WordPress / WooCommerce 独立站怎么做 GEO

GEO（生成式引擎优化）就是让 ChatGPT、Google AI 概览、Perplexity 这类 AI 在回答买家问题时，找得到、读得懂、愿意引用你的页面。AI 回答前会当场上网搜，再派爬虫（替 AI 上网读页面的程序）打开搜到的页面读正文。WordPress 站的麻烦在于：同一件事，WordPress 本身、插件、主机、缓存、CDN 每一层都能改，你在后台看到的设置，不一定是爬虫实际碰到的。下面按层说我们查什么、改什么。

怎么核的：标「真实输出」的内容，来自我们 2026-10-08 用 WordPress Playground 在本机起的三个全新测试站（WordPress 7.1.3、WooCommerce 11.2.0、默认主题 Twenty Twenty-Five，各建了一个 399 美元的商品）：一个保持默认，一个勾上「不索引」，一个打开「即将推出」（整站模式）。其余事实都链到 WordPress、WooCommerce、Google、Cloudflare 等的官方页面。

爬虫拿到的是哪一份 robots.txt

robots.txt 是放在网站根目录、告诉爬虫哪里别去的文本文件。WordPress 默认没有这个文件，是访问 /robots.txt 时由 do_robots() 临时生成一份「虚拟」的：只挡后台 /wp-admin/，放行 admin-ajax.php，不挡任何 AI 爬虫。WordPress 5.5 起，这份文件末尾还会加一行指向自带的 sitemap（do_robots() 文档，WordPress 5.5 sitemap 说明）。装了 WooCommerce，它也会往里加几行。测试站的 robots.txt 是这样的：

User-agent: *
Disallow: /wp-content/uploads/wc-logs/
Disallow: /wp-content/uploads/woocommerce_transient_files/
Disallow: /wp-content/uploads/woocommerce_uploads/
Disallow: /*?add-to-cart=
Disallow: /*?*add-to-cart=
Disallow: /wp-admin/
Allow: /wp-admin/admin-ajax.php

Sitemap: http://127.0.0.1:9400/wp-sitemap.xml

真实输出：本机全新测试站，2026-10-08。前五条 Disallow 是 WooCommerce 加的，挡的是日志、临时文件、下载文件目录和「加入购物车」网址（WooCommerce 源码 class-woocommerce.php）；后面是 WordPress 自己的。没有一行挡 AI 爬虫。

会改它的有四层，爬虫最后拿到的，是叠加后的结果：

第三行的依据：WordPress 官方文档写明，旧版靠 robots.txt 挡爬虫的做法「只在根目录没有 robots.txt 时才有效」；WordPress 给 Apache 的标准重写规则也是「请求的文件真实存在，就直接发文件」（Settings Reading Screen，WordPress .htaccess 说明）。第四行：Cloudflare 文档写明，源站的 robots.txt 返回 200 就在前面拼上它那段，没有就替你生成一份；我们的测试站，虚拟 robots.txt 返回的就是 200（Cloudflare managed robots.txt 文档）。

所以别看插件设置页，直接在浏览器打开 你的域名/robots.txt。看 OAI-SearchBot、PerplexityBot、Claude-SearchBot、Googlebot、Bingbot 这些检索爬虫下面有没有 Disallow: /。哪些该放行、哪些训练爬虫可以挡，见怎么查 AI 爬虫进不进得了你的独立站。

两个开关会让爬虫什么都读不到

「建议搜索引擎不索引本站点」。位置在 WordPress 后台「设置 → 阅读」，英文后台叫 Discourage search engines from indexing this site。WordPress 5.3 起，勾上它，每页的 <head> 里会多一行 noindex, nofollow，WordPress 自带的 sitemap 也会被关掉（Settings Reading Screen，WordPress 5.5 sitemap 说明）。noindex 的意思是「别收录这页」：Google 的 AI 概览只用已收录的页面（AI features and your website），Bing 也写明 noindex 的页不会出现在 Copilot 里（Bing Webmaster Guidelines）。

这个开关只看 robots.txt 是查不出来的。我们在测试站上勾上它：robots.txt 只少了最后那行 Sitemap:，其余照旧；每页多了 <meta name='robots' content='noindex, nofollow' />；/wp-sitemap.xml 返回 404（真实输出，2026-10-08）。如果你的店是先在测试站（staging）上建好、再整站搬到正式域名的，这个选项可能跟着一起搬了过去。查法：打开任意一页，右键看源代码，搜 noindex。

WooCommerce 的「即将推出」模式。英文后台叫 Coming soon，位置在「WooCommerce → 设置 → 站点可见性」（Site visibility）。按 WooCommerce 文档，新装 WooCommerce、走完开店向导的店，默认就处在这个模式：没登录的访客只能看到一个「即将上线」页面，爬虫也是没登录的访客。如果 WordPress 本身也是新装的（文档按 fresh_site 标记、建站的管理员账号注册不到一个月来判断），默认整站都挡；不满足的，比如 WordPress 早就在用、后来才装 WooCommerce，默认只挡商店、购物车、结账等几个商店页，文章照常能看。本来就已上线的店默认是「已上线」（Live），不受影响。要关掉，改成「已上线」。WooCommerce 还提醒，切到已上线以后，服务器缓存可能让旧页面再挂一阵子，要清缓存（WooCommerce Coming soon mode）。

这个开关更难发现。我们在测试站上打开它，没登录时打开商品页：服务器照样返回 200，网页标题还是商品名，可正文只有一句「Demo Store is coming soon」，商品说明一个字都没有，商品的结构化数据也没了，页面上却没有 noindex（真实输出，2026-10-08）。只看状态码和标题看不出问题，要看正文。

缓存、防火墙和 Cloudflare 有没有替你挡

很多 WordPress 站前面接了 Cloudflare（一种 CDN，做加速和防护），它能在 robots.txt 之外直接把爬虫拦下。按 Cloudflare 文档，2026 年 9 月 15 日起新接入的域名默认在有广告的页面上挡 Training（训练）和 Agent（买家提问时替他实时打开页面）两类 AI 爬虫，Search（检索）放行。我们的做法：Search 放行；Agent 也放行，Anthropic 说挡了它家的 Claude-User，你在用户发起的搜索里可能更难被看到（Claude 帮助中心）；Training 挡不挡你定，只有 Google-Extended 例外，挡了它，Gemini App 联网回答时就用不了你的内容（Google 爬虫说明）。Cloudflare 后台去哪看、怎么自己测，见怎么查 AI 爬虫进不进得了你的独立站。

主机商的防火墙、安全插件也可能把陌生的爬虫当成攻击拦下来。Perplexity 的爬虫文档专门写了怎么在 Cloudflare WAF 和 AWS WAF 里放行它的爬虫，OpenAI 也公布了爬虫的 IP 段，建议站长按 IP 放行（Perplexity Crawlers，Overview of OpenAI Crawlers）。各家防火墙规则不一样，以服务器或 CDN 日志里真爬虫拿到的状态码为准。改完任何设置，记得清页面缓存和 CDN 缓存，不然爬虫拿到的可能还是旧的。

正文在不在服务器返回的 HTML 里

WordPress 的页面是服务器每次访问时用 PHP 现做出来的（WordPress 文档：Create pages），主题和大多数页面在服务器上就生成好了 HTML，这一点比纯前端的站省心。但页面构建器（拖拽排版的插件）里有的组件、「加载更多」、部分区块，是浏览器跑完 JavaScript 才去取内容的。Google 会执行 JavaScript，但它自己也说，服务端渲染仍然值得做，因为「不是所有爬虫都能运行 JavaScript」（JavaScript SEO basics）。OpenAI、Perplexity、Anthropic 的爬虫说明都没写它们会不会执行 JavaScript。

自己查：从回答页里抄一句正文，用 curl 取一次页面，看能不能搜到。结果是 0，说明这句话不在服务器返回的 HTML 里：

$ curl -sL https://yourstore.com/your-answer-page/ | grep -c "抄来的那句话"

结构化数据：WooCommerce 已经在输出，先查有没有重复

结构化数据是写在网页代码里、给搜索引擎看的商品说明。WooCommerce 核心自己就会输出：商品页有 Product（带 Offer；多规格且价格不同时是 AggregateOffer），有评价时带 Review 和 AggregateRating；面包屑有 BreadcrumbList；商店页设成首页时还有 WebSite。这些都写在页脚的一段 JSON-LD 里，是服务器直接给出的（WooCommerce 源码 class-wc-structured-data.php）。测试站的商品页上正好一段 JSON-LD，里面是 BreadcrumbList、Product 和 Offer，价格 399.00 美元和页面上显示的一致（真实输出，2026-10-08）。

问题常出在叠加：SEO 插件或主题再输出一份自己的，同一个商品就有两份 Product，价格、库存还可能对不上。反过来，WooCommerce 的商品标记挂在商品模板的 woocommerce_single_product_summary 钩子上，主题或页面构建器把商品页整个重做以后，这段可能就没了。两种情况都要实际查：

$ curl -sL https://yourstore.com/product/your-product/ | grep -o '"@type": *"Product"' | wc -l

测试站上这行的结果是 1，正好。2 或更多，说明有两份，留一份，并且和页面上显示的价格一致；0 就用 Google 的 Rich Results Test 再查一次，标记可能是 JavaScript 生成的。也别把期望放太高：Google 说出现在 AI 概览不需要专门的结构化数据（AI features and your website）；微软说它可能让 Copilot 理解得更清楚，但不保证被引用（Bing Webmaster Guidelines 第 14 条）。细节见结构化数据对 AI 回答有没有用。

sitemap 只留一份，IndexNow 开一个

sitemap（网站地图）是列出全站网址的文件。WordPress 5.5 起自带一份，地址是 /wp-sitemap.xml，每个子 sitemap 默认最多 2,000 个网址；插件可以用 wp_sitemaps_enabled 过滤器把它关掉，换成自己的，地址也就变了（WordPress 5.5 sitemap 说明）。我们会确认：只有一份在工作，robots.txt 里的 Sitemap: 行指向的就是它，并且在 Google Search Console 和 Bing Webmaster Tools 都提交过。

IndexNow 是「我有新页面了」的通知协议。参与的引擎有 Bing、Yandex、Naver 等，没有 Google（IndexNow 参与引擎清单）；Copilot 用的就是 Bing 的索引（Bing Webmaster Guidelines）。WordPress 上可以用 Bing 站长团队发布的 IndexNow Plugin，发布、更新、删除文章时自动推送；Cloudflare 的 Crawler Hints 也支持 IndexNow；IndexNow 官方 FAQ 也说 WordPress 可以通过 SEO 插件支持它（IndexNow FAQ）。开一个就够。ChatGPT 会不会因此更快看到你，OpenAI 没说过。

回答页放在哪：一般建成文章

WordPress 有两种内容：文章（post）按时间排，进 RSS，可以分类、打标签；页面（page）不按时间排，默认不进 RSS、不能分类，可以分层级，适合「关于我们」这类长期不变的内容（WordPress 文档：Create pages）。

回答页我们默认建成文章：它天然有发布日期，能署作者、归到分类里。我们要求每页有真人署名和准确的更新日期，用文章最省事。「尺码怎么选」「保修怎么算」这种要挂在导航里、长期不变的，建成页面也行。别把回答塞进商品描述：商品页写参数，回答页回答一个具体问题，两边互相加链接。一个真问题写一页，不是每种问法写一页。写法见怎么写一页 AI 愿意引用的回答。

速度：只管影响抓取的那部分

Google 抓一个站的速度会跟着服务器走：响应稳定，抓得多；变慢、返回 5xx 错误或 429（请求太多），就抓得少。Google 也说，「抓取预算」主要是 100 万页以上、每周更新，或 1 万页以上、每天更新的大站要操心的事，这两个数只是粗略的划分（Optimize your crawl budget）。没到这个量的店，我们只查两件事：爬虫来的时候会不会被慢查询拖到超时或报错；筛选和排序生成的网址有没有失控。

WooCommerce 的筛选和排序用 orderby、filter_ 开头、min_price / max_price 这些参数（WooCommerce 源码 class-wc-query.php），属性一多，组合出来的网址数不清。Google 建议：这类网址不需要被收录，就用 robots.txt 挡掉（Managing crawling of faceted navigation URLs）。示意，按你站上实际的参数改：

User-agent: *
Disallow: /*?*orderby=
Disallow: /*?*filter_
Disallow: /*?*min_price=

页面测速分数本身，我们不拿来当 GEO 的交付物。