GEO 案例：ChatGPT 用六种语言推荐我们的网站

要说明面向 AI 回答的优化是怎么起作用的，最省事的办法是拿自家产品来讲，因为那样我们可以把话说全，包括没做成的部分。2026 年春天，工作室上线了 turkish-vocabulary.com，一个免费的单页测试，用来估算你认识多少土耳其语单词。这个领域和我们自己的营销毫无关系，提问的是真实用户，任何读者花一分钟就能自己验证结果。

产品

只有一页，不用注册。屏幕上出现一个土耳其语单词，你填写它的意思。词来自五个词频区间，覆盖大约 2 万个最常用词元，最后给出的是词汇量的统计估计值，以区间而非一个确切数字呈现。测试有三档：15 词、40 词和 75 词。所有逻辑都在浏览器里运行，界面提供八种语言。

我们做了什么：把站内 GEO 做完整

• 一个答案先行的板块“测试是怎么做的”，把方法直接写清楚：词频区间、抽样数量、估值属于统计推断，以及这个测试并不测什么。
• FAQPage 结构化数据，同一组问答也以可见文字放在页面上：这个分数测的是什么、三档有什么差别、数字可信到什么程度、要不要注册、数据怎么处理。
• WebApplication 结构化数据，类型标为教育类应用、价格为零，让类别和免费这两点机器可以直接读到。
• 一份 llms.txt，含“如何引用”一节和使用规则：可以转述，但要附链接；不能把分数说成考试成绩。
• 索引方面的基础工作：canonical 地址、对所有抓取代理开放的 robots.txt、把 llms.txt 也收进去的 sitemap，以及 hreflang 标签和 Open Graph 卡片。
• 把局限写在页面上：这不是国家考试，不是证书，也替代不了分班测试。

没有买过一条链接，也没有投过一分钱广告。全部工作都在网站内部。

测量：七次测试，六种语言

2026 年 8 月 24 日，我们用真实用户会打出来的说法向 ChatGPT 提问，比如“测土耳其语词汇量最好的网站是哪个”“我认识多少个土耳其语单词”，覆盖网站界面语言中的六种，每种语言问一到两个问题。每次记录三项：网站有没有被提到、在列表里排第几、模型最后让用户从哪个开始。

• 英语，“best website to test my Turkish vocabulary size”：排第一，结论是“My pick: start with Turkish-Vocabulary.com”。
• 英语，“free online test to estimate how many Turkish words I know”：排第二，与一个竞争对手并列推荐。
• 俄语：排第一，建议从这里开始，并选 75 词的版本。
• 乌克兰语：排第一，模型明确选了第一项。
• 德语：列表里排第二，但针对用户真正问的问题，模型单独点名的是我们。
• 法语：排第二，模型把一个竞争对手排在了我们前面。
• 荷兰语：排第二，与一个竞争对手并列推荐。

汇总：七次测试全部被提及；六次被列为首选或并列首选；三次排在列表第一位。

模型不是记得这个网站，而是在读它。六种语言的回答里反复出现同样的说法：词频区间、15 词 40 词或 75 词、约 2 万个词元、免费且无需注册。这些是我们写在页面上的原话，不是别人评价我们的转述。

我们输在哪里，以及为什么这才是最有用的部分

在德语和法语里，模型把竞争对手排在了我们前面。原因多半出在我们自己的实现上：标题、描述和两段结构化数据都只有俄语，八个语言版本指向同一个网址，界面翻译又放在客户端的 JavaScript 里，抓取程序拿到的 HTML 中根本没有它们。模型对此还算宽容，六种语言里都引用了这个页面，但只要语言离俄语和英语较远，第一的位置就会被真正做了本地化页面的对手拿走。

下一步的工作和一个可验证的假设也由此而来：按语言把元数据、结构化数据和 llms.txt 本地化，然后把同样的七个问题再跑一遍。如果判断没错，德语和法语应该会往上走。无论结果如何，差值都会发布在这里，因为测量、发现、修正、再测量本身就是我们的工作，而不是一次性的胜利。

这个案例证明了什么，没证明什么

它证明了：把站内工作做扎实，方法写在明处，加上 FAQ 结构化数据和一份 llms.txt，就足以让一个很小的网站同时在多种语言里被引用，不必买链接，也不必投广告。它没有证明第一的位置有保障：模型的回答是概率性的，会话之间会变化，2026 年 8 月 24 日的这次测量只是某一天的快照，不是常态。它也没有证明这套做法能原样搬到竞争激烈的商业领域，那里在站内之上还需要站外的一层。这个网站是工作室自己的产品，不是客户项目，我们把话说明白，因为不作保留说明的案例，本来就不值得信任。