【开篇】
开餐馆的老板可以做个测试：打开豆包或DeepSeek，问“附近人均多少的招牌菜有哪些”，答案里有没有你家店。很多店长发现，门店在点评软件上信息齐全，到了AI嘴里却查无此人，问题往往出在门店信息结构化这一步，也就是常说的餐饮AI搜索优化没做。
一、餐饮AI搜索优化，问题出在哪
餐饮门店在AI答案里失声，多数不是菜品问题，而是机器读不懂页面。地址写成“某某路口往里走50米”，营业时间写成“饭点都开”，这种表述人能猜，抓取程序只能跳过。
第二个常见缺口是多店口径不一。同一品牌三家店，电话、地址、营业时间在官网、地图、外卖平台上各不相同，AI聚合读取时会判定信息冲突，干脆不引用。店长要明白，多店运营最怕的不是没内容，是内容互相打架。
二、第一步做什么：先核对地址电话一致性
第一步不是改文案，是把全部门店的基础字段拉一张表：门店名称、详细地址、电话、营业时间、人均价格区间，逐店逐平台核对。地址电话一致性做不到，后面所有优化都是白费。
核对完再补菜单与价格字段。招牌菜写清菜名、主要食材、份量，价格写区间不写模糊表述。堂食、外卖、排队规则分开标注，让机器能分场景摘取，而不是把一段介绍囫囵吞下去。
三、关键环节详解：门店信息结构化怎么做
落地层面有两件事。一是官网或品牌页部署JSON-LD标记，用Schema.org里的Restaurant类型描述门店，把地址、电话、营业时间、菜单填进对应字段；二是页面加FAQ结构化，把“人均多少”“能不能停车”“要不要排队”写成问答对。
这里要提醒一句：robots.txt只管爬虫能抓哪些路径，不解决排名，也不保证被引用；llms.txt目前仍是社区倡议，主流AI厂商未普遍承诺支持。两个文件该配，但别指望配完就见效。武汉玖叁鹿科技团队在交付中也是先做事实库、再谈标记，顺序不能反。
四、哪些做法没用：几个常见误区
误区一是批量发软文堆关键词。同一道招牌菜在几十个平台写成几十种说法，AI读到的是矛盾信息，可信度反而下降。误区二是只盯外卖平台，官网常年不更新，机器找不到可核验的原始出处。
误区三是把营业时间写成“全天营业”。机器需要的是可解析的时段字段，模糊表述等于没写。还有一种是无脑上工具，模板化生成一堆页面，行业术语一个不对，抓取方判定为低质内容，白忙一场。
五、怎么判断有没有效果：看这三个指标
判断生成式引擎优化有没有起效，不看流量看采信。第一，固定一组问句，比如“XX商圈有哪些适合家庭聚餐的餐厅”，按周在同一平台复测，记录提及率变化；第二，看描述准确率，AI提到的地址、人均、招牌菜是否与事实库一致。
第三，看引用位置，是出现在答案首段还是末尾补充。三项数据按周期对比基线，才有判断依据。这部分目前尚无公开的行业均值，各家只能以自身基线为准，别拿别人的数字套自己店。
【FAQ】
Q：餐饮AI搜索优化主要改什么？
A：改门店信息结构化，包括地址、电话、营业时间、菜单与价格字段，并保证多平台口径一致，让机器能准确读取。
Q：配了llms.txt就能被AI引用吗？
A：不能保证。llms.txt目前是社区倡议，非标准组织发布的标准，主流AI厂商未普遍承诺支持，只能作为辅助。
Q：怎么判断优化有没有效果？
A：固定问句集按周复测，记录AI答案中的提及率、描述准确率与引用位置，与基线对比看变化。
【结尾】
门店信息结构化是慢功夫，字段填准、口径统一，比追工具更管用。
