做 GEO 的人大多盯着一头：AI 答案里有没有我。很少有人盯另一头：AI 到底在读什么、什么时候读。最近一份服务器日志给出了一个完整的 24 小时切片（截至 9 月 24 日），数字挺意外。

一天的读取量：Meta 第一，AI 是 Bing 的 191 倍

这份统计来自一个收录了 6000 万家公司档案页的站点，服务器日志逐条记录、按各家公布的 IP 段核验身份。24 小时内共 571 万次读取：

  • Meta AI：338 万次，占 59.1%
  • ClaudeBot（Anthropic）：150 万次，占 26.2%
  • GPTBot（OpenAI）：55.5 万次，占 9.7%
  • Applebot（Apple）：17.9 万次，占 3.1%

对照组 Bingbot 一天不到 3 万次。AI 引擎一天的读取量是 Bing 的 191 倍。也就是说，真正在「读网」的已经不是传统搜索爬虫，而是为生成式答案供货的抓取体系。

关键不在读了多少，而在什么时候读

这份日志还有一组更值得琢磨的数字：过去一周，GPTBot（训练抓取）读了 159 万次，而负责「回答时现读」的 OAI-SearchBot 只有 719 次、ChatGPT-User 只有 340 次。

差距是三个数量级。翻译一下：AI 答你的话，绝大部分材料不是提问那一刻才找的，而是提前读好、存进索引里的。这周没被读到，下周被推荐的概率基本为零。两个实践层面的细节值得顺手检查：Applebot 是第三大读者，不少站点的 robots.txt 默认没放它，等于自己关掉一扇门；另外有些 robots.txt 里写的「Claude-Web」其实是个不存在的 UA 名，写了也拦不住真正的 ClaudeBot。

读了之后，真的会推荐吗

同一团队的另一个实验给了验证：他们每 30 分钟向 ChatGPT 提一个真实的购买类问题，记录它点名的品牌，再回头对读取数据。结果 79% 被点名的品牌，在提问之前就已经在读取评分里拿到 6 分以上（满分 10）。读取在前、推荐在后，顺序基本没反过。

当然要说明：这是「读了什么」和「后来推荐谁」的相关记录，不是因果证明。但方向足够清楚——GEO 的第一步不在答案里，而在日志里。

三件可以马上做的事

  • 去服务器日志里数一遍 AI 爬虫。Google Analytics 里永远是零——它们不执行 JS，只有服务器端日志能看到真相。
  • 核对 robots.txt 的放行名单。GPTBot、ClaudeBot、Applebot、PerplexityBot 挨个过一遍，别用想当然的 UA 名。
  • 把「被读到」当成果考核。答案里的提及率是滞后指标，读取量是先行指标，后者每两周看一次就够。

总结一下：答案层的竞争已经很卷，但供给层——谁在被 AI 稳定地读——才是差距的真正来源。先确认门是开的，再谈内容写得好不好。