一手数据实测 · 方法论

200 不是证据:40 个越南头部站点的 AI 入口体检,真 llms.txt 只有 2 份

📅 2026年11月14日⏱️ 阅读时间 11 分钟🏷️ llms.txt · 软 200 · JSON-LD · robots.txt · AI 入口体检

把「llms.txt 已配置」写进验收单,是这半年最常见的一种自欺。文件确实建了,浏览器打开也有字,状态码 200。三个月后去问 ChatGPT,它照样不认识这家公司——因为那个 200 可能压根不是你的文件,而是站点对任何路径都返回的同一页。

我们用同一把尺子(六项 100 分)在新加坡节点上量了 40 个越南头部站点的首页与根文件:26 家能评分,均分 42.73;真 llms.txt 只有 2 份;而如果只看状态码,会数出 6 家「有」llms-full.txt,实际 0 家。

状态码是服务器的回答,不是内容的证明。「200 = 有」这条捷径,在 AI 时代会让验收单、监测报表和客户汇报同时失真。

一、六个数字先摆出来

2026-11-14 · 40 个越南域名 · 单时点实测(新加坡节点)
样本域名(10 个行业)40
首页可评分26
可评分站点均分42.73 / 100
真 llms.txt(非 HTML、≥120 字节)2 份(5.0%)
llms-full.txt:状态码 200 / 真文件6 家 / 0 份
robots.txt 点名 AI 爬虫4 家(10.0%)

对照组是我们自己:同一把尺子下,yuezhitong.com 的 GEO 文章页是 98/100。这个数字不是拿来炫耀的,而是用来证明这把尺子不是「谁都不可能及格」的假标准——同一套判据,越南头部企业 42.73,我们 98。分差集中在「AI 发现端点」这一项:满分 20,样本均分 2.92。(说明:本页页脚徽章上的 88/100 来自我们的 8 维诊断引擎,与本文这套六项尺子口径不同,两者不可互比——所有对照只在同一把尺子内成立。)

二、200 只能证明服务器回话了

HTTP 状态码回答的是「这个请求有没有被处理」,不是「你要的东西在不在」。当未匹配的路径被交给前端路由、交给 301、或者交给 WAF 的挑战页,三种情况都会返回 200。

形态一:前端路由兜底(SPA fallback)

我们对同一域名用两条不同的随机路径各请求一次,两次结果的字节数完全一致:

域名随机路径返回字节数说明
winmart.vn20015,893两次路径不同,字节数一模一样
shopee.vn200161,625返回的是应用外壳
thienlong.com2005,760返回的是应用外壳

字节数一致是判据的关键:真实内容页不可能对两个随机路径返回同样长度的 HTML。这意味着你请求 /llms.txt 拿到 200 时,你手里的可能只是首页的副本。

形态二:301/302 回首页

nguyenkim.com 对任意路径先跳到 https://www.nguyenkim.com/,最终状态 200;hust.edu.vn 跳到 /vi/page/。客户端跟随重定向后确实拿到 200,但落地页是首页——不是你要的文件。

形态三:反爬挑战页也返 200

masan.com 对任意路径返回约 2,986 字节的页面,<html> 标签里带 data-adblockkey=…,正文 72 个字符,标题写着「This website is for…」。它既不是 404,也不是内容页,是反爬组件在跟客户端打招呼。这一类最容易被误判成「站点正常」。

复跑只要两行,判据是状态码 + 内容类型 + 字节数三个一起看,缺一个都会误判:

for p in /a-$(date +%s).html /b-$(date +%s%N).html; do curl -s -o /dev/null -w "%{http_code} %{content_type} %{size_download}\n" "https://example.vn$p"; done

更隐蔽的一种:llms-full.txt 的 6 个 200

llms-full.txt 是给 AI 的「整本手册」。样本里状态码 200 的有 6 家,逐一看内容,真文件 0 份:

域名状态内容类型字节实际返回的是什么
nguyenkim.com200text/html246,317首页全文
shopee.vn200text/html161,625应用外壳
lazada.vn200text/html82,681首页 HTML
winmart.vn200text/html15,861应用外壳
thienlong.com200text/html5,760应用外壳
masan.com200text/html3,011反爬挑战页

对照组:ghtk.vn、tiki.vn、cellphones.com.vn 都正确返回 404;我们自己的 /llms-full.txt 返回 200 + text/plain + 66,492 字节的真实文本。

如果验收单上写的是「状态码 200 即为已配置」,这份样本会报出 6 家合格,假阳性 100%。这类错误不会当场暴露——它会在三个月后的一次问询里,以「AI 就是不提我们」的形式出现。

三、六项判据:100 分是怎么来的

项满分看什么典型假阳性
可得与安全15HTTPS 可握手、根路径 200、首字节 <8 秒挑战页 200 被当成可达
AI 发现端点20llms.txt 真文件 12 + llms-full.txt 4 + sitemap 可解析 4软 200 冒充文件存在
结构化数据25JSON-LD 存在 10 + Organization 家族类型 8 + name/url/logo/sameAs 齐全 7只放 WebSite,不放 Organization
爬虫礼遇15robots.txt 可读 5 + 点名至少一个 AI 爬虫 10只写 User-agent: *
内容可抽取15可见正文 ≥1,500 字符 6 + h1 唯一 4 + ≥8 个段落 3 + 正文占比 ≥15% 2正文全靠 JS 渲染
多语言10hreflang ≥1 条 4 + 含 en/vi 3 + html lang 声明 3hreflang 只指向自己

这套判据不评价「网站好不好看」,它只问一件事:一个不执行 JS、不带 Cookie、只看原始 HTML 的抓取器,能不能从这里读出你是谁、做什么、哪里可信。GPTBot、ClaudeBot、CCBot 这一层抓取器基本就是这么工作的——它们不保证帮你渲染前端。

四、样本与方法

五、结果

行业可评分 / 样本均分最高
房地产2 / 454.065
零售连锁3 / 749.761
物流快递4 / 447.065
电商平台3 / 446.761
医药连锁1 / 346.046
高校2 / 245.051
制造 / FMCG1 / 439.039
科技电信3 / 438.061
银行 / 金融5 / 536.256
航空旅游2 / 328.033
六项均分(26 家可评分站点)
可得与安全15.00 / 15(100%)
内容可抽取7.00 / 15(46.7%)
爬虫礼遇6.15 / 15(41.0%)
多语言3.81 / 10(38.1%)
结构化数据7.85 / 25(31.4%)
AI 发现端点2.92 / 20(14.6%)

分布:低于 30 分 6 家、30–49 分 10 家、50–64 分 7 家、65 分及以上 3 家。中位数 39,最高 65(hungthinh.com.vn、ghtk.vn、ghn.vn 三家并列),最低 20(mbbank.com.vn、shopee.vn、viettel.com.vn、viettelpost.com.vn 四家并列)。最高分 65,没有一家达到 70。按这套判据,越南头部站点的平均分是 42.73。

六、六个发现

1. 门口全通,名片几乎没人印。可评分站点在「可得与安全」一项拿了 100%,在「AI 发现端点」一项只有 14.6%。也就是说:AI 爬虫进得来,但进来之后几乎没人告诉它「我是谁、我有哪些页面、我的手册在哪」。这是投入产出比最高的一段路——不需要重构网站。

2. 26 家里有 8 家,首页 HTML 里几乎没有可读正文(30.8%)。vpbank.com.vn 首屏 HTML 正文 172 个字符、winmart.vn 41 个、vietjetair.com 53 个;mbbank.com.vn、shopee.vn、viettelpost.com.vn、thienlong.com、viettel.com.vn 是 0 个。对这些站点,不执行 JS 的抓取器看到的是一张白纸。它们的「内容」只存在于浏览器里,而 AI 不一定帮你打开浏览器。

3. robots.txt 点名 AI 爬虫的只有 4 家(10%)。nguyenkim.com、lazada.vn、pharmacity.vn、ankhang.vn。其中 nguyenkim、pharmacity、ankhang 三家用的是同一份 9 个机器人的名单(GPTBot、ClaudeBot、anthropic-ai、Claude-Web、CCBot、Bytespider、Google-Extended、Applebot-Extended、Meta-ExternalAgent),措辞与顺序完全一致——这说明它已经是建站/代运营服务商的标准件,可以直接采购,不必自己研究。

4. 真 llms.txt 只有两份,且各有各的毛病。lazada.vn 的 3,661 字节,越南语写成,讲促销体系与品类入口,是这批里最像「给 AI 看的说明书」的一份;thienlong.com 的 735 字节是从 sitemap 自动生成的,里面混进了 /cart、/checkout、/orderconfirmation 这类不该引导的路径——方向对,内容没校对。

5. 结构化数据 9/26(34.6%),但四字段齐全的只有 1 家。多数站点放了 WebSite 和 BreadcrumbList,却没放 Organization;放了 Organization 的,又普遍缺 sameAs(指向维基数据、LinkedIn、Facebook 的同一实体链接)。sameAs 是「这三个账号是同一个人」的唯一机器凭据,缺了它,AI 只能各算一个实体。

6. 银行是「最可达、最不会说话」的一组。5 家银行首页全部 200,均分 36.2,是十个行业里最低;mbbank.com.vn 与 shopee.vn、viettel.com.vn、viettelpost.com.vn 并列 20 分垫底。金融机构的 WAF 越严,越容易把 AI 爬虫一起挡在门外——样本里另有 5 家直接 403(Cloudflare 的「Just a moment…」与「Attention Required!」页),它们连评分机会都没有。

七、「不完整」也是进步

thienlong.com 那份 735 字节的 llms.txt 值得单独说一句:它是自动生成的,混进了购物车路径,谈不上精致。但它做对了一件关键的事——给了 AI 一个不依赖 JS 的入口。相比之下,那 6 家返回 200 却是 HTML 壳的站点,连入口都还没造出来。

最小可用的 llms.txt 不需要工具,十分钟能写完,只要五块信息:

# 公司名(域名)
## 一句话说明:做什么、给谁做、在哪个市场
## 核心页面:/about /products /pricing /contact(各一行说明)
## 事实口径:成立年份、规模、认证、可核验的第三方资质
## 更新日期:2026-11(AI 会拿它判断新鲜度)

注意两件事:一是不要放 /cart、/checkout、/login 这类对 AI 无意义的路径;二是发布后用 curl 回读一次,确认返回的是 text/plain 而不是 text/html——本文第二、三节的所有假阳性,都栽在这一步没做。

八、90 天清单

1先消假 200(第 1 天,30 分钟)。对三个不存在的路径各请求一次,确认站点返回 404 而不是 200。如果返回 200,先修路由兜底/挑战页策略,否则后面所有「已配置」都不可信。

2造一份真 llms.txt(第 1 周)。按上一节的五块写,≤60 行,发布后 curl -I 确认 Content-Type: text/plain 与字节数。

3补 Organization JSON-LD(第 2–3 周)。四字段 name / url / logo / sameAs 齐全;sameAs 里放维基数据、LinkedIn、Facebook、YouTube 的同一实体的官方链接。

4robots.txt 点名 AI 爬虫(第 4 周)。至少点名 GPTBot、OAI-SearchBot、ClaudeBot、PerplexityBot、Google-Extended、CCBot,并对 CDN/WAF 做一次真机验证——样本里 5 家 403 就是教训:robots.txt 允许不等于真的放行。

5让内容在原始 HTML 里成立(第 2–3 个月)。关键页面(关于、产品、价格、案例)做服务端渲染或预渲染;hreflang 与 html lang 对齐。验收判据只有一条:关掉 JS,页面上还有没有可读的正文。

九、结论

GEO 这条链的顺序是:抓得到 → 读得懂 → 认得出 → 信得过 → 被引用。这 40 个站点的实测分布是:第一步 100%,第二步 46.7%,第三步 31.4%,第四步 14.6%。绝大多数预算花在第五步的内容与投放上,而前三步的门票还没买。

外部环境也不会等人:Gartner 预测 2026 年传统搜索量下降 25%(2024-02);Bain 的调查里 80% 的消费者至少有 40% 的搜索依赖 AI 结果;艾媒咨询给出的中国 GEO 市场是 2025 年 349.3 亿元、2026 年预计 942 亿元(2026-02);越南这边,Technode 2025-08 的测算是 ChatGPT 覆盖率达到 81%。买家用 AI 找供应商这件事已经发生,问题只剩一个:轮到你被找到时,AI 手里有没有关于你的、可核验的材料。

被 AI 理解,即是被世界看见。而「被理解」的第一步,不是写更多内容,是先把那张 200 的假门票换成真的。
四个机器可读入口:AI 没被告知你是谁,写得再好也不会被引用 同一台服务器,换个 UA 就进不了门:48 个越南品牌站的 AI 爬虫门禁实测 AI 引用里超过 84% 不是你的官网:2.07 亿条引用记录拆开看

🎁 免费领取AI可见性诊断

你的品牌在ChatGPT、Perplexity、Google AI Overviews中被引用了吗?
越智通GEO团队为你提供免费的AI可见性诊断,找出品牌在AI答案中的隐形原因,给出可落地的优化建议。

立即领取免费诊断 →
✅ 30分钟深度诊断 ✅ AI引用现状分析 ✅ 竞品对比报告 ✅ 优化建议清单
数据来源:本文全部读数为越智通 2026-11-14 单时点一手实测:样本 40 个越南域名(10 个行业);测量节点=新加坡阿里云轻量(不用大陆节点,避免把本地网络问题记成对方站点问题);每个域名取首页 1 次 + 根文件 5 个(llms.txt、llms-full.txt、sitemap.xml、robots.txt)+ 随机路径 2 次;GET、不执行 JS、不带 Cookie、不重复采样;评分=本文第三节公开的六项 100 分判据,脚本随轮次留存。403、超时、连接重置、TLS 握手失败一律记「无法评分」,不给 0 分。行业面数字:Gartner(2024-02)、Bain、艾媒咨询(2026-02)、Technode(2025-08)。
方法与免责:单时点、单页(首页)、无重复采样;站点结构与反爬策略随改版变动,结论仅代表 2026-11-14 当日;文中域名只作技术样本,不作优劣排序、不含付费排序,也不构成对任何企业安全策略或网站质量的评价;403 可能是 WAF 对数据中心 IP 的整体拦截,不等于站点拒绝 AI。这套判据衡量「原始 HTML 能不能被不执行 JS 的抓取器读懂」,不等于「某次提问一定提到你」。自有站点 98/100 为同一脚本同日实测;页面底部徽章的 88/100 由我们的 8 维诊断引擎(另一套口径)给出,与本文六项尺子不可互比。

在越南做生意,判断比努力重要

《越南昨日头条》每天一期:政策变动、产业信号、可执行清单,不发广告。已日更 60 多期。

扫码关注 · 每天 5 分钟扫码用小程序问一句

88/100
本页 AI 就绪度 88/100由越智通GEO诊断引擎实测 · 2026-11-22 · 免费测你的网站 →