越南 9 个行业 183 个官网的 AI 就绪度基准：127 家可评分、加权均分 41.7，30.6% 连「测量」都做不到

如果你现在打开 ChatGPT、Gemini 或 Google AI Overviews，用越南语问一句 「công ty logistics nào uy tín nhất Việt Nam」（越南哪家物流公司最可靠）、「ngân hàng nào cho vay mua nhà tốt nhất」（哪家银行房贷最好）、「nhà máy nào gia công hàng dệt may xuất khẩu」（哪家工厂能做纺织服装出口代工）——AI 回答里出现的那三五家公司，就是 2026 年越南 B2B 采购的第一屏。

过去 30 天，我们把同一把尺子依次伸进九个行业：零售电商、物流与供应链、银行、支付、食品饮料、纺织服装、保险、数据中心与云、港口与航运。每一期都是独立的一手测量——同一个开源评分引擎、同一个新加坡节点、同一套剔除规则，每期单独发布、单独附台账。

这是第一次把九期放进同一张表。结论先说：183 个官网域名里，127 家可评分，加权均分 41.68；剩下 56 个（30.6%）连「测量」都做不到。在能核验的 160 个域名里，只有 5 家（3.12%）在 robots.txt 里点名过任何 AI 爬虫；183 个域名里能确认为真文本的 llms.txt 只有 11 份（6.01%）。

一、方法论：九期为什么能放在一张表上，以及哪三种比较不能做

能放在一张表上，是因为四件事从头到尾没变过：

① 同一个引擎。开源评分引擎 Auriti geo-optimizer-skill（MIT 协议），8 个维度加权满分 100：robots 18 / llms 18 / schema 16 / meta 14 / content 12 / signals 6 / ai_discovery 6 / brand_entity 10，负罚分单独扣减。② 同一个节点。新加坡（阿里云新加坡轻量，海外监测专用）——大陆节点对相当多越南站点直接返回 000，用大陆节点测越南站会把网络问题写成品碑问题。③ 同一套剔除规则。HTTP 非 2xx/3xx、首页 0 字节、人机质询页、登录页、域名失效的，一律记「无法评分」并写明读数，绝不记 0 分。④ 同一份台账。每期的域名池、逐家分数、维度明细都随报告归档，任何人都能复算。

但有三种比较是这张表不能支撑的，先写在前面：

• 不能当全行业比例。每期样本是 13–30 个行业代表域名，按行业代表性公开选取，不是随机抽样。183 个域名不等于「越南有 183 家企业在做 GEO」。
• 不能当品牌排名。不同期不同池、不同时间点，跨行业的分数高低只说明「这类官网的配置水平」，不说明「谁家做得更好」。
• 不能当趋势。九个行业里只有零售电商做过三期复测，其余都是一期快照——单点读数不能外推成曲线。

这张表能支撑什么：横向定位（我们这一行的整体水位）、站级配置普及率（robots / llms.txt 这类一次改全站受益的动作做到了几成）、以及同池跨期漂移（零售三期）。

二、盘子：183 个域名，56 个连门都进不去

下表按均分从高到低排列，每个行业名都能点回原报告——分数、样本、剔除明细全在那边，本文不重复它的论证。

从生意形态看，这 183 个域名大致是三块：B2C 直面消费者的（零售电商、食品饮料、支付、保险的部分寿险主体），B2B 与工业的（物流、纺织服装、港口航运、化工类的相邻行业），技术供给侧的（数据中心与云、银行与支付的底层服务）。三块的分数分布很不平均，这个结构差异正好解释了第三章的排序。

这张表还和我们的公开基准页对得上：本站 越南 AI 可见性指数 2026Q4 写的是「7 个行业 / 156 域名池 / 108 家可评分」，正是本文九期里前七期的合计；本文新增数据中心与云（13 个域名 / 8 家可评分）、港口与航运（14 / 11）两期，才变成 183 与 127。指数页按季度更新，本文是它的行业扩表版。

三个数字值得单独拎出来：可评分率 69.4%、加权均分 41.68、九期中位数区间 35.5–53.0。第一个说明三成域名连测量都做不成（第四章展开）；第二、第三个说明即使是能测的这批，整体水位也停在「基础档」——按引擎分档，68 分以上才算 good，而这 127 家里最高分是 77（Bizfly Cloud，数据中心期），第二名 66（港口期），绝大多数挤在 35–53 这一段。

三、均分榜：数据中心 54.6 领先，保险 35.39 垫底

把九个行业按均分排队，落差有 19.2 分（54.60 − 35.39），相当于同一把尺子上一个「基础档」与一个「临界档」的差距。前三名与后两名的构成，比分数本身更值得看：

领先的两个行业，官网本身就是生意的一部分。数据中心与云服务（54.6）卖的就是云与 AI 本身，客户在选型时先搜官网、再比文档，官网不清晰直接丢单；零售电商（52.1）靠自然搜索和商品页吃饭，站点的可抓取性从来不是可选项。这两类的共同点是——官网直接承载成交，配置不到位会立刻体现在转化率上，所以有人负责。

垫底的两个行业，成交发生在别处。保险（35.39）靠代理人网络与线下门店，物流（35.71）的 B2B 询价大量走熟人、电话与会展，官网长期只是「门面」：能打开、有电话、能下载简介就够了。于是三年不动的老站、缺失的 robots.txt、2000 年代的表格式首页，都被完整保留下来。

中间五个行业（食品饮料 43.82、港口与航运 42.73、纺织服装 42.50、支付 41.90、银行 40.90）挤在 40–44 这 4 分区间里，说明一件事：行业属性只解释了一部分差异，剩下的是「有没有人真的把它当工作」——这一点在第六章的组内对照里更清楚。

四、发现一：30.6% 的域名，连测量都做不到

56 个无法评分的域名不是「分数低」，是AI 爬虫根本读不到。把它们的原因拆开，责任归属完全不同：

这个分类不是文字游戏。前三类的责任在被测方，第四类的责任在我们的测量方法——把它笼统写成「AI 爬虫进不去」，等于把测量缺陷栽给客户。这也是我们每期都要写明读数、而不肯给一个 0 分的原因：0 分的含义是「抓到了但一无所有」，与「根本抓不到」是两件事。

分布上最严重的是保险（30 个里 12 个）、食品饮料（23 个里 12 个）、纺织服装（29 个里 9 个）。

为了不把网络抖动写进报告，每一期的「无法评分」都做了二次确认：换 UA 重试、换 www 与否、https 与 http 都探一遍，纺织期与食品饮料期还加了雅加达节点与大陆节点的三节点对照。三家在单节点读数为 000 的域名，就是在这一步被区分出「真不可达」与「单节点线路问题」的。

值得单独说一句：受监管行业上 WAF 有合规理由（防爬取客户数据），但「拦机器人」和「拦 AI 检索」是两件事——GPTBot / OAI-SearchBot / PerplexityBot / ClaudeBot 都是公开可识别的检索类 UA，现行主流做法是在 robots.txt 里显式放行检索类、只拦训练类，或在 WAF 里给检索类 UA 加白名单。

五、发现二：两道门几乎空白——robots 点名 3.12%，真 llms.txt 6.01%

分数是综合判断，站点根文件是硬证据。每一期我们都用同一个 curl 流程取回 robots.txt 与 llms.txt，逐份核对（一请求一临时文件，避免失败请求覆盖旧读数）。把九期并起来看：

三个细节比总数更刺眼：

① 「点名」这件事有现成的模板。零售期的 4 家（goha.vn、mediamart.vn、lazada.vn、vinfastauto.com）与物流期的 LOGIVAN，用的都不是自研方案——其中 LOGIVAN 的 robots.txt 由 Squarespace 模板自动生成，一次勾选就拿到了这一项。零成本、可复制，但 160 个域名里只有 5 家做到。

② 真 llms.txt 少，被工具误判的「假 llms.txt」多。银行期 21 家里只有 MSB 有真文件，而且是 Yoast SEO 插件自动生成的；另 6 家的 /llms.txt 返回 HTTP 200 但正文是 HTML 外壳（软 404），自动评分工具会把其中 5 家判成「已配置」，白送 9–13 分。食品饮料期同样有 3 家属于这种状态。「工具说配了」和「AI 真读到了」不是一回事，这也是我们坚持逐份复核根文件的原因。

③ 最荒诞的一种组合：给 AI 递了地图，却把门焊死。纺织期的 anphuoc.com 有一份可读的真 llms.txt，但整站页面在三个节点一致返回 403。文件层面做对、访问层面全挡，两个动作互相抵消。

六、发现三：分数跟「有没有线上生意」走，不跟企业规模走

跨行业比较容易被行业属性干扰，组内对照更能说明问题。三个现成的例子：

• 物流期内部分层：物流科技与数字货运（5 家，4 家可评分）均分 44.75，快递组 39.0，3PL 与港口组更低。团队最小、预算最紧的一批反而分最高——因为它们的产品就是软件，官网就是产品页。
• 纺织期内部分层：品牌运营型企业最高 64 分（Gilimex），纯 ODM 子站最低 8 分（单页、159 个词、无 robots.txt）。同一行业、同一批买家，差 56 分。
• 银行期内部分层：被当作数字银行标杆的 TPBank 只有 23 分，在 17 家可评分站点里排倒数第二；并列最高的是 OCB 与 SeABank（各 63）。

这三组对照指向同一个结论：AI 就绪度不是预算的函数，是「官网在你生意里占多大权重」的函数。官网承担成交，就有人负责配置；官网只是门面，十年也不会有人打开 robots.txt 看一眼。对服务商来说这是好消息：要动的不是网站重构，而是几个站级文件的归属人。

七、时间维度：17 天、三期复测，行业级动作零增长

九期里唯一有纵向数据的零售电商，给了这张表一个时间坐标。同一批域名、同一把尺子、间隔 5 天与 17 天：

9 家里 8 家逐项零变化，唯一变动的那家补了一份结构化数据、涨了 2 分。结论不太好听但必须写：配置债不会自己还。在没有外部要求的情况下，行业级动作（robots 点名、llms.txt）三期完全没动——不是做不了，是没人认领。GEO 在这个阶段真正的对手不是同行，是「没人负责」。

八、落地：四个站级动作，按「做一次能拿多少分」排序

如果把九期的失分结构叠在一起，会看到同一组短板反复出现：robots 与 schema 是两块最大的洼地，llms 与 ai_discovery 几乎归零，meta 与 content 反而是唯一及格的两项——也就是「给人看的搜索」做到了七成，「给机器看的入口」留在接近零的位置。按投入产出排序：

按我们自己的实测节奏估工期：robots 与 llms.txt 各半天，四个机器入口半天到一天，JSON-LD 与 OG 按模板批量套用到页面（首页 + 核心服务页 10–30 页）两到三天。站级两项通常两到四周内做完，不需要开发排期，通常是行政或运维能直接落地的活儿。

先做前两项的理由很实际：它们是站级配置，改一次全站每一页都受益，而且不需要动内容、不需要设计、不需要开发排期——一个能改 nginx 或上传文件的人，半天能做完。对 40 分档的站点，这两项 + 四个机器入口通常足以把它推进 50 分档；再往上要靠结构化数据与可被引用的数据型内容，那是按季度算的活。

九、口径限制与免责

最后把限制写清楚，因为它决定了这张表该怎么用：样本是九期各自按行业代表性选取的 13–30 个域名，合计 183 个，不是随机抽样，不能外推为越南全行业比例；时点跨 9 月 29 日至 10 月 23 日，站点与模型都在变，跨行业的日期差最多 24 天；引擎为开源 Auriti geo-optimizer-skill（MIT），非任何官方认证，自评分只作横向对照；节点为新加坡，读数不代表越南本地或中国大陆访问体验；性质为独立观察，未收取任何被测企业或其竞争对手的费用，也不构成任何效果承诺。每期原报告都附逐家台账，若被测方认为读数与实际情况不符，欢迎提供证据复核。

这张表的三种用法：老板看第二章——知道自己行业在九期里排第几、可评分率多少，判断「官网是不是已经拖后腿」；市场负责人看第四、五章——两道门（robots / llms.txt）是行业级空白，谁先补齐谁先被 AI 读到；技术负责人看第八章——四个动作的排序与工期已经按投入产出排好，可以直接排期。

数据集与九期报告索引见文末。下一期我们会回到纵向：把零售电商的第四期复测与新增一个行业的首测同时做，让这张表既有横截面、也有时间轴。