這三個問題都被當成「答案是一個數字」來問，而三個的誠實答案都是對一次研究設計的描述。形狀是重複的：一個很大的原始相關性被到處轉發，唯一一次為了把因果與相關分開而設計的測試測出的結果小得多，而引擎自己的文件說這東西從來就不是一個槓桿。會被引用的內容講的是這條線另一側的手法。
專題 · 為 AI 引用而寫
長度、schema 與 llms.txt：證據到底說了什麼？
這是創業者問得最多的三個手法，也是背後證據最薄的三個。本頁把每一項跑過的研究逐一點名：誰做的，以及它的樣本在結構上注定看不到什麼。
本頁內容
簡短回答
三者之中只有一個有第一方答案，而它把三樣一起否掉了：Google 關於其生成式 AI 功能的指南寫明「不存在理想頁面長度」、「沒有你必須添加的特殊 schema.org 標記」，以及一個 LLMS.txt 檔案「既不會傷害也不會幫助」，因為 Search 會忽略它。1 其餘全部是觀察性資料，而它們沒有一份是為了回答人們拿去問它的那個問題而設計的，所以三個流行說法都屬於缺乏支持，而不是已被證偽。唯一一次帶對照組的前後測，1,885 個新增 JSON-LD 的頁面對比 4,000 個配對對照頁，測得 AI Overview 引用變動 −4.6%，另外兩個介面與零無異。8
關鍵要點- 唯一同時涵蓋這三樣的第一方文件把三樣一起否掉了，而且寫在同一份「可以忽略的事情」清單裡，最後更新於 2026 年 7 月 10 日。
- 兩份大型長度資料集指向相反方向，因為它們測的是不同結果；而且兩份裡都沒有哪怕一個未被引用的頁面可供比較。
- 結構化資料只有一次配對前後測：在 AI Overviews 上是一個小幅負值，其他地方什麼都沒有；而讓這個手法流行起來的，是一個大約三比一的原始相關性。
- 沒有任何引擎在文件裡說自己會讀 llms.txt。四家 AI 廠商為自己的開發者文件發布了這個檔案，卻沒有一家寫明自己會消費它；伺服器日誌顯示，請求是從 SEO 稽核工具送來的。
記分板
這三樣各自的證據狀態是什麼？
每一列寫出現存最強的那次測試，以及那次測試因為設計方式而注定看不到的東西。
| 槓桿 | 現存最強的一次測試 | 那次測試看不到什麼 |
|---|---|---|
| 頁面長度 | 兩份觀察性資料集：174,048 個被引用頁面，以及 18,151 個被抓取並評過影響力的頁面 | 沒有未被引用的比較組，因此兩份都無法估計某個字數下被引用的機率 |
| schema 標記 | 一次配對雙重差分測試：1,885 個新增 JSON-LD 的頁面對比 4,000 個對照頁 | 在所測三個介面之外的引擎上，或在更長的時間窗裡，schema 標記是否會提升 AI 引用 |
| llms.txt | 一次涵蓋 37,894 個已被引用網域的橫斷面研究，外加兩項「誰在請求該檔案」的伺服器日誌研究 | 對一個完全沒有被引用過的網站，llms.txt 是否有幫助；任何樣本裡都沒有這樣的網站 |
長度
頁面長度會改變你是否被引用嗎？
沒有人跑過能回答這個問題的研究，而 Google 的立場是這個問題本身就沒提對。它那份關於生成式 AI 功能的指南，最後更新於 2026 年 7 月 10 日，把內容長度歸進可以忽略的事情：「並不要求你把內容切成很小的碎片好讓 AI 更好理解……不存在理想頁面長度；說到底，是為你的受眾做頁面，而不只是為生成式 AI 搜尋做頁面。」1
被拿來替代的那個數字是描述性的。2025 年 12 月的一份產業分析涵蓋 560,346 條 AI Overviews 與 1,677,876 個被引用 URL，收窄到其中 174,048 個能提取正文的頁面，報告被引用頁面平均 1,282 詞，而自然排名頁面為 1,188 詞；其中 53.4% 不到 1,000 詞，30.6% 在 1,000 到 2,000 詞之間，16% 超過 2,000 詞。9 該研究由廠商發布，因此這裡只轉述不連結。
先讀樣本，再讀中位數。裡面每一個頁面都已經被引用過了，旁邊沒有一組未被引用的頁面。一個沒有比較組的資料集能告訴你被引用的頁面長什麼樣，卻無法告訴你一個 2,400 詞的頁面比一個 700 詞的頁面被引用的可能性高多少。把它的中位數變成一份內容簡報，就是把一次普查當成了一張處方。
它報告的唯一一個關係型數字，是字數與引用位次之間 0.04 的 Spearman 相關，且第一到第三位的平均長度幾乎持平。
另一份資料集
為什麼那份學術資料集指向相反方向？
因為它在另一個樣本上測的是另一個結果，而兩個結果一旦對齊就並不衝突。張、何與姚 2026 年的框架把引用選擇（引擎選中了你）與引用吸收（你的措辭進了答案）分開。在 602 條受控 prompt 與 18,151 個成功抓取的頁面上，影響力最高的四分位平均 1,943.30 詞，最低四分位平均 169.82 詞，比值 11.44 倍；其字數分箱一路穩定上升到 3,000 詞以上的頁面，並在 301 到 1,000 詞附近有一個平台。3
先看最低那一檔，再看那個比值。平均 169.82 詞是一張殘頁：一個標籤頁、一則單薄的支援說明、一段產品簡介。11.44 倍的對比是一篇真文章對一個碎片，它完全不包含一篇 1,200 詞的文章該不該擴成 3,000 詞的任何資訊。
作者自己就是這麼說的。字數「單獨看是一個不完整的代理指標」，而他們報告的最強單一相關並不是長度，而是 LLM 相關性評分 r = 0.4322，高於答案與引用之間的嵌入相似度 0.3561。他們的總結句寫得很直白：「頁面字數與結構標記是有作用的，但語義契合比一個簡單的長度訊號更強。」3 他們提出的證據容器讀法才是有用的那個：當多出來的篇幅換來的是更多小標題、更多互不重複的論斷和更多可提取的證據時，長度才有回報；當它換來的是套話時，什麼也不會發生。
結構化資料
schema 標記會改變 AI 引用嗎？
這是唯一一個真有人把實驗好好做過一遍的案例，而相關性與實驗的落差，恰好等於那個主張的全部大小。
先從讓這個手法流行起來的那個相關性說起：在同一家廠商的資料裡，被 AI 引用的頁面帶 JSON-LD 的機率差不多是未被引用頁面的三倍。然後同一批人去找了箭頭的方向。
2026 年 5 月發布：1,885 個在 2025 年 8 月至 2026 年 3 月間引入 JSON-LD 的頁面，與 4,000 個對照頁配對，並以雙重差分分析，好讓全平台趨勢相互抵消。Google AI Overviews 變動 −4.6%，相對配對對照被描述為小但統計顯著；Google AI Mode 為 +2.4%，ChatGPT 為 +2.2%，兩者都與零無從區分。8「schema 標記能提升 AI 引用率」這個說法，得不到那次測試的支持，而那是同類測試中唯一存在的一次。
這個負值也不該被過度解讀。兩組本來就都在下滑，實驗組只是掉得稍快一點；少數極端離群值把那個平均往下拽，把它們剔掉之後兩組看起來大致一樣。加標記沒有做出可測量的效果，而不是造成了傷害。
第一方文件的口徑一致，而且兩個頁面都值得分別引用，因為它們措辭不同，一個日期戳蓋不住兩處。AI 功能那個頁面，最後更新於 2025 年 12 月 10 日，寫道「也不存在你必須添加的特殊 schema.org 結構化資料」，同時要求既有標記「與頁面上可見的文字一致」。2 七個月後的那份優化指南，把它歸進「過度關注結構化資料」，並保留了上它的真正理由：它「有助於讓你有資格取得 Google 搜尋的富媒體結果」。1 schema 依然有它的活要幹，只是那不是它被拿去兜售的那個活。
llms.txt
到底有沒有東西真的會讀你的 llms.txt？
沒有任何有文件記錄的東西會讀，而這個檔案的作者本人也從沒說過它會。這份提案標註日期為 2024 年 9 月 3 日，並在 2026 年 8 月 10 日修訂為第二版，它把該檔案的用途限定在一個 Agent 在需要某樣東西的當下去抓取一個網站：llms.txt 的資訊「是按需使用的，是在一個 Agent 協助使用者時需要某個主題的資訊時使用的」，而當初的預期是它「主要……對推論而不是訓練有用」。5 被一個以搜尋接地的答案引用，並不是這份文件包含的用例。
「一個 llms.txt 檔案有助於頁面被引用」這個說法，沒有任何第一方文件支持，被迄今發表的每一份伺服器日誌反駁，也被唯一一次大規模橫斷面研究否定。Google 直接點了這個檔案的名：建立並維護一個這樣的檔案「既不會傷害也不會幫助你的網站在 Google 搜尋中的能見度或排名，因為 Google 搜尋會忽略它們」。1
真正讓人困惑的一點是，AI 公司自己會發布這個檔案。Anthropic、OpenAI、Perplexity 和 Cloudflare 都為自己的開發者文件提供 llms.txt，四份在 2026 年 8 月 30 日核查時都能回傳內容。6 為編碼 Agent 發布一張地圖，和在為搜尋答案做接地時去消費一張地圖，是兩件不同的事；四家裡沒有一家在文件裡說自己做了後一件。
存在兩類測量。2026 年 3 月的一次橫斷面研究取了 37,894 個在 AI 答案中至少被引用兩次的網域，來自 882 份品牌快照與超過 337,000 條引用，發現其中 13.3% 帶有該檔案；採用者平均 6.8 次引用，未採用者 6.7 次，中位數同為 3.0，Mann-Whitney U 檢定 p = 0.85。7 它自己那條註記才是關鍵：同一比較在全量規模上會變得顯著，效應量為 r = −0.065。同一項研究就是這樣被朝兩個相反方向引用的。
伺服器日誌問的是更粗糙也更乾淨的問題：誰在請求這個檔案。某位站點營運者一個月的日誌記錄到 52 次對 /llms.txt 的請求，每一次都來自 SEO 稽核工具，沒有一次來自 AI 爬蟲；在更大的託管叢集上，4 億次請求中約有 5,000 次落在該檔案上。另一項為期 90 天的研究記錄到 62,100 次 AI 機器人造訪中有 84 次去了那裡，而該網站普通內容頁平均約為 265 次。10
方法
怎麼分辨一次真正的測試和一個相關性？
四個問題幾乎能了結你會看到的每一個 GEO 主張，而四個都能從研究自己的描述裡找到答案。有東西被改動過嗎，還是只是把本來就不同的頁面拿來比？有沒有對照組，好讓全平台的趨勢不被誤當成你的效果？誰被排除在外，那個群體是不是恰好就是你所屬的那一類？以及測的是哪個結果，畢竟在列表裡的位次、對措辭的影響，和被引用的機率，是三個各走各路的變數。
2026 年那份批判性綜述把同一點寫成了一條協議要求：「內容改動、內部連結、結構化資料、網域聲譽和爬蟲可達性，必須被分開。」4 它的信心度表把「引用分數能預測點擊、轉換或營收」評為極低；當一個儀表板遞給你一個會動的單一數字時，這條值得記住。從 SEO 沿用什麼把同一套檢驗用在了那些經得起檢驗的槓桿上。
本頁誠實的局限
這裡的研究有四項由廠商發布，公司之外的任何人都無法重跑：資料沒有公開，抽樣框是一段話而不是一節方法，而廠商自己在賣某種能從該結論裡獲益的東西。引用它們是因為它們是現存的全部測試，不是因為它們強。學術來源那一份是基於 602 條 prompt 的預印本。而這種形狀的樣本裡出現零結果，並不證明任何地方都不存在效應：它的意思是，在這些引擎上、在這些時間窗裡、在這種設計能察覺的量級上，還沒有人找到過。
產品在哪裡派得上用場，在哪裡派不上
本頁的三個問題都在任何工具介入之前就已經定了：對著問題寫，而不是對著字數寫；把結構化資料留給它掙得到的富媒體結果；把花在 llms.txt 上的那一小時，改花在一處檢索修正上。Bavior 無法告訴你加了標記或加了那個文字檔會不會有幫助，任何測量類產品都不能，因為事後對答案做抽樣，無法把你的這次改動和那一週動過的其他一切分開。它能做的更窄：按排程把一組固定的 prompt 打到五個引擎上，逐次記錄每條答案引用了哪些來源，從而給你一次真正的測試所需要的前後序列，但依然沒有對照組。免費 GEO 健檢與免費 AI 能見度檢測不需要付費方案；付費方案按月支付每月 $99 起，或按年支付每月 $79.17（截至 2026 年 8 月 30 日）。
出處，全部核查於 2026 年 8 月 30 日
- Google Search Central，《Google’s Guide to Optimizing for Generative AI Features on Google Search》，最後更新於 2026 年 7 月 10 日（第一方；頁面長度、LLMS.txt、結構化資料）：developers.google.com/search/docs/fundamentals/ai-optimization-guide
- Google Search Central，《AI features and your website》，最後更新於 2025 年 12 月 10 日（第一方；措辭不同的另一個頁面：「不存在你必須添加的特殊 schema.org 結構化資料」）：developers.google.com/search/docs/appearance/ai-features
- Zhang Kai、He Xinyue、Yao Jingang，《From Citation Selection to Citation Absorption》，arXiv:2604.25707v2，2026 年 4 月 29 日（預印本）；602 條 prompt、21,143 條引用、18,151 個被抓取頁面；§§8.1 與 8.2：arxiv.org/abs/2604.25707
- 《Optimizing Visibility in Generative Engines: A Critical Survey》，2026 年 7 月 15 日，arXiv:2607.14035（預印本）；混雜因素分離協議；表 5 把「引用預測營收」評為極低：arxiv.org/abs/2607.14035
- Jeremy Howard，《The /llms.txt file, v2》，日期 2024 年 9 月 3 日，修訂於 2026 年 8 月 10 日（提案本身，第一方）：github.com/AnswerDotAI/llms-txt
- 四家廠商為自己的開發者文件發布的 llms.txt，2026 年 8 月 30 日抓取時全部回傳內容：docs.anthropic.com/llms.txt、developers.openai.com/llms.txt、docs.perplexity.ai/llms.txt、developers.cloudflare.com/llms.txt
- llms.txt 橫斷面研究，2026 年 3 月 19 日：37,894 個至少被引用兩次的網域，來自 882 份品牌快照；採用率 13.3%；平均引用 6.8 對 6.7，中位數 3.0，Mann-Whitney U 檢定 p = 0.85，全量規模下 r = −0.065。廠商發布；只轉述不連結。
- schema 雙重差分測試，2026 年 5 月 11 日：1,885 個在 2025 年 8 月至 2026 年 3 月間新增 JSON-LD 的頁面對比 4,000 個配對對照頁；AI Overviews −4.6%、AI Mode +2.4%、ChatGPT +2.2%。廠商發布；只轉述不連結。
- 內容長度分析，2025 年 12 月 3 日：560,346 條 AI Overviews、1,677,876 個被引用 URL、174,048 個可提取正文的頁面；平均 1,282 詞，自然排名頁面為 1,188 詞；與引用位次的 Spearman 相關為 0.04。廠商發布；只轉述不連結。
- 兩項關於誰在請求 /llms.txt 的伺服器日誌研究：某位營運者一個月的日誌，52 次請求全部來自 SEO 稽核工具，加上整個託管叢集 4 億次請求中約 5,000 次，2026 年 3 月 5 日；以及一項 90 天研究，記錄到 62,100 次 AI 機器人造訪中有 84 次，2026 年 2 月 5 日。只轉述不連結。
常見問題
你想知道的，都在這裡。
一個頁面要多長才會被 AI 搜尋引用？
沒有任何有證據支撐的數字，而且 Google 自己的指南寫明不存在理想頁面長度。被引用最多的那個數據，即 174,048 個被引用頁面平均 1,282 詞，描述的是已經被引用的頁面長什麼樣，而不是它們因為長度才被選中，其中 53.4% 還不到 1,000 詞。把問題答完就停筆。
為了被 AI 引用，我該加 schema 標記嗎？
為富媒體結果加，那是它真正能兌現的收益。唯一一次配對前後測，1,885 個新增 JSON-LD 的頁面對比 4,000 個對照頁，發現 AI Overview 引用下降了 4.6%，其餘介面與零無異；Google 也寫明，為其 AI 功能你並不需要添加任何特殊的 schema.org 標記。留著它，但別替它多領功勞。
我的網站需要一個 llms.txt 檔案嗎？
沒有任何一個有文件記錄的搜尋引擎會讀它。Google 寫明該檔案既不會傷害也不會幫助，因為 Search 直接忽略它；提案作者本人把它的用途限定在 Agent 按需抓取，而不是搜尋引用；兩項伺服器日誌研究發現，請求幾乎全部來自 SEO 稽核工具。如果某個 Agent 整合需要它就發布一份，但別把它算進能見度。
為什麼這麼多 GEO 指南還在推薦這三樣？
因為每一樣背後都有一個很大的原始相關性，而相關性做起來很便宜。被引用的頁面確實大約有三倍的機率帶 JSON-LD，被引用的頁面平均字數確實也比殘頁多。缺的那一步是對照組，而在唯一一次有人補上對照組的場合裡，效應就消失了。請追問：那項研究到底改動了什麼，又是拿什麼來做比較的。
Bavior 編輯部
負責研究與維護 Bavior 關於 Reddit 行銷和 AI 搜尋可見度的所有內容。文中每一個數字都註明了來源出處與查證日期，所有外部連結均非聯盟推廣連結。
發現數字有誤？告訴我們，我們會重新查證：support@bavior.com