先给结论：现在值得投入的不是「让 AI 帮你把货卖了」，而是「让 AI 读得到你、并且转述对」。前者 OpenAI 已经试过一轮又退回来了；后者才是眼下唯一能靠自己改变的一层。
我拿作者所在团队的站做了一轮实测，最难看的一条是：问 AI「这个产品的套餐多少钱」，它回答「没有找到这个产品，你是不是记错了名字」，然后转头推荐了别家。
下面是完整过程——海外的大盘数据、国内 23 个站的实测、我自己站的踩坑记录，以及两条你可以直接复制去测自己站的命令。
一、先纠正一个正在流行的说法：AI 没有变成「交易入口」
最近这个叙事传得很广：AI 不只告诉你买什么，还要直接替你下单，所以品牌要争的是「AI 的第一推荐位」。
方向没错，但有三个事实通常被漏掉，它们合起来是相反的结论：
| 事实 | 出处 |
|---|---|
| OpenAI 2026-03-04 撤回了 ChatGPT 内的 Instant Checkout，转向「在 AI 里发现、回商家站上成交」 | 上线于 2025-09-29，存活约五个月 |
| Walmart 实测：在 ChatGPT 里直接结账的转化，比跳回 walmart.com 差约 3 倍 | 撤回相关报道 |
| Shopify 数百万商家中，真正上线该功能的只有 约十几家 | Shopify 总裁 Harley Finkelstein |
Google 那边同样在推 UCP（2026-01-11 NRF 发布，Shopify、Etsy、Wayfair、Target、Walmart 共同开发）和 Universal Cart（2026-05-20），协议层确实在往前走。但商家侧的真实选择已经很清楚：
AI 不是新的收银台，它是新的筛选层。成交仍然发生在你自己的网站上。
这对普通企业其实是好消息——你不需要去争一个还没成型的结账入口，你要解决的是一个更朴素的问题：当 AI 替用户筛选的时候，它读不读得到你。
二、但 AI 送来的人确实更值钱，这是值得做这件事的理由
Adobe Analytics 2026 年 7 月的数据，对照组是非 AI 来源的流量：
| 指标 | AI 引荐流量 vs 其他流量 |
|---|---|
| 转化率 | 高 60%（已连续 11 个月跑赢） |
| 单次访问收入 | 高 53% |
| 站内停留时间 | 多 59% |
| 加购率 | 多 28% |
| 跳出率 | 低 33% |
更值得看的是这条曲线，它说明这是趋势不是快照：
| 时间 | AI 流量的转化率 vs 非 AI 流量 |
|---|---|
| 2025 年 1 月 | 低 49% |
| 2025 年 7 月 | 低 23% |
| 2026 年 3 月 | 高 42% |
| 2026 年 7 月 | 高 60% |
一年半时间，从最差的渠道翻成了最好的渠道。原因不难理解：用户在 AI 那儿已经把预算、场景、偏好说了一遍，AI 又替他筛过一轮——点进你网站的那个人，是被预先筛选过的。
⚠️ 口径要说清楚：这是美国零售业的数据，样本是 Adobe 自家分析平台覆盖的美国零售站（超 1 万亿次访问），且 Adobe 同期在推自家的可见度产品，属于厂商自述数据，绝对转化率数值没有公开。国内环境不同，不要直接换算。放在这里是看方向，不是拿来当中国市场的承诺。
三、所以真正的问题变成了：AI 读不读得到你
同一份 Adobe 报告里还有一个数字，很少被转述，但我认为它比上面所有转化率都重要：
2026 年 7 月，美国零售商首页的 LLM 可见度平均只有 61%——即 39% 的首页内容，机器读不了。
分品类：服装 76%、电子 70%、化妆品 68%、运动用品 67%、家具家居 64%、综合百货 63%、食品杂货 59%。
连投入最重的美国零售业都有近四成不达标。国内什么情况？我用自己写的体检脚本跑了 23 个真实站点（国外 12 个开发者工具站 + 国内 11 个）：
| 国外 12 站 | 国内 11 站 | |
|---|---|---|
| 平均分（10 分制） | 8.5 | 6.2 |
无 llms.txt |
0% | 63.6% |
| 无 JSON-LD 结构化数据 | 50% | 72.7% |
| 关键页面是 CSR 空壳 | 8.3% | 36.4% |
| 首页服务端正文 < 600 字符 | 0% | 27.3% |
最极端的一个案例：某头部 AI 办公平台的首页，在不执行 JavaScript 的情况下，服务端只吐出 43 个字符——就是标题栏那一行。浏览器里打开一切正常，功能介绍、案例、定价全都在，但那些内容是 JS 渲染出来的。
这个数字我 8 月 20 日测过一次，8 月 29 日又测了一次，还是 43 个字符。不是抓取时机的问题。
对着这个站，AI 能拿到的全部信息就是那一行标题。它当然不会推荐你——它根本不知道你是干什么的。
这里有个特别容易踩的坑：很多人以为加了 JSON-LD 就够了。但主流 AI 抓取工具提取正文时会直接丢弃
<script>标签，JSON-LD 恰恰在里面。正确做法是结构化数据和服务端纯文本两者都给，不能二选一。
四、我拿自己的站测了一遍，结果比预想的难看
讲别人容易，讲自己才有说服力。我们团队自己的站，技术层做得不算差——robots.txt、sitemap.xml、llms.txt、llms-full.txt、JSON-LD 全都有，首页也是服务端渲染。
按上面那套体检标准，它接近满分。
然后我用带联网检索的模型跑了一轮品牌问句，结果是这样：
| 问句 | 引用到自家域名的信源 | 同名产品占位 | AI 实际在讲谁 |
|---|---|---|---|
| 这是什么服务？ | 2 / 10 | 4 | 讲对了，但混着同名产品一起讲 |
| 靠谱吗，值得买吗？ | 4 / 38 | 7 | 讲对了，但触发了「可靠性风险」框架 |
| 这个网站是做什么的？ | 0 / 18 | 7 | 「我没有找到与这个网站直接相关的信息」 |
| 套餐多少钱？ | 0 / 17 | 0 | 「没有找到这个产品」，反问是不是记错了名字 |
最后两条是购买意向最强的问句——直接报域名问、直接问价格。而 AI 的回答是「没这个产品」，接着推荐了别家的套餐。
原因查出来了：至少三个同名实体在抢这个名字（一个 GitHub 开源插件、一个国外同名 SaaS、还有一个 VS Code 插件），而且它们已经被各类 AI 工具目录站收录了，我们不在里面。AI 认识一个产品，靠的正是这类被反复引用的第三方页面。
还有一个分裂现象值得单独记：中文检索认得出我们，英文偏向的检索完全认不出。 国内主流大模型的联网检索能答出我们的域名、环境变量配置、计费方式；而偏英文信源的检索里，我们被同名产品完全覆盖。别只用一个模型下结论。
技术分接近满分，商业问句上却是 0——这两件事是分开的。技术合规只是让 AI 能读到你，能不能被它选中、被正确转述，是另一层问题。
五、两条命令，你可以现在就测自己的站
不需要任何工具，curl 就够。
1. 看 AI 抓取器眼里你的首页有多少字
cat > /tmp/visible_text.py <<'EOF'
import sys, re
h = sys.stdin.read()
h = re.sub(r'(?is)<(script|style|noscript|template)[^>]*>.*?</\1>', ' ', h)
t = re.sub(r'(?s)<[^>]+>', ' ', h)
t = re.sub(r'\s+', ' ', t).strip()
print(f"可见文本 {len(t)} 字符")
print(t[:200])
EOF
curl -sL --max-time 20 https://你的域名 | python3 /tmp/visible_text.py
它模拟的是「不执行 JavaScript」的情况，也就是大部分 AI 抓取工具看到的样子。
怎么看结果：
| 字符数 | 判断 |
|---|---|
| < 200 | 🔴 基本等于白纸，AI 只能看到标题 |
| 200 – 600 | 🔴 只有导航和标语，讲不清你是做什么的 |
| 600 – 2000 | 🟡 能认出品类，说不清差异 |
| > 2000 | 🟢 及格线，接下来看内容质量 |
2. 看三个基础文件在不在
for p in /llms.txt /robots.txt /sitemap.xml; do
printf '%-14s %s\n' "$p" \
"$(curl -sL -o /dev/null -w '%{
http_code}' --max-time 15 https://你的域名$p)"
done
200 是有，404 是没有。llms.txt 是给大模型看的站点说明，成本极低——一个纯文本文件，写清楚你是谁、有哪些关键页面。我们抽样的那 12 个国外开发者工具站，覆盖率是 100%；国内 11 个站里有 7 个没有。
3. 最容易被忽略的一步：直接去问 AI
前两条测的是技术层，但第四节已经说明了——技术满分不等于 AI 认识你。所以还要做一件事：
把你的品牌名、域名、「XX 多少钱」「XX 靠谱吗」这几个问句，拿去问几个带联网检索的 AI，把它引用的信源 URL 记下来。
要分开统计两类问句，混在一起测出来的数字是废的：
- 品类问句（「有什么好用的 XX 工具」）——测的是你能不能进候选集
- 品牌问句（「XX 怎么样」）——测的是 AI 认不认识你、有没有讲错
还要单独记幻觉：AI 编造了一个听起来合理但实际不对的描述，这比「没信息」更危险，因为用户会当真。我们实测过一轮，品牌认知的幻觉率是 24%，措辞还带「根据该域名的公开信息」这种伪权威表述。
六、测出问题之后，按这个顺序改
- 先让服务端吐出正文。 CSR 空壳是最致命也最好修的——SSR、预渲染、或者给爬虫单独出一份静态 HTML 都行。这一步不做，后面全部无效。
- 结构化数据和纯文本一起给。 JSON-LD 保留（搜索引擎要看），同时把同样的事实——定价、功能、适用场景、常见问题——用可见文本再写一遍。
- 补
llms.txt。 半小时的事，写清楚你是谁、关键页面在哪。 - 去 AI 真正会读的地方留下正确信息。 这一步最费力也最关键：AI 认识一个产品靠的是第三方页面的反复印证，不是你自己官网说了什么。哪些站有效需要实测——把 AI 回答里引用的信源域名统计一遍，那就是你该去的地方。
- 如果品牌名有同名冲突，对外表述一律带域名。 写「产品名（域名）」而不是孤立的品牌名，给 AI 一个能区分的锚点。我们吃过这个亏。
FAQ
Q：这和传统 SEO 是一回事吗？
有重叠但不是一回事。SEO 优化的是排名，AI 场景里没有「第 8 名」这种位置——AI 只给三个结果，进不了那三个等于不存在。而且 AI 会转述你，转述错了比没提到更糟。
Q：我不是电商，也需要做吗？
上面的转化率数据确实来自零售业，但「AI 读不读得到你」这一层跟行业无关。任何有人会问 AI「有没有推荐的 XX」的行业都成立——B2B 服务、软件工具、本地服务都一样。区别只在问句怎么设计。
Q：加了 JSON-LD 是不是就够了？
不够。主流 AI 抓取工具提取正文时会直接丢弃 <script> 标签，JSON-LD 就在里面。必须服务端纯文本也写一份。
Q：多久能看到效果？
不好承诺。技术层（服务端正文、llms.txt）改完，下一次抓取就生效；但「AI 认识你并推荐你」依赖第三方信源的积累，是以月为单位的。我们自己的站到现在也没完全解决，第四节那张表就是当前状态。
Q：伪装成 Googlebot 的 UA 去测，能测出真实情况吗？
不能，而且会误判。现在的 WAF 会做反向 DNS 验证，实测伪装的 UA 反而更容易吃 403。要测「AI 看到什么」，就用普通请求测服务端返回了什么，别在身份上做文章。
以上数据都可以自己复现，两条命令在第五节。
利益披露：作者所在的 Code2AI 属于文中讨论的这类开发者工具服务，第四节那张实测表就是我们自己站的当前状态，实测记录会持续更新。
