我是谈光尘，做搜索营销二十多年，百度上海待过五年，后来一直做品牌和危机公关。2025 年秋天，一个做家居定制的企业主找到我，开口就抱怨：官网挂了十几类 Schema、配了 llms.txt、FAQ 凑了八十条，豆包和 DeepSeek 里反而搜不到自己了，问我是不是没加够。
我回他一句：你猜 AI 为什么不敢推荐你。
这不是他一个人的困惑。我做搜索营销二十多年，GEO 这两年最大的错觉，就是「加得越多，AI 越信任你」。Schema 堆到十几类，llms.txt 写得像产品说明书，FAQ 里全是从竞品那抄来的标准问答。团队觉得这是「把内容喂饱」，AI 看到的却是另一件事：这个站点在拼命向机器交投名状，动机可疑。
今天我跟你把这事说透，顺便给你一套能直接抄的「减法审计」打法。
一、AI 的信任机制，是防御不是加分
先把一个底层逻辑摆正：AI 推荐一个品牌，靠的不是「你做了多少优化动作」，是「你的信息它敢不敢当事实用」。
我在百度做了五年搜索，见过一模一样的机制。当年 SEO 时代，百度反作弊就把「过度优化」当首要风险信号：一个页面堆满关键词、铺满隐藏链接，内容却稀烂，搜索引擎第一反应不是加分，是判定你作弊，直接降权甚至清出。GEO 时代，AI 把这套逻辑继承了下来，只是把「关键词堆砌」换成了「Schema 堆砌、llms.txt 堆砌、FAQ 堆砌」。这不是我拍脑袋，是同一套反作弊逻辑的延续：过度机器友好，从来不是加分项。Google 早在 SEO 时代就把 E-E-A-T（经验、专业、权威、可信）写进《搜索质量评估指南》（Search Quality Rater Guidelines），其中「可信」权重最高。一个满身「机器优化」痕迹、却拿不出真实信息的站点，在 Google 的评估框架里天然处于劣势，AI 搜索时代只是把这一条执行得更彻底。
你堆 Schema，堆 llms.txt，堆八十条 FAQ，在 SEO 逻辑里叫「技术优化」，在 GEO 逻辑里叫「暴露动机」。AI 一旦判定你在为它写内容、而不是为你客户写内容，它就进入防御模式。防御模式下的动作不是加分，是降权。
这不是我猜的，是我 2025 年 6 月给一个制造业客户做的实测。测试方法我写清楚，你也可以照着复现：从客户近一年的客服对话和询盘邮件里，挖出二十条客户真实会问的问题，固定不变；分别在豆包、DeepSeek、Kimi 三个平台问这二十条，记下品牌名出现在回答里的次数，算一条基线。然后只做一件事：把他官网从十四类 Schema 砍到三类必要的，编造的 FAQ 全部删掉。三周后同一套二十条、同样的三个平台复测，品牌名出现次数不降反升，还进了豆包和 DeepSeek 的推荐短名单。客户名字我隐去，方法口径我全给你。少，反而赢。
说句实在的，这不算统计意义上的对照实验，是我经手的项目里一个典型样本，我拿它当例证，不是当论文数据。真要看趋势，你自己拿二十条客户会问的问题去豆包、DeepSeek 里测一遍，比任何人的案例都真。这也正是 GEO 最该做的事：不靠别人说，靠你自己搜。
这里有个反直觉的结论，值得你记住：GEO 的及格线，不是「加够了」，是「减干净了」。
二、堆料为什么必输：你在给 AI 交投名状
堆料的人常有一个共同心理：怕漏。怕 Schema 少一类、FAQ 少一条、关键词少一个，就输在起跑线。于是什么都往上加，加到最后，页面变成一锅「信息大杂烩」。
AI 读这锅杂烩时，会做三件事。
第一，分不清主次。你官网首页挂十四类 Schema，AI 不知道你的核心业务到底是什么，最后只能挑一个「看起来最像」的标签给你归类，多半归错。第二，发现矛盾。你 FAQ 里写「七天无理由」，产品页写「不支持退换」，AI 一抓两处口径打架，直接判定你信息不可靠，整站降权。第三，看到编造。你抄来的八十条 FAQ，有一半连你自己都答不上来，AI 一验证，发现是空话，从此把你归进「低质内容」那档。
这三件事，件件都在做同一件事：把 AI 从「愿意推荐你」推到「主动避开你」。
我见过最离谱的一个案例，是 2025 年一家 SaaS 企业把 llms.txt 写成了三千行的产品 API 文档，还觉得「信息全就是专业」。结果 AI 引用它的时候，抓的是里面一句无关紧要的技术注释，品牌名和核心业务一个都没进推荐。全，不等于被用。
说白了，堆料堆出来的不是资产，是负债。你堆得越多，AI 越要花力气从里面挑出「能信的」，挑不出来，就整个放弃你。
三、减法优先：先把债还了，再谈加什么
我把「过度优化」在 AI 眼里积累下来的东西，起名叫「内容负债」。它分四类，你可以拿着去给你的站点做一次体检。
第一类，冲突债。同一个事实，官网一个说法，公众号一个说法，工商登记又是另一个说法。AI 一抓，三个口径打架，它不敢用任何一个。这是最贵的一类负债，因为它是「一票否决」级的。
第二类，无源债。你内容里大量判断没有出处，比如「行业第一」「遥遥领先」「最值得信赖」。这些词在 AI 眼里不是事实，是口号。口号堆得越多，AI 越觉得你在吹，连带真实的信息也不敢信。
第三类，低熵债。一堆重复、空泛、没有信息增量的内容，比如每个页面都写一段差不多的「关于我们」，每篇 FAQ 都答非所问。它们不提供新信息，只会稀释你站点的信息密度。
第四类，过期债。去年写的价格、三年前的团队规模、已经下架的产品页，还挂在网上没删。AI 抓到旧数据，拿旧信息当现状用，你连辩解的机会都没有。
四类债，检查起来不复杂，一天就能盘完。关键是盘完之后，你敢不敢砍。
四、减法审计四步：一张能落地的清单
光知道「要减」没用，我给你一套能直接抄的步骤。我把这套流程叫「减法审计」，四步走。
第一步，盘点出口。把你品牌信息的所有出口列一遍：官网、公众号、工商登记、招聘平台、地图标注、知乎机构号。每一处，都是 AI 会去读的地方。很多人漏了这一步，以为 GEO 只管官网，结果 AI 引用的是你三年前在招聘平台留的旧简介。
第二步，分档定责。把盘出来的内容，按上面四类负债归档：哪些是冲突债，哪些是无源债，哪些是低熵债，哪些是过期债。归档完，你会得到一个清晰的「欠债清单」。这一步的价值在于，你把「感觉不对劲」变成了「具体哪几条要动」。
第三步，砍债。按优先级砍。冲突债先砍：把三套口径统一成一套，官网、公众号、工商登记全对齐。过期债其次：旧价格、旧团队、下架产品，能改就改，能删就删。无源债再砍：把「行业第一」这类口号，要么换成有出处的数据，要么删掉。低熵债最后：重复内容合并，空话删掉。砍的标准只有一个：这一条，AI 拿去当事实用，会不会出事？会出事，就砍。
第四步，补锚。债还完了，再加。加的不是 Schema、不是 llms.txt，是「事实锚点」：你的全称、简称、地址、信用代码、域名、公众号主体，这六样东西在每一个出口保持一致。这是 AI 敢把你当「一个真实主体」用的前提。加完锚点，再用几个你客户真实会问的问题去 AI 里测一遍，看它引用你的信息准不准、正不正。
这四步做下来，三个月后你会发现一件事：AI 推荐你的理由，从「你优化得最多」变成了「你最像一个真实、可信、说人话的企业」。后者，才是 AI 愿意长期给你席位的原因。
光尘阁观点
GEO 做到今天，行业里弥漫着一种「军备竞赛」的气氛，比谁的 Schema 多、谁的 FAQ 全、谁的 llms.txt 长。这恰恰是走反了。
AI 时代的信任，从来不是加法逻辑，是减法逻辑。一个站点敢删掉冗余、敢统一口径、敢只留真实信息，本身就传递出一个信号：这个品牌不需要靠堆料来证明自己，它有真东西。这个信号，AI 读得懂，你的客户也读得懂。
所以别急着再加什么。先把该减的减掉。减干净了，AI 才敢把你当回事。
让每个品牌，在AI搜索里有一席之地。
光尘阁 · 2026年10月
