AI 爬虫读了我们 1,436 次，从 AI 点进来的真实访客 1 次：11 天服务器日志复算，外加一次自我纠错

做 GEO 的人最容易被问到的一个问题是：你让人在 AI 里被引用，然后呢？客户真的会来吗？

这个问题不能靠感觉回答。它的答案分成两半，而这两半在过去半年里被行业混着说：「被 AI 抓取」（exposure／曝光）和「被 AI 引荐」（referral／点击）是两件事，中间隔着一整套推荐机制。抓取量可以靠结构化数据、llms.txt、sitemap 堆上去；引荐量取决于 AI 是否愿意在答案里把你标出来、用户是否愿意再点一下。

这篇文章把两件事分开数：先把我们自己站点的 11 天 nginx 全量日志按「外部有效请求」复算一遍，再公开一个我们自己的测量事故——上一轮文章里那个看起来很漂亮的「AI 爬虫成批抓完全站」结论，经复算发现主要来自我们自己的审计脚本。我们把两个结果一起放出来，因为一个能自己纠正口径的测量方法，比一个好看的结论更值钱。

一、摘要：同一批日志，两种数法，差 87 倍

先给结论。窗口是 2026-09-23 03:12 → 2026-10-04 02:03（10 天 23 小时，11 个日志文件）。原始日志 272 万 3,142 条。按最粗的口径，11 天里「AI 爬虫访问本站」是 9,542 次；剔除我们自己的脚本流量后，真实外部 AI 爬虫访问是 1,436 次；其中真正落到 GEO 内容目录（/geo/）的只有 197 次。

而在同一窗口里，从 AI 点进来的真实人类访问：1 次。

换句话说：在我们这个小样本上，AI 每读我们 1,436 次，才让 1 个人点进来。这个比例不是「AI 没用」，而是说清楚了 AI 搜索当前给品牌的到底是什么——它给的是「答案里的位置」，不是「流量」。而这恰好是 GEO 的立论基础：如果品牌不在答案里，用户连点进来的机会都没有；如果品牌在答案里，用户也可能根本不点。

二、口径与方法：三层剔除，把噪音从数据里拿掉

一手日志文章的可信度全部押在口径上。这个窗口里有三类流量必须先拿掉，否则结论全是错的。

第一层，内网健康检查。阿里云 SLB 的健康检查（UA = SLBHealthCheck，内网 IP 172.16.0.49 / 172.23.232.126）占原始日志的 96.7%——2,633,913 条。任何「爬虫占比 / 流量结构」的结论如果不先剔掉它，都会算错到离谱。

第二层，我们自己的脚本。这是本轮最大的发现。日志里有两类 IP 是我们自己：发布机 120.25.184.110（54,901 条，日更流水线与验收脚本）和源站自身公网 IP 8.163.22.32（22,293 条，本机评分引擎 GEO-Optimizer/2.0 与自访脚本）。合计 77,194 条，全部剔除。

第三层，把「爬虫声明」与「真实身份」分开。本文的爬虫分类只按 UA 声明，未做反向 DNS 核验，因此存在身份冒充的可能（关于这一点，我们在第 7 节单独说明）。

三层剔除之后，272 万条日志只剩 12,035 条外部有效请求，来自 1,729 个外部 IP。这个数字本身就是一个提醒：网站日志里 99% 以上都不是「访客」——是健康检查、是自己的机器人、是扫描器。不做剔除就写文章，写的一定是幻觉。

三、结果：外部 AI 爬虫 11 天 1,436 次，只有 197 次读的是 GEO 内容

剔除自身流量后，外部 AI／搜索引擎爬虫在窗口内合计 1,436 次，占外部有效请求的 11.9%。分布如下：

三个值得注意的结构性事实：

① 真正读我们 GEO 内容（/geo/）的，只有三种 UA：meta-externalagent 127 次、GPTBot 36 次、ClaudeBot 34 次，合计 197 次。而三家的「搜索型」爬虫——OAI-SearchBot、PerplexityBot、ChatGPT-User——在这 11 天里一次都没有读 /geo/ 目录（它们的 69 次请求全部落在站点其他栏目）。这与行业普遍认知相反：目前系统性吸收我们 GEO 长文的，是「训练型」爬虫，不是「搜索型」爬虫。

② 训练型是搜索型的 9.7 倍。GPTBot + ClaudeBot + meta-externalagent = 669 次，对比 OAI-SearchBot + PerplexityBot + ChatGPT-User = 69 次。内容被「学进模型」的通道，目前比「实时检索引用」的通道活跃得多。这解释了一件事：为什么有些品牌在 AI 答案里被提到，却从来没有流量——它被记进了模型权重，而不是被检索引用。

③ /geo/ 目录 200 响应 161 次，其中 18 次来自非爬虫 UA。也就是说，我们 60 多篇双语文章 + 16 份产业报告，11 天里被外部「非爬虫」客户端读到的次数是 18 次。这个数字不体面，但它真实——这也是为什么我们把「被引用」而不是「被访问」当作 GEO 的 KPI。

四、结果：AI 引荐 1 次，传统搜索引荐 252 次

抓取是机器行为，引荐才是钱。我们把带外部 referrer 的请求全部抽出来分类：

那唯一的 1 次，可以完整地摊开看（日志原文）：

所以在这 11 天里：AI 引荐 : 传统搜索引荐 = 1 : 252。而且注意落地页——/cases.html（案例页）不在 /geo/ 目录下。也就是说，这一次引荐并不是我们 GEO 内容的直接成果，而是站点其他内容被 AI 读到后的连带效果。

这个比例不奇怪，也不丢人。它只是说明：把 GEO 的价值讲成「给网站带流量」，在今天是不诚实的。诚实的讲法是：GEO 买的是「在答案里的位置」——一个先于点击发生的、更靠前的战场。

五、自我纠错：那 8,106 次「AI 爬虫抓取」，其实是我们自己

现在说本轮最重要的一件事。

本站上一篇文章（2026-10-02 发布）写到一个发现：搜索型 AI 爬虫在 9 月 27 日突然成批抓取我们全站，到 9 月 30 日「每家把完全相同的 1,101 个 URL 集合走完」。文章把它当作本站的一手证据。

本轮按新口径（剔除自身来源）复算时，这个结论塌了。原始数据是这样的：

六个不同的引擎，请求数一模一样（1,351），而且全部来自同一个 IP（我们自己的服务器）——这是单一脚本的指纹。真实世界里，六家独立厂商的爬虫不可能产出完全相同的计数：它们的抓取频率、URL 集合、重试策略都不一样。真实数据也印证了这一点：剔除自身流量后，Claude-SearchBot 和 Applebot 在窗口内的外部请求数是 0，PerplexityBot 是 3。

为什么会发生？我们内部的 AI 就绪度评分脚本在扫描自己站点时，会轮换多种爬虫 UA 去请求每一页，用来验证「不同身份的爬虫能否正常拿到内容」。这在审计自己的 robots.txt 行为时是合理的动作，但它产生的请求同样被写进了 nginx 日志。上一轮分析没有做「自身来源剔除」，于是把这批自访流量当成了外部爬虫行为。

我们怎么处理？三条：①本文用新口径重算，并把差额（9,542 − 1,436 = 8,106）公开；②在上一篇文章的数据来源段加口径修正说明，避免读者继续引用旧结论；③把「自身来源剔除」写进常规分析流程——任何基于日志的对外结论，必须先过来源过滤。

这也是我们对外做 GEO 体检时对自己的要求：体检报告里的每一个数字，都要能被别人按同一口径复算出来。一个不能自己纠正自己的测量方法，没有资格给客户打分。

六、洞察：AI 搜索现在是「曝光机器」，不是「流量机器」

把上面几节拼起来，是这个窗口给出的完整图景：

结论是反直觉的、但对做决策的人最有用的：用户在 AI 里看到你之后，往往不会点你。原因有三个，都是结构性的：

① 答案已经满足了需求。AI 把结论直接给出来了，用户不需要再点开原文——这正是搜索引擎「零点击」在 AI 时代被推到极致的结果。Gartner（2024-02）预计 2026 年传统搜索量下降 25%，Bain 的数据显示 80% 消费者至少 40% 的搜索依赖 AI 结果，指的就是这个位移。

② AI 的引用不一定是链接。很多答案会写「据某机构测算」，但不带可点击链接。被提到 ≠ 被链接到。

③ referrer 会被剥离。App 内打开、隐私模式、部分客户端都会丢 referrer，所以「1 次」是下限，不是上限——真实的 AI 引荐一定被低估了。这一点必须写进任何引用本文数字的场合。

那么 AI 时代的品牌资产是什么？不是访问量，而是「被正确写进答案」这件事本身。用户不会点你，但用户会读关于你的那句话——如果他读到的是错的、缺的、或者根本没有你，你在这次决策里就不存在。这才是 GEO 要解决的问题。

七、风险与边界：这 5 个数字不能说成行业比例

一手数据的最大风险是被误读成行业统计。以下是本文数字的边界，请连同数字一起引用：

① 单站样本。全部数字来自 yuezhitong.com 一个站点的 11 天窗口，不代表任何行业均值。站点规模、内容语言（中越双语）、栏目结构都会显著改变比例。

② 爬虫身份按 UA 声明分类，未做反向 DNS 核验。UA 可以伪造——我们在同一个窗口里就抓到过 GCP 上的扫描器在 88 秒内轮换 16 种 AI 爬虫身份并同时扫描 /.env、/.git/config 这类凭证路径。真实的 1,436 次里，可能混有伪装流量。

③ 49.8% 的外部请求是 404。也就是说，外部流量的一半是攻击扫描（/.env、/.git/config、/xmlrpc.php 等），不是访客。用「外部请求量」当成绩单会严重失真。

④ 引荐数是下限。referrer 会在 App、隐私模式、部分客户端被剥离；同时 AI 侧可能使用了 utm_source 标记而非 referrer，两者口径不同。本文只统计了可观测的 referrer。

⑤ 窗口偏短（10 天 23 小时）。AI 爬虫的重访周期往往以周/月为单位，长窗口才能看到稳定结构。本文的所有结论都标了窗口起止，请勿外推。

八、落到 GEO：把「被引用」当 KPI 的 6 件事

如果你的结论是「AI 不给流量，那还做什么」，那你恰好读反了。正确的动作是把 KPI 从「访问量」换成「被引用」：

1. 建立可复算的日志口径。先剔除健康检查与自身流量，再谈 AI 流量。本文的第一张表就是模板——没有这一层，所有 AI 数据都是幻觉。

2. 把「测量工具」与「被测量站点」分开跑。评分/审计脚本跑在自己站点上时，务必在分析侧过滤来源 IP 与工具 UA，否则工具会稳定地污染你的样本（我们用 8,106 次请求的代价学到这一条）。

3. 盯住「被引用」而不是「被访问」。把 AI 答案里出现品牌名/产品名的次数、引用是否正确、是否带链接，做成月度台账。访问量作为辅助指标即可。

4. 内容要能被机器整段取走。1,436 次外部 AI 抓取里有 197 次命中 /geo/ 目录，说明结构清晰的内容更容易被读——JSON-LD、llms.txt、sitemap、清晰的标题层级不是装饰，是入口。

5. 先修「不体面」的基础项。本窗口外部 404 里最高的一项是 /favicon.ico（82 次），这是可以十分钟修掉的品牌基础项。AI 时代的第一印象同样会被机器归档。

6. 中文 + 越南语双语同时铺。越南市场的 ChatGPT 覆盖率已达 81%（Technode 2025-08），而越南语的高质量结构化内容目前仍是无人区——同一个主题，中文侧有几十篇竞争者，越南语侧可能一篇都没有。

九、结论：把口径修对，比把结论写漂亮更值钱

这 11 天的日志给了我们两个数字和一个教训：1,436 次外部 AI 抓取、1 次 AI 引荐，以及「测量者自己也会污染样本」。

第二个教训比前两个数字都重要。GEO 这个行业现在最不缺的就是漂亮数字——缺的是能被复算的数字。艾媒咨询（2026-02）给出中国 GEO 市场 2025 年 349.3 亿元、2026 年预计 942 亿元的规模预测，这个赛道会涌进大量「体感数据」。谁能把口径摆到桌面上，谁才可能被 AI 引用、被客户信任。

所以我们对品牌的建议只有一句：先把数据口径变成资产，再谈优化。我们不介意公开自己写脏过一次口径——因为下一次替你体检时，我们知道要过滤什么。