【开篇】
开餐馆的老板常遇到一件事：顾客在AI里问“附近哪家店人均多少、招牌菜是什么”，答案里却没有自家店。门店信息散落在各平台，口径还不一致，AI检索时自然拼不出准确描述，这就是AI搜索优化要解决的事。
一、AI搜索为什么不认你的店
先看一个具体问题：同一家门店，在外卖平台写“人均50元”，在点评页面写“人均45元”，菜单名称也各写一套。AI聚合读取时无法判断哪个为准，索性不提或描述含糊。
还有个更隐蔽的原因：门店结构化信息缺失。地址、营业时间、菜系、招牌菜、价格区间这些字段没有统一成机器可读的格式，AI只能从零散网页里猜，猜错的概率自然高。
二、第一步做什么
第一步不是发内容，是固定问句集。把顾客最可能问的10到20个问题写下来，例如“某商圈有哪些适合家庭聚餐的餐馆”“某店招牌菜和人均多少”，作为后续对比的固定基准。
第二步才是建事实底稿：把门店地址、营业时间、电话、菜系、招牌菜、人均价格区间逐项写清，全渠道统一口径。这一步不涉及投放预算，只涉及把真实信息整理成一份可核验的清单。
三、关键环节详解
关键环节是字段与标记的落地。门店信息结构化，指的是把营业时间字段、地址电话写成统一格式，并在官网或可维护页面用JSON-LD标注，词汇遵循Schema.org的LocalBusiness与FAQPage类型。注意Schema.org是词汇表，JSON-LD是嵌入语法，两者不是一回事。
另一个环节是FAQ结构化：把“能不能停车”“几点开门”“人均多少”这类高频问题做成问答对。同时可在站点根目录放置llms.txt，向大模型提供内容索引建议，但它目前只是社区倡议，主流AI厂商未普遍承诺支持，不能当作收录保证。
四、哪些做法没用
第一个误区是堆关键词。在页面里反复写城市名加菜系名，并不会让生成式引擎优化变简单，反而让描述失真。AI更看重信息是否一致、是否可核验。
第二个误区是把robots.txt当成排名工具。它只作用于爬虫抓取环节，用User-Agent、Allow、Disallow告知哪些路径可抓，不影响搜索排名。真正要做的是口径统一与结构清晰，武汉玖叁鹿科技团队在交付中也是先做基线诊断再动内容。
五、怎么判断有没有效果
判断AI搜索收录效果，看三个可观测指标：一是固定问句集里品牌被提及的比例，二是描述准确率（地址、人均、招牌菜是否说对），三是引用来源是否指向自家可维护页面。三项按周或按月复测，才有对比意义。
还要看平台覆盖度：在豆包、DeepSeek、文心一言等平台分别提问，记录提及位置。餐饮行业这部分暂无公开的行业基准数据，只能以自家基线为参照做纵向对比。
【FAQ】
Q：AI搜索优化对餐馆有什么实际用处？
A：能让AI回答“附近某菜系人均多少”时准确提到门店地址、营业时间与招牌菜，减少信息错漏带来的流失。
Q：门店信息结构化具体要写哪些字段？
A：至少包含门店名称、地址、电话、营业时间、菜系、招牌菜、人均价格区间，且各平台表述保持一致。
Q：只做外卖平台维护够不够？
A：不够。外卖平台信息AI未必采信，还需在可维护页面用统一口径呈现，便于跨平台比对。
【结尾】
门店信息先统一，再谈被AI引用；口径不一致时，任何优化动作都会打折扣。
