越南教育 25 个官网 AI 就绪度实测：19 家可评分均分 40.47，公立高校 35.56，6 个域名 AI 进不去

2026 年越南高考有 1.22 百万考生走进考场（教育培训部，2026-06），全国在读的本科到博士学生 2,798,974 人（教育培训部高教会议，截至 2026-08-20），全国高教机构 226 所（教育培训部，2026-10）。这是一个每年都在重新洗牌的注意力市场：一所学校如果不在家长和学生「做决定的那一刻」出现，这一年就与它无关。

而「做决定的那一刻」正在搬家。过去是百度/Google 搜关键词 → 点开官网 → 看招生简章；现在是直接在 ChatGPT、Gemini、豆包、DeepSeek 里问一句：「越南学 IT 哪所大学最好」「học ngành gì dễ xin việc」「đại học nào học phí thấp mà chất lượng」。AI 给出三到五个名字，学生就记住那三到五个。

所以我们把这一期实测对准了教育。这是「越南 AI 可见度实测」系列的第九个垂直行业（前八个：零售电商、物流与供应链、银行、支付、食品饮料、纺织服装、保险、港口航运）。同一台引擎、同一个新加坡节点、同样一套剔除规则。结论先说：19 家可评分机构均分 40.47，中位 38.0；25 个域名里 6 个，AI 爬虫连门都进不去；全国最顶尖的几所公立大学，均分只有 35.56。

一、为什么这一期测教育：招生决策是「一次性的、年轻人的、AI 优先的」

教育行业有一个别的行业没有的特征：客户每年换一批，而且每一批都是新用户。一所大学今年招进来的学生，四年内不会再「选购」一次；明年的考生完全不知道去年发生过什么。这意味着品牌资产无法靠复购沉淀，只能靠「每年在决策入口处被看见」重建。

这个入口现在有三个变化同时发生。

第一，问法变了。过去考生搜的是「điểm chuẩn đại học Bách khoa」（某校录取分数线）——一个事实型检索，答案是数字。现在问的是「nên học trường nào để ra trường dễ xin việc」（学哪所好找工作）——一个比较型问题，答案是一段带理由的推荐。前者靠排名页和招生简章就能接住，后者只能靠「AI 读懂了你是谁」才接得住。

第二，判断依据变了。越南家庭选校的三大因素是学费、就业率、地理位置，这三件事恰好都是结构化数据最擅长表达的东西（学费是数字、就业率是比率、地址是实体）。但我们在实测里看到的是：19 家可评分机构中，13 家的结构化数据维度是 0 分。也就是说，这些信息在官网上有，但没有一份是「AI 能当事实读」的。

第三，供给端在扩容。越南教育培训部 2026 年推动高教数据平台 HEMIS 与招生信息透明化，同时在线教育市场在扩张（越南教育科技市场 2025 年约 3.68 亿美元，6Wresearch 2025）。学校越多、课程越同质，「被 AI 优先提及」就越像当年的「百度首页排名」——不是营销费用的问题，是基础设施的问题。

二、测量口径：25 个域名、三类机构、8 个维度、四类「无法评分」

域名池按公开信息选取，覆盖三类主体：公立高校 12 所（含河内国家大学、河内百科、国民经济大学、外贸大学、UEH、孙德胜、岘港、芹苴、顺化、胡志明市理科、胡志明市师范、胡志明市百科）、国际化院校 3 所（RMIT 越南、Fulbright、VinUni）、在线教育与语言培训 10 家（HOCMAI、Tuyensinh247、Unica、Kyna、Gitiho、VUS、Apollo、ELSA、Moon.vn、ILA）。

评分引擎是开源的 geo-optimizer-skill（MIT 协议）8 维度 100 分模型：robots 18 / llms 18 / schema 16 / meta 14 / content 12 / signals 6 / ai_discovery 6 / brand_entity 10，总分 = 八维之和 + 罚分。测量节点新加坡（47.237.110.50），测量时间 2026-10-28。为什么不用大陆节点：大陆到部分越南站点直接返回 000，会把网络问题误判成「站点对 AI 不可见」——这个坑 2026 年 9 月已经踩过一次。

剔除规则先说清，它决定了后面每个数字的含义：HTTP 非 2xx/3xx、首页 0 字节、返回人机质询页、返回登录页、域名失效、以及引擎侧抓取被拒（浏览器 UA 200 但引擎 403）的，一律记「无法评分」并写明读数，绝不记 0 分。抓取失败不是低分，两者的修法完全不同：低分要改内容结构，抓取失败要改服务器与 CDN 策略。混在一起讲就是对客户撒谎。

三、总表：19 家可评分，均分 40.47，只有 2 家进「good」档

把 25 个域名逐个跑完，19 家可评分机构的结果是：均分 40.47、中位数 38.0、区间 10–70。按引擎自己的分档（band）统计：good 2 家、foundation 9 家、critical 8 家。

最高分是 Apollo English 70 分，最低是 ĐH Huế 10 分。这两个名字放在一起很说明问题：排在最前面的不是在越南排名最高的大学，而是一家英语培训连锁；排在最后的是中部一所历史悠久的国立大学。分数不衡量学术水平，它只衡量一件事——当 AI 去读你的网站时，它能不能读懂、能不能验证、能不能摘出一句可引用的话。

四、6 个域名 AI 进不去：403、质询页、不可达与空壳

这一节比总表更重要。因为「AI 看不见你」有两个完全不同的原因，而大多数机构的预算全花在错的那个上。

把这 6 个分成四类，责任归属完全不同：

① 主动拒绝（3 家）：Fulbright Việt Nam、VinUni、ILA Việt Nam。其中两所是国际化的私立大学与全国规模最大的英语连锁之一，它们的首页在浏览器里打开完全正常，但换一个不是浏览器的 UA 就直接 403；Fulbright 更典型——浏览器 UA 下首页 303,117 字节可正常读取，引擎侧返回 403 / 0 字节，第一次跑出来的「0 分」是测量假象，我们复核后按规则改记「无法评分」。这类问题不是内容问题，是 CDN / WAF 的机器人策略问题，一行配置就能改变命运，但没人告诉他们。

② 域名侧不可达（2 家）：ĐH Bách khoa Hà Nội、ĐH Ngoại thương。河内百科与外贸大学，在越南国内人尽皆知，但从新加坡节点 https/http 双协议全部 000。可能是地域封禁，也可能是出网策略——无论哪种，海外 AI 爬虫同样进不去。一所学校的官网只对本国 IP 开放，等于把「国际招生」这件事交给运气。

③ 空壳页（1 家）：ĐH Bách khoa TP.HCM。胡志明市百科首页返回 200 但只有 2,881 字节，是一个 JS 空壳：人类浏览器执行脚本后才看到内容，AI 爬虫看到的是几个 div 和一段脚本。这是最容易被忽略的一类——分数看起来「有」，实际上一个字都没读到。

④ 质询页（0 家）：—。Cloudflare 的「Just a moment...」页面对人类是 1 秒钟的等待，对 AI 爬虫是一道永远过不去的墙。这两家的 robots.txt 其实写得不错（720 字节与 267 字节，都声明了 sitemap），但机器人策略在更外层把它们全挡了——robots 是「允许进门」，WAF 是「门口的大门焊死了」，两者不是一回事。

五、八个维度拆开看：结构化数据 13/19 归零，机器可读入口 17/19 归零

总分只能说明「差」，维度才能说明「差在哪、先补哪个」。下表是 19 家可评分机构在每个维度上的均值：

三个结论值得单独拎出来：

① 结构化数据（schema）是集体空白。均分 2.37/16，13 家 0 分。这一维度问的是一件很朴素的事：AI 能不能把你的内容当成「实体 + 事实」，而不是一段需要猜的文本？学费、学制、专业清单、校区地址、录取分数——这些全是天然的结构化信息，但没有一家把它们写成 CollegeOrUniversity 或 Course 的 JSON-LD。结果就是：AI 想推荐你，却拿不到一个可引用的数字。

② 机器可读入口（ai_discovery）几乎全空白。均分 0.21/6，17 家 0 分，全池 /.well-known/ai.txt 配置数 0 家。这四个入口（ai.txt / ai/summary.json / ai/faq.json / ai/service.json）本质上是「给机器的一张名片」：你是谁、你提供什么、常见问题怎么答、联系方式是什么。写一份 30 分钟，全池却只有一家拿到 2 分。

③ llms 与 robots 是两个世界。robots 均分 12.89/18，llms 均分 3.58/18。差别在于：robots.txt 是二十年前的老规矩，工程师建站时顺手就有；llms.txt 是 2024 年之后才出现的约定，没人提醒就不会有人做。而真 llms.txt 全池只有 3 份。

六、根文件取证：真 llms.txt 3 份，robots 点名 AI 爬虫 3 家，sitemap 声明 15 家

这一节的数据是逐个 curl 拿的，不依赖评分引擎，所以可以单独作为「基础设施体检表」看：

三个可以直接对外说的话：

① 真 llms.txt 只有 3 份：ĐH Khoa học Tự nhiên TP.HCM（32,819 B）、VUS Anh văn Hội Việt Mỹ（33,296 B）、Apollo English（3,832 B）。注意其中两家的文件体积（32,819 B / 33,296 B）已经超过 30 KB——这不是「占位文件」，是真的在告诉模型「这里有哪些内容、怎么读」。这类机构在 AI 答案里的表现，和只有 robots 的机构不是一个量级。

② robots.txt 点名 AI 爬虫的只有 3 家：ĐH Khoa học Tự nhiên TP.HCM（2 个）、Fulbright Việt Nam（1 个）、HOCMAI（8 个）。三个细节值得单独说：HOCMAI 点名最多（8 个：GPTBot、ClaudeBot、Google-Extended、Amazonbot、Bytespider、CCBot、Applebot-Extended、Meta-ExternalAgent），但总分只有 28 分——问题不在门禁，在 schema 与内容层；胡志明市理科大学是唯一把「邀请」和「说明书」两件事都做齐的一家（点名 GPTBot 与 CCBot，同时有一份 32,819 字节的真 llms.txt），也拿了这一池公立高校的最高分 67；最讽刺的是 Fulbright——它在 robots.txt 里明确点名放行 OAI-SearchBot（OpenAI 的搜索爬虫），却在 WAF 层把所有非浏览器请求一起挡了，声明与实际完全相反：AI 按它自己发的许可来敲门，被自己的门卫赶走。

③ 有 4 家把 robots.txt 或 llms.txt 做成了「软 404」（HTTP 200 但返回的是 HTML 页面）。这比真 404 更糟：真 404 至少工具会报错，软 404 会让检测工具以为「已配置」。修的时候先看一眼文件的 Content-Type。

七、三类机构：公立 35.56 < 国际化 43.00 < 在线教育 45.11

按机构类型切开，差距比想象中整齐：

公立高校 9 家，均分 35.56，中位 34.0。最低 10 分、最高 67 分。这一组是越南高教的「国家队」，也是国际学生和跨境合作最想找的对象，但恰恰是 AI 就绪度最低的一组。原因不复杂：公立高校的官网多半是「行政信息发布平台」，建成于「有人会自己找上来」的年代，页面结构为人类阅读优化，不为机器解析优化。

国际化院校 1 家可评分，均分 43.00。这一组的网站多用国际模板（英文优先、结构规范），所以 meta 与 content 维度普遍不低；但它们的通病在「门禁」：2 所因为 WAF 或质询页直接无法评分。国际化程度越高，越倾向于用企业级 WAF，而企业级 WAF 的默认策略就是「非浏览器一律拒绝」——这是 AI 时代一个反直觉的陷阱。

在线教育与语言培训 9 家，均分 45.11，中位 45.0。这一组明显最好，因为它们的商业模式天生依赖「被发现」：SEO 是它们的生命线，所以 meta、content、signals 三个维度普遍扎实。但即使是这一组，schema 与 ai_discovery 依然大面积归零——它们把「给搜索引擎看」做到了，把「给 AI 看」还没开始做。

八、30 天能做完的六件事（按投入产出排序）

这些不是理论清单，是我们给客户做的同一套动作，按「改动成本 / 得分收益」排序：

1先查门禁，别先改内容。用三种 UA（浏览器 / GPTBot / 空 UA）各请求一次首页，看返回码是否一致。三所被 WAF 挡住的机构，改一百篇内容也没用——AI 连第一个字节都没收到。检查清单：Cloudflare 的 Bot Fight Mode、阿里云 WAF 的「Bot 管理」、以及 nginx 里的 if ($http_user_agent ~* ...) 规则。

2放一份真 llms.txt。格式极简：H1 是机构名，一段 100 字以内的定位，然后按「招生 / 专业 / 学费 / 校园 / 就业」分节列出重要页面 URL。要点只有一个：每一行都必须是真链接，且返回 200。我们看到太多「写了但全是 404」的 llms.txt，那比没有更糟。

3把学费与专业写成结构化数据。教育行业最容易拿分的三块：CollegeOrUniversity（机构实体 + sameAs 链到教育部名录、维基、领英）、Course（专业名、学制、学费、授课语言）、FAQPage（「学费多少」「要什么条件」「什么时候报名」「毕业就业率」）。AI 回答「哪所学校学费低」时，摘的就是这几个字段。

4补 ai.txt 与 ai/summary.json。四个入口里，这两个最容易：前者是一段纯文本自述，后者是一个 JSON（name / description / capabilities）。全池 0 家做了，这就是免费的分差。

5给每一届招生做「一页可引用事实」。越南考生最常问的五个问题（điểm chuẩn / học phí / điều kiện xét tuyển / thời gian đăng ký / cơ hội việc làm），每题给一个带年份与出处的确定答案。AI 需要的是「一句能抄的话」，不是一篇宣传稿。

6每月复测一次，而不是每年。招生季是 3 月到 8 月，AI 的答案会随季节变化。3 月测一次做基线、5 月测一次看志愿季表现、8 月测一次看补录。三次读数比一次「年度大报告」有用得多。

最后提醒一句：分数不是目的。真正的检验是招生季里，用越南语问 AI「nên học trường nào」——看它给出的三个名字里有没有你。我们给客户做的月报，第一页永远是这句问题的答案截图，不是分数曲线。

九、方法论、数据来源与独立性声明

测量方法。域名池 25 个，按公开信息选取（公立高校 12 所、国际化大学 3 所、在线教育与语言培训 10 家）。引擎 geo-optimizer-skill（MIT 协议），8 维度 100 分模型，总分 = 八维之和 + negative_penalty。节点新加坡（47.237.110.50），时间 2026-10-28。台账校验：每一家的「维度合计 + 罚分 == 总分」逐条复核，不一致即作废。

无法评分的处理。403 / 000 / 空壳 / 质询页 / 引擎侧被拒，一律记「无法评分」并写明读数，不记 0 分。特别说明 Fulbright：浏览器 UA 下首页 303,117 字节可正常读取，引擎侧返回 403 / 0 字节，首轮输出的 0 分属测量假象，已按规则改记「无法评分（引擎侧 403）」。河内百科与外贸大学在新加坡节点 https/http 双协议均 000，未做进一步地域归因，只记读数。

数据来源。行业背景数据均标注机构与年份：教育培训部（2026-10，226 所高教机构）、教育培训部高教会议（2026-08，2,798,974 在读学生）、教育培训部（2026-06，1.22 百万高考考生）、6Wresearch（2025，越南教育科技市场约 3.68 亿美元）。对外口径四条：Gartner（2024-02）、Bain、艾媒咨询（2026-02）、Technode（2025-08）。

独立性声明。本次测量为独立观察，未收取任何被测机构或其竞争方的费用、赞助或供稿；评分规则、剔除规则对全部被测方完全一致。分数为单一时点读数，站点与模型都会变化，建议按月复测。若被测方认为读数与实际情况不符，欢迎提供证据，我们公开复核并更正。

我们的站点自己做同样的体检：全站 186 个页面、最近一次全量复测均分 88.06（2026-10-26）。这份自评分也挂在本页底部——你能看到我们的分数，也能看到我们给自己打分的引擎是什么。这就是「被 AI 理解，即是被世界看见」的另一半：先让自己可被读懂，再谈被看见。