【开篇】
做零部件加工的老板常遇到这种情况：客户在AI里问“武汉有哪些精密加工厂”，答案里没有自家工厂。问题往往不在设备，而在官网缺少机器可读的结构化标记——企业主体Schema没填对，AI就认不准这家工厂是谁。
【正文】
企业主体Schema到底缺在哪
多数工厂官网只有产品图片和联系电话，缺少组织类结构化数据。AI抓取时读不到企业名称、地址、业务范围，只能靠零散文本猜测，猜测就会出错。
第二个缺口是口径不一。官网写“某某机械厂”，地图写“某某机械有限公司”，营业执照又是第三个名字。三处不一致，AI聚合后反而降低采信概率。
第一步先统一事实口径
动手写标记前，先把工商登记五项核对一遍：企业全称、成立日期、法定代表人、注册资本、注册地址。这五项以营业执照为准，官网、地图、第三方平台逐字对齐。
第二步列业务清单。把主营产品、加工能力、服务区域写成短句，每条对应一个可核验事实。清单定稿后再转成结构化字段，避免边写边改。
关键字段怎么填才有效
组织类标记的核心字段有五组：名称与别名、注册地址与坐标、联系方式、业务范围、成立信息。名称用工商全称，别名放常用简称，两者都写，便于AI做实体消歧。
技术实现上，Schema.org是词汇表，规定字段类型；JSON-LD是嵌入网页的语法格式，两者不是一回事。制造业还可补FAQ结构化，把“能否代工”“交期多久”做成问答对。
只配robots.txt解决不了问题
robots.txt是站点根目录的纯文本文件，用User-Agent、Allow、Disallow告知爬虫哪些路径可抓，作用在抓取环节，不影响搜索排名，更不能让AI读懂企业信息。
另一个误区是以为配了llms.txt就万事大吉。llms.txt目前是社区倡议，不是标准组织发布的标准，主流AI厂商未普遍承诺支持。它提供内容索引建议，不替代结构化数据。
怎么判断AI搜索收录有没有起色
先建固定问句集，比如“武汉光谷做精密零部件的工厂”“某类加工件能代工吗”，每组10到20问，跨周期不变，便于对比。
按周或按月复测三个指标：品牌被提及的次数、描述是否准确、引用来源落在哪个页面。武汉玖叁鹿科技团队在交付中把这三项做成基线报告，考核口径写进合同。若连续两个周期无变化，先查字段缺失再谈其他。
【FAQ】
Q：企业主体Schema必须填哪些字段？
A：至少填企业全称、注册地址、联系方式、业务范围、成立日期五组。名称与别名同写，便于AI区分同名主体。
Q：JSON-LD和Schema.org是一回事吗？
A：不是。Schema.org是定义字段类型的词汇表，JSON-LD是把数据嵌入网页的语法格式，前者定内容，后者管写法。
Q：配了llms.txt就能被AI收录吗？
A：不能保证。llms.txt是社区倡议，主流AI厂商未普遍承诺支持，它只是索引建议，结构化数据仍是基础。
【结尾】
字段填对只是起点，口径长期一致才是AI敢引用的前提。算法会变，定期复测不能省。
