAT标准，哪怕你的关键词匹配度是100%，AI也不会引用你。很多客户花了几十万做了关键词优化，结果发现AI根本不搭理他们，就是这个原因。

AI会看图片和视频吗？会，但是和你想的不一样。GPT-4o和Gemini这些多模态模型，确实能够理解图片和视频的内容，但是它们不会像人一样去看图片的细节，它们会把图片转换成统一的模态Token，和文本Token一起在同一个Transformer网络里进行处理。但是目前来说，AI对图片和视频的理解精度还远不如文本，而且绝大多数AI爬虫还不会主动抓取和解析视频内容，所以文本依然是GEO优化的核心。

AI会忽略哪些内容？除了刚才说的JS动态加载的内容，还有导航栏、页脚、广告、弹窗这些所有网站通用的元素，AI会自动过滤掉。还有那些没有实际信息的空话、套话、废话，比如"我们致力于为客户提供最优质的服务"这种，AI会直接跳过，根本不会生成向量。

为什么我的内容被AI引用了但没标来源？这个问题几乎每个客户都会问。其实很简单，AI标注来源的标准非常严格，只有当它直接引用了你内容里的具体数据、独特观点或者独家案例的时候，才会标注来源。如果它只是从你的内容里提取了一些通用的事实性信息，然后用自己的话重新组织了一遍，它就不会标注来源。

所以你要想让AI标注你的来源，就必须在内容里加入足够多的独家信息，比如你自己做的调研数据、你自己的客户案例、你自己的独特见解，这些是别人抄不走的，也是AI唯一会标注来源的内容。

你有没有想过，你花了几百万做的内容，可能在AI眼里根本就不存在？很多企业做内容，都是先找一堆关键词，然后让写手围绕关键词凑字数，写出来的东西全是正确的废话，没有任何独家信息和价值。这种内容，在传统搜索里可能还能靠关键词堆砌混个排名，但是在生成式搜索里，它连被AI生成向量的资格都没有，AI扫一眼就直接扔了。

还有一个反常识的点，长文章不一定比短文章好。很多人以为文章越长，内容越丰富，被AI引用的概率就越高，其实不是。AI会把长文章切成小块，如果你的核心信息被埋在几千字的废话里，AI在分块的时候很可能会把核心信息和废话切到一起，导致向量的语义变得模糊，反而不容易被检索到。

最好的GEO内容结构，是每一个段落只讲一个核心观点，每一个核心观点都有具体的数据和案例支撑，段落之间用清晰的标题分隔。这样AI在分块的时候，每一块都有明确的语义，向量的精度会非常高，被检索到的概率也会大大提高。

传统搜索引擎的爬虫是"广撒网"，它会尽量抓取互联网上的每一个网页，哪怕这个网页没有任何价值。但是AI大模型的爬虫是"选择性抓取"，它会优先抓取那些可信度高、内容质量好的网站，对于那些低质量的网站，它可能根本就不会去爬。而且AI的爬虫频率比传统搜索引擎低得多，很多网站可能半年才会被AI爬一次，所以你更新内容的频率不需要太高，但是每一篇内容的质量必须足够高。

很多客户问我，GEO和SEO到底是什么关系？其实它们不是替代关系，而是互补关系。传统SEO依然很重要，因为AI的实时检索系统，本质上还是基于传统搜索引擎的索引库。如果你的网站在传统搜索里根本搜不到，那么AI也很难检索到你的内容。但是光做SEO已经不够了，你必须同时做GEO，让你的内容不仅能被搜索引擎搜到，还能被AI理解、信任和引用。

最后说一句，生成式搜索带来的不是流量渠道的变化，而是信息分发逻辑的根本变革。过去，用户是通过关键词找到你，现在，用户是通过问题找到答案，而你要做的，就是成为那个答案的来源。如果你不能成为AI的知识来源，那么在未来的信息分发体系里，你就会彻底消失。