TL;DR / 核心要点总结
- 中英文站”一边被引用、一边零引用”，多数不是翻译质量造成的，而是两边不在同一个池子里：抓取与索引分池、品牌实体分池、第三方信源分池。
- 先统一观测口径，再动手排查。 同一批问题用两种语言各问一遍，分开记录”被提及 / 被引用 / 被推荐”；跨语言检索与不等价提问会制造大量假差异。
- 索引层有一类致命却常见的配置：英文页的 canonical 指向中文页——不是排名低，而是不在候选集里。
- hreflang 不是 AI 可见度开关，它只在 AI 答案建在同一套索引上时间接生效。
- 修复顺序固定：先抓取、再索引、再实体、最后内容。 前三层改的是配置与标记，不用重写文章。
一、先排除三种”假差异”，否则后面全白查
看到”中文站被引用、英文站零引用”，第一反应通常是去改内容。但在下结论之前，必须先确认差异真实且可重复。
| 假差异 | 表现 | 怎么排除 |
|---|---|---|
| 跨语言检索 | 中文提问，答案里出现的却是英文页面，或反之 | 两种语言各问一遍，语言与页面语言不一致的结果单独归类 |
| 提问集不等价 | 把中文问题逐字翻译去问，得到一个没人会这么问的问题 | 英文提问集按当地用词与比较对象重写，而非翻译 |
| 观测波动 | 模型换代或检索策略调整，几周内引用起落 | 固定引擎、版本与提问集，先排除模型换代再查站点侧 |
观测口径固定成一句话：同一批问题 × 两种语言 × 固定引擎与版本 × 记录日期。三个字段必须分开记——被提及（答案里出现品牌名）、被引用（带链接的出处）、被推荐（进入候选名单）。
三者口径完全不同，混记就会把”提到了但没有链接”错判成”没有可见度”。测法站内已拆过，不再复述：如何让 AI 引用我的网站。
对企业的翻译：双语站点的排查，一半功夫花在证明”差异是真的”上。 口径不统一就改内容，改完也无法证明有没有效果。
二、抓取层：两边的爬虫是不是都进得来
这一层是整条链路上唯一能”当场验证”的：跑一次探测就有结论。
一是 robots.txt 漏掉语言目录。 英文站常放在 /en/ 这类子目录，而 robots 规则是历史上按路径写的——Disallow: /en/ 这样的整目录禁令，很可能是某次测试留下的。
二是”声明放行”不等于”实际放行”。 CDN、WAF 与 Bot Fight Mode 会按 UA 或地域拦截；两个语言版本常挂在不同服务器或 CDN 账号上，拦截策略并不一致。robots.txt 写着允许，边缘节点照样可以返回 403。
三是独立域名等于从零开始。 英文站用独立域名时，在 AI 侧相当于一个全新站点，中文站的积累不会自动继承；用子目录则共用同一份抓取预算与站点权重。站点结构怎么选是另一个决策；本文只处理”结构已定、两边表现却不一样”。
自查手段：两个语言版本各跑一次 AI 爬虫探测，把 robots.txt 的声明与八个爬虫的实际响应并列对照，看有没有”声明允许、实际被拦”的冲突。免费 GEO 工具 提供这项检测；通道原则见 GEO 优化怎么做 第 1 层。
三、索引层：语言版本最容易被自己屏蔽的四处配置
这一层的共同特征是：页面没被拒绝，而是压根没进候选集。 表现很像”AI 不引用我”，实际在索引阶段就出局了。
第一处，canonical 跨语言互指，杀伤力最大。 英文页如果写成 <link rel="canonical" href="https://example.com/zh/…">，等于告诉搜索引擎”这两页是同一份内容，以中文版为准”。
后果是英文页被合并、不进索引——不是排名低，而是从未参与过排序，反向同理。正确做法是每个语言版本各自 self-canonical，跨语言关系交给 hreflang。
第二处，hreflang 三件套缺一。 完整标注要求自引用、双向 return tag 与 x-default 齐备；最常见的错误是只写单向——英文页指向中文页，中文页没指回来，有一侧的对应关系根本没建立。
第三处，noindex 与 X-Robots-Tag 遗留。 语言站试运行或临时替换期间加的指令忘了撤。这类遗留写在响应头里，页面源码看不见，需要专门扫。
第四处，sitemap 没有按语言拆分。 两套语言版本混在一个 sitemap 里，既不利于分别确认收录状态，出问题也难定位是哪一边。
这里要交代一条边界：canonical 与 hreflang 都是经典搜索层面的机制，不是 AI 检索的独立参数。 Google 的 AI 概览与 AI Mode 建在同一套索引上，这层卫生会间接决定你在 Google 侧 AI 答案中的资格。
而 ChatGPT、Perplexity 这类自建索引的引擎，官方文档没有把 hreflang 列为检索输入。所以别用它承诺效果；各家引擎口径见 六大模型官方规则。
四、实体层：两边得被认成”同一个品牌”
抓取和索引都通了，还有一类落差来自实体：AI 不认为两个站点是同一个主体。
- 英文写法必须唯一。 拼音全称、官方英文名、旧译名混用，等于把一个实体拆成两三个，引用统计也跟着拆散。
- Organization 标记要互指。 两套站点的品牌实体使用一致的
@id，并用sameAs指向同一组官方资产，AI 才有依据把它们合并理解。写法见 结构化数据完全指南。 - 基础信息两边一致。 About 页、联系方式、注册主体与创始人信息两侧不一致时，实体可信度会被削弱。
- 第三方实体记录往往一边有一边空。 中文侧通常有百科、问答与行业门户条目；英文侧要靠维基、领英与行业评价站。这类记录无法由官网补齐，却恰恰是英文侧 AI 最常用的判断依据。
对企业的翻译：实体层的目标是让 AI 回答”这是谁”时给出同一个答案。 两边各自写清楚但互不指向，AI 会当成两个主体，引用也就各算各的。
五、信源层：两边的引用池本来就不是同一批站
这一层最容易被忽略，也最能解释”内容明明更好，为什么另一边不引用我”。
同一个问题，中英文 AI 答案的取样范围本来就不同。 站内此前的实测整理显示：DeepSeek 联网回答的中文侧信源里，门户、垂直媒体与开发者社区占比很高，微信公众号几乎不被抓取；同一个知乎，在千问里被高频引用，在 DeepSeek 里却是零。
国内信源池的分层机制见 豆包与 DeepSeek 双引擎指南。英文侧则更偏向官网直出、维基类词条、评价站与行业媒体。
结果是：同一篇内容在两个池子里的”可引用性”不一样。 中文侧可能因被社区讨论、被门户转载而顺带带出；英文侧没有这层转手，官网能否被直接摘走权重更高。
这也解释了机翻内容为什么表现更差：术语直译后，英文用户不这么问、引擎也不这么匹配；中英混排与残留的中文标点，同时降低可提取性与可信度。
对企业的翻译：英文站不是中文站的翻译版本，而是给另一套提问方式和另一批信源重写的内容资产。 两边共享事实与结论，但标题、术语与证据形态要分别重做。
六、五层排查表与固定修复顺序
把前五节压成一张可以照着执行的表：
| 层 | 典型症状 | 自查手段 | 成本 |
|---|---|---|---|
| 抓取 | 爬虫被 CDN 拦，声明与实际响应不一致 | 两个语言版本各跑一次爬虫 UA 探测并排对照 | 低 |
| 索引 | 英文页不进索引，canonical、hreflang、noindex 有遗留 | 逐版本核对三项配置、响应头与 sitemap | 低到中 |
| 实体 | 两边被当成不同主体，英文侧无实体记录 | 比对品牌写法、@id 与 sameAs、About 与外部条目 | 中 |
| 内容 | 英文页是机翻，术语与本地提问方式不符 | 用本地提问集实测，检查术语、标点与可提取性 | 高 |
| 信源 | 英文侧缺少可被引用的第三方来源 | 盘点两个引用池各自出现哪些站点 | 高 |
修复顺序固定为：抓取 → 索引 → 实体 → 内容 → 信源。 前三层属于配置与标记，改一次长期生效；不修的话后面的投入全部悬空——给没进索引的页面做精装修，不会带来任何引用。内容与信源才是长周期投入，放在通道确认通畅之后。
最后补一条业务判断：英文侧要不要修，取决于客户在不在英文侧提问。 目标市场在中文侧时，英文站零引用可能只是”没有业务后果的可见度缺口”——记进台账定期复测即可。可见度缺口和业务缺口是两件事。
行动清单
今天做
- 两个语言版本各跑一次 AI 爬虫探测，把”声明 vs 实际响应”存档为基线
- 用英文提问集实测 10–15 个核心问题，记录被提及、被引用、被推荐
本周做
- 逐版本核对 canonical 是否 self-canonical，重点查跨语言互指
- 核对 hreflang 是否自引用、双向、含 x-default
- 扫一遍响应头里的 noindex 与 X-Robots-Tag 遗留
- 比对两侧品牌的英文写法、
@id与sameAs是否一致互指
本月做
- 盘点两个引用池：各自常出现哪些站点，英文侧缺哪一类来源
- 英文侧内容按”重写”而非”翻译”排期，优先处理被搜索最多的页面
- 固定双语观测口径，每月复测一次
结语
双语站点的可见度落差，几乎从不是一个问题，而是四五处不同性质的问题叠在一起：一头是被配置挡在门外的抓取与索引，另一头是实体与信源在两种语言生态里的天然不对称。
排查的价值在于把它们分开——配置层的问题改一次就长期生效，内容层的问题才需要长期投入。 顺序反了，投入就会打水漂。
对同时运营中英文站点的团队，可长期复用的判断是：先确认差异是真的，再确认通道是通的，最后才谈内容好不好。
📩 需要帮助？GEO 咨询团队可以为你做什么
中英文站点的可见度落差，通常不是某篇文章的问题，而是几处配置与实体记录叠加的结果。
- 双语可见度对照实测：同一批问题分别用中英文提问，定位落差出现在哪一层
- 语言版本技术核查：canonical、hreflang、noindex 与两侧爬虫放行逐项核验，先分清”没进索引”和”进了但没被引用”
- 信源结构评估：对照两个引用池的偏好，指出英文侧还需补哪一类第三方来源
本文为方法说明类内容。机制与口径来自 Google Search Central、OpenAI 帮助中心等官方文档，以及站内已发布报道对第三方实测的公开整理，均已给出内链。文中不含自有实验数据，未引用效果类百分比；各引擎策略变化较快，结论截至 2026 年 10 月。