企业网站上线之后,运营同学看的是视觉效果和手机端是否顺滑,老板看的是询盘有没有进来,但 AI 检索系统看的是另一套:它在不在 HTML 源码里、标题层级对不对、能不能顺着内链走到、事实是不是成句可摘。很多企业站页面上排版工整、内容充实,可一旦拿去做机器可读性测试,问题会集中暴露在同几处——正文由前端框架渲染出来、参数表塞在一张图片里、robots.txt 把内容目录挡住、结构化数据里的公司名称和页脚不一致。这篇文章给出一套可逐项执行、能交给开发同事照着做的测试清单,附上工具组合、记录表字段和整改优先级排序规则。核心前提只有一句:网站结构与可读性同时是 AI 检索的基础,可读性是内容能否被引用的前置条件。
机器可读性的五层测试框架与工具组合
"可读"这个词在机器语境里要拆开看。一个页面在人眼里成立,不代表它能被检索系统正确解析。我们把机器可读性拆成五层,每层对应不同的失败模式与不同的整改手段,测试时逐层推进,不要跳层。
| 层级 | 要回答的问题 | 典型失败表现 | 常用检查工具 |
|---|---|---|---|
| 源码层 | 正文是否存在于 HTML 源码中 | 查看源代码找不到产品参数 | 浏览器"查看源代码"、curl 抓取、Lighthouse 的"SEO"审计项 |
| 语义层 | 结构语义标签是否正确 | 标题跳级、表格用 div 拼、缺 alt | W3C HTML 校验器、axe DevTools、Chrome 检查器的辅助功能面板 |
| 可达层 | 抓取器能否走到并抓走 | robots 屏蔽内容目录、sitemap 缺页、孤岛页面 | robots.txt 直读、Search Console 网址检查、站点地图验证工具 |
| 标记层 | 结构化数据是否与页面内容一致 | Schema 里的公司名与页面显示不同 | Rich Results Test、Schema.org 标记验证器 |
| 可答层 | 关键事实能否被完整摘出 | 事实散落在三张图里、抓出来是半句 | 自定义事实清单逐条核对、检索工具的抽取测试 |
工具选择上不必求全。一套够用的组合是:源码层用浏览器查看源代码加命令行里的 curl;语义层用 W3C 的 HTML 校验器看语法与嵌套,必要时用 axe 做辅助功能扫描;可达层用 robots.txt 和 sitemap.xml 直接读,加上站长平台的网址检查;标记层用 Google 的富媒体结果测试与 Schema.org 官方验证器;可答层用自己写的关键事实清单人工核对,这一步工具帮不上忙,只能靠人。
建议把这五层做成一张检查表,每个页面每个层级填一个结论,标注通过与否和备注。一个页面在五层里都通过,可以进入内容质量评估;任何一层不通过,先修这一层再往下看,因为上层的问题往往被下层的缺失掩盖。
源码层:正文到底在 HTML 里还是由 JavaScript 生成
这是企业站最常见也最致命的一层问题。页面上能看到产品参数,但那段文字并不在服务器返回的 HTML 里,而是浏览器执行脚本后才插入 DOM 的。搜索引擎中的 Googlebot 会执行 JavaScript 再取内容,而相当一部分面向 AI 检索的抓取管线并不执行完整脚本,结果就是索引里有标题、有摘要、没有正文。
判定用四个动作,十分钟能出结论:
- 查看源代码。在页面按 Ctrl+U(Mac 为 Cmd+Option+U)打开源代码,用 Ctrl+F 搜索一段页面上确实存在的关键文字,比如某个具体功率值。如果搜不到,说明正文是脚本后渲染的。
- 命令行抓取。用
curl -s https://你的域名/产品页把原始 HTML 存下来,同样搜索那串文字。命令行的输出更接近抓取器看到的东西,能排除"其实是浏览器缓存"这类干扰。 - 禁用 JavaScript。浏览器设置里关掉 JavaScript 后刷新页面,看正文是否还在。如果页面塌成一片空白或只剩骨架,依赖脚本渲染的结论就成立了。
- 看有无兜底内容。检查源码里有没有
<noscript>包裹的版本。多数前端框架不提供这个,需要开发补。
整改方式按成本排序:优先把内容改成服务端渲染或构建期静态生成,让 URL 打开即带完整正文;其次在保留前端框架的前提下补服务端渲染输出;再次退一步,把关键内容(产品名、核心参数、摘要、联系方式)单独渲染进 HTML,让脚本负责交互而不负责承载信息。判断标准很简单:关掉 JavaScript 后,AI 还能不能读到这页在说什么。
语义层:标题层级、列表、表格与图片替代文本
这一层管的是"内容被切开后是否还能被正确归类"。检索系统会把页面切成片段,标题与表格结构决定了这些片段带着什么上下文被索引,也决定了模型回答时引用的是哪一块内容。
- 标题层级。一个页面通常只有一个 H1,且与页面主题一致。H2 到 H6 逐级下降,不跳级。整页用同一级字号做视觉分层是常见做法,但那样等于告诉机器所有内容都是平级段落,主题边界就没了。
- 列表。并列的要点用
<ul>或<ol>,不要用一串带空格的段落硬凑。列表项本身就是可被整段摘取的结构化单元。 - 表格。用
<table>、<th>、<td>,给表头加scope,给表格配<caption>或紧邻的说明文字。把参数表做成图片是这一步最常见的错误——视觉上整齐,机器上一片空白。 - 图片替代文本。alt 描述图片内容本身,比如"三型齿轮模数对照表",而不是塞关键词或留空。纯装饰性的图标写空 alt,避免读屏软件逐个念出来。
- 表单。每个输入框关联
<label>,否则采集到的数据与字段名对不上,后面再谈数据合规就没有基础。 - 强调。用
<strong>标注关键事实而不是只靠样式加粗;把"ISO 9001 认证"这类可被直接引用的短事实单独成句,比夹在一句话中间更容易被摘出来。
铭赞经验:语义层改造的性价比通常被低估。一个产品页从"参数表用图片"改成"参数表用真表格加表头",页面视觉几乎不变,但可被抽取的事实数量往往成倍增加。改造成本集中在模板层,一次修改全站生效,属于投入产出很清楚的动作。
可达层:robots、站点地图、内链与结构化数据
内容再好,抓不到等于没有。可达层检查四件事。
robots.txt。直接访问 https://你的域名/robots.txt,看两处:一是 User-agent 分组里有没有把 Disallow: / 这类过宽规则写给了通用爬虫;二是有没有针对各家 AI 抓取器的单独分组(例如 GPTBot、ClaudeBot、Percolator 等标识)被误伤。值得注意的是,robots.txt 属于自愿遵循约定,不是访问控制——它挡不住恶意访问,但会挡住讲规矩的抓取器,所以既不能当成安全手段,也不能随意屏蔽。
站点地图。确认 sitemap.xml 存在、格式可解析、只包含返回 200 状态码的真实页面,并且覆盖了产品页、方案页、案例页这些真正需要被引用的内容。站点地图里的 URL 与站内实际 URL 必须一致,否则会形成大量指向 404 的信号,把抓取预算浪费掉。
内链。检查关键页面有没有从导航或正文被链接到。一个只在 sitemap 里出现、其他页面从不指向它的页面,实际上是孤岛页,内容再独特也很难被当作站点核心资产。
结构化数据。用 JSON-LD 声明 Organization、WebSite、Product、Article 等类型,用验证器检查语法与必填项,再核对一件事:结构化数据里的公司名称、地址、电话、logo,与页面可见区域、页脚、联系页写的是不是同一套。这几处不一致是实体信息混乱最常见的来源,而 AI 在交叉验证时会发现矛盾,进而降低对整站信息的信任度。
可答层:关键事实的可摘性测试与整改优先级
前四层通过之后,进入真正决定"能不能被引用"的最后一层。做法是从业务侧手里要一张关键事实清单——企业最希望被 AI 回答对的那二十条到三十条事实,比如主营产品型号、产能规模、服务覆盖区域、资质编号、质保年限、典型应用场景、响应时效。每条事实回到页面上核对三件事:
- 是否存在于 HTML 源码中,而不是图片、canvas 或脚本后渲染的块里;
- 是否构成完整句子,包含主体、属性和值,能被单独摘出来仍然读得懂;
- 是否有多处一致表述,产品页、方案页、案例页说的是同一套参数,没有互相冲突的数字。
把核对结果按下面的字段记录成表,这份表同时是整改清单:
| 记录字段 | 填写要求 | 用途 |
|---|---|---|
| 事实编号与内容 | 一句话写清待验证事实 | 与业务侧对齐的核对基准 |
| 所在页面 | 精确到 URL 与章节 | 定位整改位置 |
| 源码层结论 | 在 HTML 中/仅图片/仅脚本渲染 | 判断是否需要改渲染方式 |
| 语义层结论 | 标签是否正确、是否成句 | 判断是否需要改模板 |
| 冲突记录 | 与其他页面的表述是否一致 | 定位信息不一致处 |
| 优先级 | P0/P1/P2 | 排定整改顺序 |
| 责任人与完成时限 | 具体到人 | 避免记录停留在表格里 |
优先级按"影响是否被引用"排,而不是按改动难度排:P0 是影响抓取的问题——robots 屏蔽、页面返回非 200、内容只在脚本里,这类问题不解决,后面做得再细也传不到机器;P1 是影响抽取的问题——标题层级混乱、表格是图片、事实不成句,这类问题决定内容被切分和引用时的准确度;P2 是影响呈现与体验的问题——视觉排版、动效、图片压缩,这类改动对机器可读性影响有限,但对人类访问者的停留时长有帮助。多数企业的直觉会先做 P2,因为改起来最直观,而真正该先动手的是 P0。
改完之后做一次回归:重新跑一遍这张事实清单,核对结论是否翻转;再补一批新问题进去,看这轮新增的事实能不能被覆盖。网站在持续改版,每次大改版后重跑一遍五层清单,比任何一次性的整改都更持久。
下一步行动
想知道贵司网站的机器可读性到底卡在哪一层?铭赞提供网站与 GEO 基础诊断,会抽取首页、产品页、方案页等关键页面跑完源码层、语义层、可达层、标记层、可答层五项检查,输出一份带 P0/P1/P2 标注的整改清单与关键事实核对表。电话 13991172090,或访问 xamz.cn/geo/diagnosis.html 在线申请。
铭赞网络的服务范围覆盖GEO优化、SEO、网站建设和外贸营销,服务电话 13991172090。