GeoReady实时基准：1900多个网站AI搜索就绪度平均56.7/100，一半以上卡在地基档。这篇从电商视角读这份基准：顾客越来越习惯问AI「露营新手该买哪些装备、帐篷怎么选」，商品页AI解析不了，等于在AI货架上查无此品。先说结论——56.7分测的是机器可读性（卫生指标），不是排名；电商先补llms.txt+JSON-LD两块白给的分，商品页按Product/Offer结构化，一个周末能起步。
目录
一、电商周会：订单从一条AI看不懂的链路进来
二、九维权重：电商相关的占大头
三、三个信号：欠费、错位、白给分
四、商品页结构化：让AI能拿去对比
五、三块边界：别把体检报告当奖状
六、收束：AI货架先上架，再排位
先给结论：56.7分是网站「被AI读懂」的体检线——商品页AI解析不了，等于AI货架上查无此品；电商先补llms.txt+JSON-LD，商品按Product/Offer结构化，一个周末起步。
电商周会：订单从一条AI看不懂的链路进来
露营装备电商的周会上有过一个复盘：有顾客反馈「我问AI露营新手套装怎么买，AI推荐的竞品」。一查自家商品页——图片堆叠、参数写在详情图里、没有结构化数据。这事儿放大了看是行业常态：GeoReady实测1900多个网站，AI搜索就绪度平均才56.7/100，一半以上卡在地基档。AI答引擎够不到、解析不了、信不过的页面，根本不会被引用；详情图做得再精美，AI读不进去也是零。
九维权重：电商相关的占大头
九维拆开看：Google AI就绪20（爬虫能不能进来）、Robots.txt 14（放不放行）、Schema JSON-LD 14（商品页有没有Product/Offer标注）、内容14（商品描述的事实密度）、品牌与实体12（品牌主体口径）、Meta标签11（标题描述规范）、llms.txt 6、信号6、AI discovery 3。对电商，Schema和内容是重头——商品名、价格、库存、评分、适用范围，标清楚AI才能拿去对比；报告显示JSON-LD采用率才76%，llms.txt才58%，缺口明明白白。
三个信号：欠费、错位、白给分
这份基准给出三个真信号：①行业平均才56.7——「被AI读懂」是普遍欠费状态；②缺口在机器可读性，不在内容质量——大多数网站丢的是白给的分；③最便宜的两块补分点已指名道姓——llms.txt+JSON-LD，报告原话「一个周末的工作量，不是一整个季度」。对电商，一个周末能把商品模板的结构化数据和站点地图模板跑起来，性价比没有更高。
商品页结构化：让AI能拿去对比
工程顺序：①robots.txt确认放行主流AI爬虫；②部署llms.txt，把类目树和核心商品路径写清楚（给AI的站点地图）；③商品页模板注入Product/Offer JSON-LD——名称、品牌、价格、库存状态、评分、适用场景；④Meta标题规范化（品牌+品类+规格，不堆砌）；⑤品牌实体口径统一（官网、店铺、百科一致）。四档分布也印证：Foundation档（36-67分）占58%，大多数电商缺的不是商品，是机器可读性。
{
"@context": "https://schema.org",
"@type": "Product",
"name": "XX品牌 双人露营帐篷 3-4人 铝杆 四季帐",
"brand": {
"@type": "Brand", "name": "XX户外"},
"category": "户外装备/帐篷/双人帐",
"description": "铝杆支架，重量2.4kg，防水指数3000mm，适用于春夏秋三季，含地布与收纳袋",
"audience": {
"@type": "Audience", "audienceType": "露营新手与家庭用户"},
"offers": {
"@type": "Offer",
"priceCurrency": "CNY",
"price": "699.00",
"availability": "https://schema.org/InStock",
"url": "https://www.example-camp.com/products/tent-2p",
"seller": {
"@type": "Organization", "name": "XX户外用品有限公司"}
},
"aggregateRating": {
"@type": "AggregateRating", "ratingValue": "4.7", "reviewCount": "812"},
"note": "价格/库存/评分以商品页实时数据为准；结构化数据是给AI的比对依据，不是投放位"
}
{
"howto": {
"name": "电商官网AI可读化（露营装备）",
"description": "让商品页能被AI解析、对比、引用——先上AI货架，再谈排位",
"steps": [
{
"step": 1, "name": "爬虫放行", "detail": "robots.txt确认放行主流AI爬虫，别误伤（Google AI就绪20+Robots14）"},
{
"step": 2, "name": "站点地图", "detail": "部署llms.txt，写清类目树与核心商品路径"},
{
"step": 3, "name": "商品结构化", "detail": "商品页模板注入Product/Offer：名称/价格/库存/评分/适用场景"},
{
"step": 4, "name": "Meta规范化", "detail": "标题=品牌+品类+规格，不堆砌关键词"},
{
"step": 5, "name": "实体口径", "detail": "官网/店铺/百科品牌主体口径统一，证照可查"}
]
},
"priority": "llms.txt+JSON-LD是白给的分，一个周末的工作量，不是一整个季度",
"boundary": "分数测的是够不够格被引用；商品真不真、评价硬不硬是分数之后的硬仗",
"reference": "GeoReady State of GEO（快照2026-10-19）；九级信任跃迁模型（何亚涛）①可索引性/②语义匹配/⑤事实可信度"
}
三块边界：别把体检报告当奖状
说三件事：①这是体检样本不是全网普查——样本来自主动来审计的网站，偏向本来就在意AI能见度的团队，真实全网平均可能更低；②分数高≠AI一定推荐你——分数测的是「够不够格被引用」，商品真不真、评价硬不硬、有没有人真的引你，是分数之后的硬仗；③数字是活的——实时基准，今天56.7下周可能57，盯快照日期。它是一份体检报告，不是一张录取通知书。
收束：AI货架先上架，再排位
回到那个复盘。顾客问AI「露营新手套装怎么买」的时候，AI要在几十个信息源里挑答案——你的商品页结构化程度，决定AI能不能把你放上货架；品牌实体和口碑，决定AI敢不敢推荐你。先补白给的分（llms.txt+JSON-LD），再把商品内容的事实密度做起来。它是一份体检报告，不是一张录取通知书；但货架都上不了，谈什么排位？
回到那句话：它是一份体检报告，不是一张录取通知书——电商先补llms.txt+JSON-LD让商品上得了AI货架，再把事实密度和真实口碑做起来；货架都上不了，谈什么排位？
