一、摘要：21 家银行官网，没有一家达到「良好」
越南银行业正在经历一轮真实的 AI 渗透。据越南国家银行（SBV）信息技术司副司长黄明进（Hoàng Minh Tiến）在 2026 年行业会议上披露的数据，越南超过 70% 的信贷机构已经采用人工智能与机器学习技术；SBV 在 2026 年 8 月的新闻发布会上也提到，多家银行的数字渠道交易占比已超过 95%。
但「银行自己用 AI」和「银行的官网能被 AI 读懂」是两件完全不同的事。2026 年 10 月 10 日，我们把同一把尺子（开源 GEO 评分引擎，8 维度 / 100 分制）拿到新加坡节点，在同一个测量窗口内对 20 家越南商业银行加越南国家银行（共 21 个官网域名）各测了两遍。
结论比预期更集中：
- 0 家达到「良好」档（≥ 68 分）。17 家可评分站点均分 40.9，中位数 38，区间 22–63。
- 「四大国有行」没有一家过 40 分。Vietcombank 36、BIDV 38、Agribank 28；VietinBank 对非浏览器请求一律返回 405，无法评分。
- 最会讲 AI 的那家，得分接近垫底。常被当作越南数字银行标杆的 TPBank 只有 23 分，在 17 家可评分站点里排倒数第二。
- 给机器看的「说明书」几乎不存在。21 家里 只有 1 家（MSB）站点根有真实存在的 llms.txt，而且它是 WordPress 插件 Yoast SEO 自动生成的；21 家的 robots.txt 里，没有任何一家提到过任何一个 AI 爬虫。
- 更值得警惕的是工具本身会骗人。其余 20 家里，有 6 家的
/llms.txt返回的是 HTTP 200 的 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。
二、口径：为什么 403 不能记成 0 分
金融网站的抓取环境比零售站更复杂：WAF、短信/OTP 网关、按 UA 分流的反爬策略都很常见。所以这一节先把尺子和读表规则交代清楚。
| 口径项 | 本期设定 | 说明 |
|---|---|---|
| 域名池 | 21 个官网域名 | 20 家商业银行 + 越南国家银行（SBV）；选取标准是「越南公众与 B2B 采购决策中最常被提及的主体」，不含外资分行与纯数字钱包 |
| 评分引擎 | 开源 GEO 评分引擎，8 维度 / 100 分制 | 维度满分：robots 18 / llms 18 / schema 16 / meta 14 / content 12 / signals 6 / ai_discovery 6 / brand_entity 10，再减去 negative_penalty |
| 测量节点 | 新加坡 | 越南站点必须从海外节点测量；大陆节点对多数越南银行返回连接超时，会把网络问题误判成站点问题 |
| 请求身份 | 标准 Chrome UA + 越南语 Accept-Language | 与零售、支付两期实测完全一致 |
| 测量遍数 | 同一窗口内跑两遍 | 用第二遍交叉验证可复现性：16 家得分逐项完全相同，仅 ACB 第二遍连接超时（其分数取第一遍读数） |
| 抓不到 ≠ 0 分 | 403 / 405 / DNS 失败一律记「无法评分」 | 把「没抓到」写成「严重不足」是这类报告最常见也最伤人的误导 |
另外三条必须写明的约定：
- 软 404 单列。
/llms.txt返回 HTTP 200 但正文是 HTML 外壳的，一律不认作「已配置 llms.txt」，单独归入「软 404」——即便评分引擎给了分，也会在本文里标出来（见第六章）。 - 一处域名更正。BVBank（原 Viet Capital Bank）的旧域
bvbank.com.vn在新加坡节点已无法解析，现官网为bvbank.net.vn，但该域名从新加坡节点同样连接超时，因此本轮记为「无法评分」。我们把它如实留在表内，而不是悄悄删掉。 - 观测不一致就写出来。MSB 的 llms.txt 用 curl 能取到真实文件（17,516 字节），但评分引擎在同一窗口里没有取到、llms 维度记 0。这类不一致我们不做归因猜测，只把两个观测结果都摆出来。
三、逐站结果：21 个域名的完整读数
下表按得分降序排列。ACB 的分数来自第一遍测量（第二遍连接超时），已单独标注。
| 机构 | 类别 | 得分 /100 | 档位 | 状态说明 |
|---|---|---|---|---|
| OCB | 股份制 | 63 | foundation | 本期并列最高分 |
| SeABank | 股份制 | 63 | foundation | 本期并列最高分 |
| VIB | 股份制 | 56 | foundation | 首页对无头请求返回反爬验证页（见下） |
| ACB | 股份制 | 53 | foundation | 第 1 遍可评分；第 2 遍连接超时 |
| MSB | 股份制 | 49 | foundation | 全池唯一有真实 llms.txt（见第五章） |
| Techcombank | 股份制 · 头部 | 48 | foundation | robots.txt 写得最详细的一家（574 字节） |
| Sacombank | 股份制 | 44 | foundation | — |
| 越南国家银行（SBV） | 监管机构 | 42 | foundation | 监管方自身也在 50 分以下 |
| BIDV | 国有大行 | 38 | foundation | llms 维度 11 分来自软 404（见第六章） |
| Vietcombank | 国有大行 | 36 | foundation | 第一大行；schema 维度为 0 |
| VPBank | 股份制 · 消费金融 | 35 | critical | — |
| HDBank | 股份制 | 32 | critical | robots.txt 仅 23 字节（两行） |
| Eximbank | 股份制 | 32 | critical | — |
| LPBank | 股份制 | 31 | critical | — |
| Agribank | 国有大行 · 网点最多 | 28 | critical | /robots.txt 返回 116 KB 的 HTML 页面（软 404） |
| TPBank | 股份制 · 数字银行标杆 | 23 | critical | /robots.txt 返回 400（拒绝），robots 维度 0 |
| Nam A Bank | 股份制 | 22 | critical | 全场最低；robots.txt 与 llms.txt 均 404 |
| VietinBank | 国有大行 | — | — | 无法评分：对 8 种 UA 一律 HTTP 405 |
| MB Bank | 股份制 | — | — | 无法评分：7/8 种 UA 返回 403（仅 curl 默认 UA 得 200） |
| SHB | 股份制 | — | — | 无法评分：8 种 UA 全部 403 |
| BVBank | 股份制 | — | — | 无法评分：旧域停止解析，现域名连接超时 |
把 17 家可评分站点排一排：均分 40.9、中位数 38、区间 22–63。如果去掉唯一连接受阻的 ACB，16 家的均分是 40.1——两种算法只差 0.8 分，说明结论不依赖任何一家样本。按引擎分档，7 家落进 critical（不足）档、10 家落进 foundation（基础）档、0 家进入良好档。
四、洞察一：「数字银行标杆」不等于「AI 可读」
本期最反直觉的一组对比在银行侧的自我叙事和测量结果之间。
越南银行业近两年最常被引用的 AI 案例都出自大行与数字银行：据行业媒体 RenovaCloud 转述，TPBank 已在 9 个部门上线 20 个生产级模型，VietinBank 的内部助手在上线头两个月回答了 35 万条员工提问。这些数字说明它们在内部流程里用 AI 用得很深。
但同一批机构面向公开网络的「机器可读性」，是另一张成绩单：
| 机构 | 自述的 AI 进展（媒体口径） | 官网 AI 就绪度实测 | 反差 |
|---|---|---|---|
| TPBank | 9 个部门、20 个生产级模型 | 23 / 100（critical） | /robots.txt 直接返回 400，「门」是关的 |
| VietinBank | 内部助手两个月 35 万次提问 | 无法评分（8/8 UA 405） | 外部抓取身份一律被拒 |
| MSB | — | 49 / 100 | 全池唯一有真实 llms.txt |
这里没有任何「他们说谎」的意思。结论恰恰更朴素：银行把 AI 当成了内部效率工具，还没有把「被外部 AI 引用」当成一项要对客负责的能力。对一家银行来说，客服机器人、风控模型、信贷评分是采购与项目;而「客户在 ChatGPT 里问起越南哪家银行适合中小企业开户时，答案里有没有你」——这件事目前在整个行业里没有归口负责人。
必须说明的是：这一节引用的 AI 案例来自行业媒体的转述口径，不是我们的实测；我们的实测只覆盖公开网站的机器可读性，不评价它们的模型效果。两类数据不可混为一谈，本文把它们并列，只为呈现「内部很先进、外部不可读」这件事。
五、洞察二：8 个维度，钱都花在了「给人看」的那一半
把 16 家（排除第二遍抓取失败的 ACB）的维度小分取平均，行业结构非常清晰：
| 维度（满分） | 16 家均值 | 为 0 的家数 | 行业位置解读 |
|---|---|---|---|
| meta（14） | 11.25 | 1 | 标题与描述基本都写了，行业最成熟的一项 |
| robots（18） | 12.50 | 3 | 13 家拿到 15 分，但没有一家为 AI 爬虫写过规则 |
| content（12） | 8.31 | 1 | 内容量不是瓶颈 |
| llms（18） | 3.44 | 11 | 唯一真实文件只有 MSB 一家，其余得分全部是软 404 误判 |
| signals（6） | 3.00 | 2 | 恰好半数 |
| brand_entity（10） | 2.75 | 2 | 实体一致性信息普遍缺失 |
| schema（16） | 2.63 | 12 | 12 家为 0：结构化数据在银行业几乎是空白 |
| ai_discovery（6） | 0.50 | 13 | 13 家为 0：站点根没有任何为 AI 准备的机器可读入口 |
这张表比总分更有信息量。银行把「给人看的搜索」（meta 11.25/14、robots 12.50/18）做到了七成以上，把「给机器看的入口」（ai_discovery 0.50/6、schema 2.63/16）留在了接近零的位置。
两个具体例子：
- schema 12 家为 0。银行首页是典型的高价值实体页（机构名、分支机构、产品、利率、客服电话），但绝大多数站点没有用结构化数据把这些字段交给机器。AI 答案里「越南银行利率/开户条件」这类问题最容易因此给出过时或串行的答案。
- ai_discovery 13 家为 0。这一维度检查站点根上是否有面向 AI 的机器可读入口（站点摘要、FAQ 数据、服务清单类文件）。21 家里没有任何一家提供，包括央行——而央行恰恰是全行业最权威的公开信息源。
六、洞察三：唯一一份 llms.txt，是插件自动生成的
把 21 家的站点根文件逐个取回来分类，结果如下：
| 检查项 | 结果 | 明细 |
|---|---|---|
| llms.txt：真实存在的文件 | 1 / 21 | MSB（17,516 字节，正文为纯文本/Markdown，文件头写明由 Yoast SEO v27.1.1 自动生成） |
| llms.txt：HTTP 200 但是 HTML（软 404） | 6 / 21 | BIDV（344 KB）、Agribank（117 KB）、MB Bank（60 KB）、VIB（140 KB）、OCB（150 KB）、SeABank（266 KB）——把任意不存在的路径返回成 200 的平台外壳 |
| llms.txt：真实 404 | 10 / 21 | Vietcombank、Techcombank、VPBank、Sacombank、SHB、HDBank、LPBank、Eximbank、Nam A Bank、SBV |
| llms.txt：请求被拒 / 不可达 | 4 / 21 | VietinBank（405）、TPBank（400）、ACB 与 BVBank（连接失败） |
| robots.txt：真实存在的文本 | 15 / 21 | 最短的 HDBank 只有 23 字节、SHB 27 字节；最详细的 Techcombank 574 字节 |
| robots.txt：内容异常 | 6 / 21 | Agribank 返回 116 KB 的 HTML（软 404）、Nam A Bank 404、VietinBank 405、TPBank 400、ACB 与 BVBank 连接失败 |
| robots.txt 里点名任何 AI 爬虫 | 0 / 21 | 我们检索了 GPTBot、OAI-SearchBot、ChatGPT-User、PerplexityBot、ClaudeBot、Google-Extended、Amazonbot、Bytespider、CCBot、Meta-ExternalAgent、Applebot、Bingbot 等 17 个身份名称，全池零命中 |
这一章最重要的不是「只有 1 家」，而是「自动评分工具会对其中 5 家撒谎」。
评分引擎的 llms 维度在 5 家站点上给出了 9–13 分：OCB 9、SeABank 11、VIB 13、BIDV 11、Agribank 11。我们把这 5 家的 /llms.txt 逐个 curl 复核，它们返回的全部是 200 状态的 HTML 外壳（BIDV 344 KB、VIB 140 KB、OCB 150 KB、SeABank 266 KB、Agribank 117 KB），文件里没有任何 llms.txt 语法结构。SeABank 甚至有一处技术指纹：它的 HTML 里写着 <html lang="llms.txt">——前端框架把「llms.txt」当成了一个语言路由参数，说明这个路径在站点里根本没有对应内容，只是被路由兜底接住了。
反过来，唯一真正上线了 llms.txt 的 MSB，在引擎里 llms 维度记 0（同一窗口内引擎未取到该文件）。也就是说：如果只看自动评分，这 6 家的「llms 配置情况」会被完全读反。
这不是引擎的过错，而是所有 AI 可见度工具的共有盲区：软 404 会让「没有」看起来像「有」。任何采购这类工具、或者拿这类分数做 KPI 的团队，都应该把「抽样 curl 复核」写进验收流程——这也是我们坚持把原始路径、状态码、字节数一起公开的原因。
七、多 UA 探针：门是对谁关的
4 家无法评分的站点，我们补了一轮多身份探针（8 种 UA：Chrome、Googlebot、GPTBot、OAI-SearchBot、PerplexityBot、ClaudeBot、curl 默认、空 UA）来判别拦截范围：
| 站点 | 探针结果 | 判读 |
|---|---|---|
| VietinBank | 8/8 全部 HTTP 405 | 不是「拦 AI」，而是服务器层面拒绝了这类请求方式——任何非浏览器客户端都读不到 |
| MB Bank | 7/8 返回 403，仅 curl 默认 UA 得 200 | 按 UA 字符串分流的规则：伪装成浏览器的反而被拦，工具类 UA 放行——典型「规则比目标走得更远」 |
| SHB | 8/8 全部 403（含 Googlebot 身份） | 对数据中心来源一律拒绝，Googlebot 身份也不例外 ⇒ 传统搜索与 AI 搜索同时受损 |
| BVBank | 8/8 连接失败（000） | DNS 层面不可达，非反爬问题 |
这张表回答的是上一期零售实测留下的同一个问题：挡住 AI 的同时，通常也挡住了 Googlebot 和 Bingbot。因为拦截层看到的是「来源 IP + UA」，而搜索引擎与 AI 引擎的基础设施都在云上——一刀切拦数据中心来源，等于同时放弃了传统搜索收录与 AI 引用，而真实人类用户毫无感知。这是单向自损。
八、机会点：按收益排序的四步清单
如果你在越南经营银行、券商、保险或任何受监管金融机构的官网，下面四步是按「每单位工作量拿到的分数」排序的（维度满分：robots 18 / llms 18 / schema 16 / ai_discovery 6）：
| 顺序 | 动作 | 预期收益 | 本期证据 |
|---|---|---|---|
| 1 | 给 robots.txt 补一段 AI 爬虫声明：至少放行检索类身份（OAI-SearchBot / ChatGPT-User / PerplexityBot / Claude-User），训练类可自行取舍 | robots 维度从 12.50 向满分 18 靠拢；本期 0/21 家做过 | 全池零命中，属于「一行文本换分」的动作 |
| 2 | 上线一份真实的 llms.txt（站点根、纯文本、非 HTML），写清主要入口、sitemap 位置、不该抓的个人化路径（网银、OTP、账户页）、以及利率/汇率类信息的时效免责 | llms 维度 0 → 12 档位（零售复测实测 +12 分） | 本期 20/21 家没有真实文件 |
| 3 | 修掉软 404：让不存在的路径返回真正的 404/410，而不是 200 的首页外壳（尤其 /robots.txt 与 /llms.txt 这两个固定路径） | 直接决定前两步能否被工具正确识别 | 本期 6 家 /llms.txt 是软 404、Agribank 的 /robots.txt 是 116 KB HTML |
| 4 | 补结构化数据（Organization / FinancialService / FAQPage）与站点根的 AI 入口文件（站点摘要、FAQ 数据、服务清单） | schema 2.63/16 与 ai_discovery 0.50/6 两项同时受益 | schema 12 家为 0、ai_discovery 13 家为 0 |
顺序不能颠倒：第 3 步是第 2 步的前提。在一个会把任意路径返回成 200 外壳的站点上，你即使写了 llms.txt，外部工具也很可能读不到它（正如本期 MSB 的遭遇）；反过来，不修软 404 就去做「AI 友好度评分」，拿到的分数本身就是错的。
九、风险提示与落到 GEO
三条风险，按我们自己的判断排序：
- 监管已经把「银行 AI」写成高风险项，而公开可读性还没有人管。越南《人工智能法》（第 134/2025/QH15 号，2025-12-10 通过、2026-03-01 生效）发布的首份高风险 AI 系统清单中，银行是六大领域之一，相关系统须在 2027-03-01 至 2027-09-01 之间完成过渡期合规。合规义务聚焦在模型治理、技术文档与人工监督上；「官网能否被外部 AI 正确读到」目前不在任何一份清单里，但它已经是客户获取信息的第一道门。这中间的空档，正是风险所在。
- 被折叠是慢性过程，不会触发任何告警。本期 4 家站点对非浏览器身份不可达、13 家没有 AI 入口文件、12 家没有结构化数据。这些都不会让任何报表变红，只会表现为「客户在 AI 里问起开户条件和利率时，答案来自别人」。
- 银行的信息错误成本高于其他行业。利率、汇率、手续费、开户条件是高频 AI 问答对象，也是后果最重的错误类型。结构化数据 + llms.txt 里的时效免责声明，是把「不被引用」和「被错误引用」两种风险同时降低的最低成本动作。
落到 GEO 这件事上，我们的结论是一句话：越南银行业的 AI 可见度，不是技术能力问题，而是「没人负责」的问题。21 家里唯一有真实 llms.txt 的那家，文件是插件自动生成的——这恰好说明门槛有多低：它甚至不需要一个项目，只需要一个不被挡住的路由。
越南银行业本轮实测（21 家域名池、两遍测量、8 维度明细、站点根文件取证）已完整归档，我们会把这批站点固定下来按月复测，让行业有一份持续更新的公开读数。如果你的机构在中越两地有业务，想知道自己在 AI 答案里是「被引用」还是「不存在」，可以用我们的免费诊断跑一次：输入网址，得到同一把尺子下的 8 维度分数与修复优先级。