我们每天用同一把尺子给客户的站点打分，最近半年做得最多的一件事，是把同一篇文章分别发成中文和越南语。这轮我们把尺子调转过来对准自己：把站点上全部 114 个内容页——也就是 57 对同源双语页面（43 篇双语文章 + 14 份越南产业深度报告，每篇各有中文版与越南语版）——丢进诊断页上给客户用的同一个引擎，然后按「对」逐维度对比：同一篇文章的中文版和越南语版，差在哪、差多少、为什么差。
结论先给：越南语版均分 74.33、中文版均分 73.35，差 0.98 分。但真正值得写下来的不是这 0.98 分，而是差额的来源——8 个维度里有 5 个在两种语言上完全同分（站级配置，改一次两版一起受益），唯一系统性差异在「内容质量」这一维（中文 9.53 / 越南语 10.79），而它的机制不是翻译质量，是分词方式：同一个引擎里，中文因为不写空格被少算 4.14 倍的内容量，越南语因为有声调字母被切成音节、57 个页面全部被误判为「关键词堆砌」各扣 1 分。
一、为什么要把同一篇文章的两个语言版本放在一起比
中越双语是我们自己的业务形态，也是客户的常态：一份中文稿，翻成越南语，两侧都要被 AI 搜索引擎读懂。如果评分器对两种语言的处理方式不一样，那么「把中文稿翻成越南语」这个动作本身就会改变分数——这直接决定我们给双语客户的建议顺序：先改内容、先改配置，还是先改口径。
我们事先有三个假设，事后两个被推翻、一个被确认：①「越南语版分数会低一些」——错，反而平均高 0.98 分；②「差异来自翻译质量」——错，差额集中在「内容质量」这一维，而机制是分词，不是文笔；③「站级配置两版会不一样」——错，5 个维度在两版上完全同分。
二、方法：57 对同源页面、同一把尺子、逐维度可复算
- 对象：2026-09-29 02:08（UTC+8）实测时点上，站点上全部 114 个内容页；列表页、首页、诊断页不计入。114 页正好构成 57 对同源页面——每个 slug 都有中文版与越南语版。
- 尺子：与诊断页（/geo/diagnosis.html）给客户用的完全同一个引擎：8 个维度、满分 100 分（robots 18 / llms.txt 18 / 结构化数据 16 / Meta 14 / 内容质量 12 / 技术信号 6 / AI 发现端点 6 / 品牌实体 10），另有一项负向信号扣分（1 条信号 −1 分、2–3 条 −3 分、4 条以上 −5 分）。引擎基于开源项目 Auriti geo-optimizer-skill（MIT 许可）构建。
- 口径：服务器本机直调 127.0.0.1:8006 审计端点（绕开站点限流），一次运行内跑完全部 114 页，逐页记录总分、8 维度分与负向信号明细（触发项、判定密度、判定词）。同一站点重复测量极差为 0、跨节点 ±1 分（见 09-27 自测那篇）。
- 配对与「站级 / 页级」判定：同 slug 的中文页与越南语页配成一对；若某一维度在全部 114 页上的标准差为 0，即说明它是站级配置（两版必然同分），不是页面本身的差异。
本文出现的每个数字都能从数据集重算：总分 = 8 维度之和 + 负向扣分；维度满分与阈值（正文 300 词门槛、关键词密度 2.5%、扣分 −1/−3/−5）均取自引擎源码 v4.18.0，不是估算。
三、总体结果：差 0.98 分，差额几乎全部来自「内容质量」
| 指标 | 中文版（57 页） | 越南语版（57 页） | 差 |
|---|---|---|---|
| 总分均值 | 73.35 | 74.33 | +0.98 |
| 总分区间 | 71 – 76 | 73 – 75 | — |
| 更优的对数 | 12 对更优 | 26 对更优 | — |
| 内容质量（满分 12） | 9.53 | 10.79 | +1.26 |
| Meta（满分 14） | 9.68 | 9.68 | 0 |
| 品牌实体（满分 10） | 4.95 | 4.86 | −0.09 |
| 负向扣分 −1 的页数 | 43 页 | 57 页 | — |
把每一对的差值拉成分布看得更清楚：+4 分 11 对、+2 分 12 对、+1 分 3 对、完全相同 19 对、−1 分 9 对、−2 分 3 对。也就是说 19 对分数一模一样，46 对差异在 2 分以内；而超出 2 分的 11 对全部是「越南语版更高」，且全部是短中文页（见第五节）。8 个维度里只有「内容质量」出现了系统性差值，其余 7 维要么两版同分，要么差异可以逐页归因（见第七节）。
四、5 个维度两版完全同分：这就是双语站的「站级红利」
| 维度 | 满分 | 中文均值 | 越南语均值 | 差 | 跨 114 页标准差 | 性质 |
|---|---|---|---|---|---|---|
| AI 爬虫访问（robots.txt） | 18 | 15 | 15 | 0 | 0.00 | 站级 |
| llms.txt | 18 | 12 | 12 | 0 | 0.00 | 站级 |
| 结构化数据 | 16 | 13 | 13 | 0 | 0.00 | 站级 |
| 技术信号 | 6 | 4 | 4 | 0 | 0.00 | 站级 |
| AI 发现端点 | 6 | 6 | 6 | 0 | 0.00 | 站级 |
| Meta 标签 | 14 | 9.68 | 9.68 | 0 | 1.17 | 页级（本轮两版同分） |
| 内容质量 | 12 | 9.53 | 10.79 | +1.26 | 1.50 | 页级 |
| 品牌实体 | 10 | 4.95 | 4.86 | −0.09 | 0.30 | 页级 |
这 5 个「站级」维度合计 64 分里的 50 分（78.1%），特点是改一次，中越两版同时受益。最能说明问题的是「AI 发现端点」：4 个固定路径（/.well-known/ai.txt、/ai/summary.json、/ai/faq.json、/ai/service.json）在 57 对页面上全部满分 6/6——这批文件是 09-27 补的，补完后中越两侧 114 页一起 +6 分。
页级只有 36 分可争（Meta 14、内容质量 12、品牌实体 10）。其中 Meta 两版同分 9.68——因为全站 114 页都缺 Open Graph 标签，白丢 4 分/页，这是模板层面的问题，改一次同样两版受益。真正逐页不同的只有「内容质量」和「品牌实体」两项。
五、中文侧：不写空格的中文，内容量被少算 4.14 倍
| 口径 | 中文版均值 | 越南语版均值 | 比值 |
|---|---|---|---|
| 引擎判定「词数」 | 447.5 | 1,853.1 | 4.14 倍 |
| 页面字符数 | 15,068 | 20,234 | 1.34 倍 |
| 其中中文字符数 | 1,957 | （不适用） | — |
| 每个「词」摊到的字符数 | 45.3 | 13.1 | 3.5 倍 |
| 未过「300 词」门槛的页数 | 26 / 57 | 0 / 57 | — |
引擎判断「内容质量」有一档硬门槛：正文词数 ≥300 才计 2 分（引擎源码常量 CONTENT_MIN_WORDS=300）。同一批页面，越南语版平均 1,853.1「词」，中文版只有 447.5「词」——差 4.14 倍；但字符量只差 1.34 倍，中文正文平均含 1,957 个汉字。
后果是具体的：26 个中文页没能过 300 词门槛（越南语 0 页）。这 26 页平均 200.9「词」，但平均含 1,023 个汉字；其中 9 页汉字数超过 1,000，最多的一篇有 1,948 个汉字，只被算成 275「词」。它们因此被扣 2 分，还被负向信号判为「内容太薄」（24 页），并收到「把正文扩充到 300 词以上」的建议——这条建议本身是错的，这些页面并不薄。
换相关性再看：中文页的汉字数与其「内容质量」分相关 r=0.73，「词数」口径 r=0.71——评分实际上在跟着长度走；而越南语侧「词数」与内容分相关只有 r=0.28（长篇已饱和）。结论不是含糊的「内容很重要」，而是可操作的：中文站点要按字符（汉字数）而不是按空格分词来评估内容量。
这不是某一家的怪癖。Unicode 标准附件 #29（UAX #29《Unicode 文本分段》）明确：中文、日文这类表意文字，以及泰文等，不以空格切词，默认词边界规范对它们不足，需要语言特定的分词（词典或统计模型）；「按空白分词」是英文语境的做法。
六、越南语侧：57 个页面全部被一条「只认拉丁字母」的规则扣分
另一个方向的偏差更隐蔽：57 个越南语页 100% 触发负向信号，中文页只有 43/57（另有 13 页干净、1 页中等）。把触发项逐一拆开（下表），越南语页触发的不是别的——全部是「关键词密度过高」这一条。
| 负向信号项 | 中文侧触发页数 | 越南语侧触发页数 |
|---|---|---|
| 正文过薄（<300 词且小标题≥3） | 24 | 0 |
| 关键词密度过高（>2.5%） | 21 | 57 |
| CTA 密度过高 | 0 | 0 |
| 弹窗 / 遮罩信号 | 0 | 0 |
| 空链接（>3 条） | 0 | 0 |
| 样板文本比例过高 | 0 | 0 |
| H1 承诺与正文深度不符 | 0 | 0 |
| 缺作者信号 | 0（两侧均有） | 0（两侧均有） |
再看被判为「关键词」的词（引擎写进了明细）。越南语侧出现最多的是 trong（14 页）、trung（13 页）、dung（4 页）、trang（3 页），判定密度均值 9.9%、最高 24.8%。这些不是关键词，是越南语的音节碎片：trong nước（国内）、trung bình（平均）、doanh nghiệp（企业）被从中间切断。而中文侧同样触发的 21 页里，被判定的词几乎都是拉丁词（google 5 页、robots 2 页，sitemap / cellphones / masan / sailun / query / json 各 1 页）——也就是说中文页只有在夹了英文词时才会被这条规则碰到。
机制在引擎源码里读得到：密度检测的正则是 [a-zA-ZÀ-ÿ]{4,}，阈值 2.5%。而这个字符区间只覆盖 ASCII 与「拉丁字母补充区」（U+00C0–U+00FF）；越南语的声调字母几乎全部落在「拉丁扩展附加区」（ồ U+1ED3、ệ U+1EC7、đ U+0111、ư U+01B0、ợ U+1EE3、ế U+1EBF 都不在其中）。于是带声调的越南语词在正则眼里被从声调处切断，剩下的音节被当成独立「词」反复计数，最高频那个的密度轻松越线——一条本该防作弊的规则，在越南语上变成了稳定的扣分项。
同一条规则还有另一面：中文完全不落在拉丁正则里，这条检测对中文根本不生效——引擎源码的注释自己也写着「the word regex below is Latin-only, so CJK pages get no stuffing detection yet」。所以一条规则造出两种偏差：对越南语假阳性（57/57 各扣 1 分）、对中文漏检。
七、12 对里越南语版更低：只有两种原因
26 对越南语更高、19 对持平之外，还剩 12 对是越南语版更低。逐对归因之后，原因只有两个，而且都不是「内容写得差」：
| 原因 | 对数 | 说明 | 代表页面 |
|---|---|---|---|
| 负向信号误判 | 8 对 | 8 个维度分完全相同，只差越南语侧多扣的 1 分（关键词密度误判） | ai-citation-mechanism、ai-platform-updates-h2-2026、china-ai-search-platforms-2026、vietnam-ai-search-2026、02-manufacturing-2026、12-seafood-2026、13-rubber-tyre-2026、14-coffee-pepper-2026 |
| 实体一致性 + 误判 | 3 对 | 越南语页「品牌实体」少 1 分（JSON-LD 描述与 meta description 不一致），再叠 1 分误判 | 04-logistics-2026、05-finance-2026、06-mining-2026 |
| 只差实体一致性 | 1 对 | 同上，但没有扣分差异 | 08-textile-2026 |
「实体一致性」这 1 分可以精确定位：引擎会检查「结构化数据里的 description 是否与页面 meta description 一致」（品牌实体 10 分里的 1 分）。中文页 57/57 通过，越南语页有 5 页不通过——因为越南语页的 JSON-LD 描述与 meta description 写成了两段不同的话。这是当天就能改完的 1 分。
另外提醒一句口径：本轮全站 114 页里，仍有 6 页停在 foundation 档（63–67 分），是同一批「数据更新」老文章，Meta 只有 5/14（缺 description / OG 等）。它们不在本次双语差异的结论里，是我们下一批要逐页修的页面。
八、落到动作：双语站的 5 条改法（含我们自己的下一步）
- 站级 5 项先做，再做页级。64 分里 50 分是站级配置（robots 15/18、llms 12/18、schema 13/16、signals 4/6、ai_discovery 6/6），改一次中越两版一起涨；页级只剩 36 分可争。
- 模板层一次修全站：补 Open Graph。114 页目前 0 页带完整 OG 标签，Meta 维度卡在 9.68/14；补 OG 是 4 分/页，改模板 + 全站重生成，两版同时受益。
- 中文站按字符口径校准内容量。别只看「词数」：中文页把正文汉字数做到 1,200 以上再谈结构优化；对外报告时我们同时给出「字符口径」与「词口径」，不用英文标准衡量中文。
- 越南语站先修实体一致性。把越南语页 JSON-LD 的 description 与 meta description 逐字对齐（本轮 5 页），这 1 分不需要改内容。
- 分数解读加一道「语言检查」。看到双语站分数有差，先问三件事：是不是分词口径、是不是语言相关的密度阈值、是不是实体名跨语言不一致——再谈内容质量。我们也会在对外报告里标注工具的语言偏差（本轮已把自家引擎的两处偏差写进本文）。
我们自己的下一步也写在这里，方便对照：① 把那 6 页「数据更新」老文（63–67 分、Meta 5/14）逐页补 Meta；② 全站补 Open Graph（模板改一次）；③ 越南语页 JSON-LD 描述与 meta 逐一对齐；④ llms.txt 还差 6 分（12/18），需补 llms-full 与更深的分节结构。
九、方法、口径与免责
本文全部数字来自越智通GEO 自建审计引擎在 2026-09-29 02:08 对本站 114 个内容页的一次全量实测，按 57 对同源双语页面配对后逐维度对比。数据集为 57 行 × 8 维度（另含负向信号明细：触发项、判定密度、判定词），总分可由「8 维度之和 + 负向扣分」重算；维度满分（robots 18 / llms 18 / schema 16 / meta 14 / content 12 / signals 6 / ai_discovery 6 / brand_entity 10）与阈值（正文 300 词门槛、关键词密度 2.5%、扣分 −1/−3/−5）均取自引擎源码 v4.18.0，不是估算。
口径说明：本文发布后站点内容页由 114 增至 116（新增本文中越两版），故文中「114 页 / 57 对」是本文测量时点的口径。测量文本包含页面上的静态徽章文案（约 100 字），中越两侧一致，不影响本文的对比结论。
本文的两处发现同时也是我们工具的已知局限：① 按空白数词会系统性低估中文内容量（本文用字符口径做了交叉验证）；② 关键词密度正则 [a-zA-ZÀ-ÿ]{4,} 不覆盖越南语使用的拉丁扩展附加区字符，对越南语假阳性、对中文不生效。我们对外的测分报告会标注这两点，并对中文站点额外提供字符口径的内容量。
外部市场数据仅作背景，均标注机构与时间：Gartner（2024-02，传统搜索 2026 年下降 25%）、Bain（80% 消费者至少 40% 搜索行为依赖 AI 结果）、艾媒咨询（2026-02，中国 GEO 市场 2025 年 349.3 亿元 → 2026 年预计 942 亿元）、Technode（2025-08，越南 ChatGPT 覆盖率 81%）、Unicode 标准附件 #29（UAX #29《Unicode 文本分段》：中文 / 日文 / 泰文不以空格切词，默认词边界规范不足）。引擎基于开源项目 Auriti geo-optimizer-skill（MIT 许可）构建；不同引擎的权重与检查项不同，同一站点在不同工具下的分数不可直接比较。