AEO Check：检查 AI 助手会不会推荐你的品牌

网站能搜到自己的品牌名，不等于买家问 AI“该选哪个产品”时，你也会出现在答案里。传统 SEO 指标很难解释这段空白：排名看不到模型提了谁、把谁排在前面，也看不到竞品究竟赢在哪个问题上。

SandBase AEO Check 从一个公开网址出发，生成 6 个买家问题，让 4 个模型分别回答，再把 24 份答案与 9 项站点检查放进同一份报告。它适合发现对比页缺口、品类表达不清、爬虫阻塞等问题；不适合拿一次运行结果当成长期排名。

先说结论

• 一次运行覆盖 4 个模型、6 个问题、24 份答案。
• 报告拆分 AI 可见度、声量份额、平均位置、情感与站点就绪度。
• 9 项站点检查覆盖首页、robots.txt 与 llms.txt。
• 模型不启用实时网页搜索，消费端产品的答案可能不同。
• 这是有日期、有范围的实验，不是未来推荐的保证。

2026-11-02 核验的公开入口。运行前就写明 4 个模型、6 个买家问题与 9 项站点检查，范围没有藏在结果页里。

报告到底测了什么

真正值得看的不是总分，而是总分下面的证据。

指标	回答的问题	边界
AI 可见度	24 份答案里有多少提到品牌	依赖本次问题和模型版本
声量份额	所有品牌提及中，目标品牌占多少	被提到不等于点击或成交
平均位置	品牌在答案中大致排第几	自由文本的位置提取可能有误差
情感	模型如何描述品牌	不是客户调研
站点就绪度	页面是否容易抓取和理解	技术通过不代表一定会被推荐

示例报告保留每个问题的完整回答，这一点很重要。若某个竞品占据 19/24 的答案，你可以继续判断它赢在价格、场景匹配、品牌知名度，还是问题本身太宽。只看一个 36 分，做不了这个判断。

Lab 目录把 AEO Check 标成新增增长工具，并把任务限定为“AI 助手是否推荐这个站点”。截于 2026-11-02。

三步工作机制

第一步读取公开首页、robots.txt 与 llms.txt，检查爬虫权限、noindex、结构化数据、FAQ、标题层级、描述长度、内容日期与正文量。

第二步由一个 SandBase 模型归纳品类、潜在竞品和 6 个不带品牌名的买家问题。2026-11-02 页面显示的回答模型为 GPT-6.1 Sol、Claude Sonnet 5.5、Gemini 3.8 Flash 与 DeepSeek V4 Flash；模型集合会变，复测时要记录版本。

第三步统计提及、位置和声量，分析语气，再给出按影响排序的动作。页面当日写明：通常约 2 分钟，费用记入 SandBase 余额，常见成本约 0.1 美元，报告不存储。价格和留存策略都属于时效信息，应以运行当天页面为准。

方法分为读取、提问、评分三段。AEO 分数来自本次实验，并不是外部统一榜单。

先修什么

先处理会让内容不可访问的问题：误加 noindex、阻断相关爬虫、canonical 错误、首屏无法渲染。之后再看内容结构：产品属于什么品类、服务谁、解决什么任务、与替代方案差在哪，是否都能在页面上找到明确、可引用、带日期的回答。

不要为了绿灯机械添加 FAQ 或 llms.txt。页面仍要服务真实读者。若“替代方案”问题里模型总选竞品，更合理的动作是写一篇公平对比，说明双方各自适用场景，而不是批量造 6 篇近义页。

如果还要判断站点体量，可结合网站流量检查工具指南；如果要看更完整的搜索侧流程，继续读 DataForSEO 关键词调研 Agent。流量、搜索排名和模型提及不是同一个指标。

建议的月度复测流程

1. 保存日期、模型、6 个问题和完整回答。
2. 把问题分成技术、内容、权威性三类。
3. 只选一个高影响改动，并写明如何验收。
4. 发布或修复对应页面，确保主张具体、有来源。
5. 等待抓取或更新后，用相同问题复测。
6. 逐题比较，不只盯着总分。

这里最容易踩的坑，是把实验变化当成网站进步。只要问题或模型换了，总分就不再是严格对照。

常见问题

AEO 和 SEO 是一回事吗？

不是。SEO 通常关注搜索结果里的可见度；本工具观察指定模型的生成答案是否提到品牌。两者都受页面可访问性、信息明确度与权威来源影响。

这等于开启联网搜索的 ChatGPT 吗？

不等于。页面明确说明模型不使用实时网页搜索，消费端开启搜索后的答案可能不同。

高分能保证以后被推荐吗？

不能。它只描述某一天、某组模型、24 份答案和 9 项检查。

最后判断

AEO Check 最像一本诊断记录：分数背后保留问题、答案、竞品和技术检查。用它决定下一步查什么，再用相同问题复测。完整答案是证据，总分只是摘要，顺序别反了。