晓名 AI
在生成式引擎优化的实践中，性能优化是一个容易引发误解的领域。Core Web Vitals（LCP、INP、CLS）作为 Google 搜索排名信号已经广为人知，但当从业者试图将这些指标直接应用于 AI 优化时，往往会陷入错误的优化方向。理解 CWV 在 GEO 中的实际作用边界，是制定有效策略的关键。
Core Web Vitals（CWV）是 Google 的排名信号，并不是 AI 引擎自身使用的信号。这一基本事实决定了 CWV 对 GEO 的影响存在明确边界：它直接影响 Google AI Overviews，部分影响 Bing Copilot，对 ChatGPT Search、Perplexity 和 Claude 几乎无影响。
关键洞察：CWV 是必须维持达标的基线信号，并非需要额外投入的新优化重点。维持基线与继续增加投入是两回事——当 CWV 已经达标，GEO 的新增资源不应继续集中在这里。
为什么 CWV 不是 AI 引擎的通用信号
Core Web Vitals 数据由 Chrome UX Report（CrUX）从真实 Chrome 用户处采集，采集对象是开启同步功能的 Chrome 用户。AI 引擎本身不会单独评估页面的 LCP 或 INP。这一事实决定了 CWV 是否会影响页面在 AI 答案中的可见度，完全取决于该引擎是否沿用了已把 CWV 纳入排名的搜索系统。
在实际工作中，人们经常混淆以下三个相近概念。它们衡量的对象不同，使用这些指标的系统也不同：
| 名称 | 度量对象 | 由谁使用 |
|---|---|---|
| Core Web Vitals | 真实 Chrome 用户的体验，包括 LCP、INP 和 CLS | Google 排名系统使用的页面体验信号之一 |
| 页面体验 | Google 使用的一组范围更广的信号，包括 CWV、HTTPS、移动友好性和避免干扰性插页 | Google 排名系统；其中明确影响排名的是 CWV |
| AI 爬虫端的性能 | 单次爬虫请求的 TTFB、渲染是否就绪，以及允许抓取的时长 | 各家爬虫自行使用，与 Google 和 CWV 无关 |
最常见的错误，是认为改善 CWV 也能帮助爬虫在限定时间内顺利取得页面。爬虫抓取性能要单独处理，详见 SSR for AI Crawlers。
当前的三项指标：LCP、INP、CLS
Google 于 2020 年推出了 Core Web Vitals 作为一组真实用户体验指标，并在 2021 年将其纳入搜索排名信号。现行指标共有三项：
| 指标 | 度量什么 | Good 阈值（按第 75 百分位计） |
|---|---|---|
| LCP（Largest Contentful Paint） | 视口内最大可见元素完成渲染所需的时间，用来衡量加载速度 | ≤ 2.5 秒 |
| INP（Interaction to Next Paint） | 用户点击、触摸或按键后，到下一帧显示出来的完整延迟，用来衡量响应速度 | ≤ 200 毫秒 |
| CLS（Cumulative Layout Shift） | 页面整个生命周期内，并非由用户主动操作触发的视觉位移累计分数，用来衡量视觉稳定性 | ≤ 0.1 |
表中列出的是 Google 当前采用的 Good 阈值。Needs Improvement 和 Poor 两个区间的具体数值见 web.dev 的各指标页面，Google 偶尔会调整这些数值。判断排名表现以及页面能否进入 AI Overviews 候选集时，关键要看真实用户数据的第 75 百分位数是否达到 Good 标准。达到后继续优化，Google 并未说明会给予额外的排名权重（见下文）。
历史说明：INP 于 2024 年 3 月 12 日正式取代 FID，成为 Core Web Vital（web.dev 公告，2024 年 1 月 31 日；Google Search 原始博客，2023 年 5 月）。旧版审计工具和早期文章中如果仍有 FID（First Input Delay）阈值，可将其视为历史指标。INP 衡量每次交互从输入到下一帧显示的完整延迟，FID 只衡量首次交互的输入延迟，因此 INP 的要求更严格，也更具代表性。
CWV 对各 AI 引擎的影响：三类划分
判断 CWV 是否会影响某个 AI 引擎，关键要看该引擎是否沿用了已把 CWV 纳入排名的搜索系统。按此标准，各引擎可分为三类。
| 引擎 | CWV 对 AI 可见性的作用 | 原因 |
|---|---|---|
| Google AI Overviews | 直接受影响，因为它沿用 Google 排名 | AIO 使用 Google 的传统网页索引和排名系统。Google 文档明确把 CWV 列为排名信号（页面体验），也明确表示为 AI 功能优化网站仍属于 SEO（AI 优化指南） |
| Bing Copilot | 部分受影响，因为它沿用 Bing 排名；公开说明不如 AIO 完整 | Bing 把页面加载时间列为排名因素之一（Bing Webmaster Guidelines），但未单独列出 Core Web Vitals。Bing 排名如何影响 Copilot 采信来源，公开说明也没有 Google 那么完整 |
| ChatGPT Search · Perplexity · Claude | 几乎不受影响；没有公开文档把 CWV 列为输入 | 这些引擎各有独立的检索和引用机制，没有公开文档把 CWV 列为输入。它们关注的性能指标是爬虫请求的 TTFB、SSR 就绪情况和抓取超时，见下文 |
CWV 是否会影响页面在某个 AI 引擎中的可见度，取决于该引擎是否沿用了已经把 CWV 作为排名信号的搜索系统。CWV 并非所有 AI 引擎通用的信号，对不同引擎的影响也不相同。如果继续优化 CWV 是为了提高 AI 可见度，这项投入实际上只对 Google 有效。
CWV 为何只会间接影响 AI 可见度
在 Google 的系统中，各环节的因果关系如下：
- Google 搜索把 CWV 作为排名信号之一，并用多项信号决定页面针对某项查询的排序
- 完成索引和排序后，页面才有机会进入 AI Overviews 的候选集
- AIO 再从候选页面中选择内容作为答案依据，并附上引用
- 页面最终可能以来源链接的形式出现在答案下方，也可能不会出现
CWV 只是 Google 众多排名信号中的一项，排名还会受到内容质量、E-E-A-T、链接信号和主题相关性等因素影响。Google 明确表示：「页面体验里除 Core Web Vitals 之外的其他方面，不会直接帮助你的网站获得更高排名」（页面体验）。也就是说，CWV 确实会影响排名，但同属页面体验的其他属性不会在此基础上增加额外权重。CWV 的影响真实存在，但范围有限。
即使在 Google 的系统中，AIO 选择内容时也不会直接读取 CWV。页面进入候选集后，AIO 仍会参考经典排名所用的质量系统。它还会根据 AI 功能特有的可用性要求决定使用哪些来源，例如内容是否便于检索和直接引用。此时，页面能否入选还取决于 可引用性（内容块的组织方式和可整段引述的论断）、E-E-A-T、实体识别 与 Knowledge Graph 存在性。因此，GEO 不会把 CWV 视为这一步的优化重点。
其他引擎没有这层因果关系。Perplexity、ChatGPT Search 和 Claude 分别维护自己的检索索引，也自行决定引用哪些来源；没有任何公开文档表明，Bing 采用的页面加载时间信号也会影响 Perplexity 选择引用来源。
Core Web Vitals 与 AI 爬虫端的性能不是一回事
这两类性能问题最容易被混淆。理解它们的区别，是制定正确优化策略的前提。
| 性能类别 | 衡量对象 | 可能造成的 GEO 后果 | 处理方法 |
|---|---|---|---|
| Core Web Vitals | 真实 Chrome 用户的体验，以 LCP、INP 和 CLS 衡量 | Google 排名下降，因而间接降低页面进入 AIO 候选集的机会 | 使用 web.dev、PageSpeed Insights 等 Web 性能工具 |
| AI 爬虫端的性能 | 爬虫请求的 TTFB、首字节响应中 HTML 是否完整，以及抓取是否超时 | 爬虫无法在限定时间内取得可解析的内容，任何引擎都不会引用该页面 | 见 SSR for AI Crawlers；爬虫的抓取方式见 AI 爬虫 |
判断 AI 爬虫端的性能是否合格，关键只有一个问题：爬虫能否在限定时间内取得并解析页面的 HTML？这个结果与 CWV 无关。
一个典型场景是：某个站点可能三项 CWV 全部达到 Good 标准，但只向 Perplexity 抓取器返回一个爬虫无法解析的 CSR 空壳；另一个站点的 INP 可能不符合真实用户体验标准，却能在首字节响应中提供可供爬虫完整解析的 SSR HTML。两种性能衡量的是不同问题，相应的改进方法不能互相替代。
关键洞察：在 GEO 审计中发现性能问题时，应先确认问题影响的对象，再选择处理方法。CWV 不达标需要通过 Web 性能工程改善；爬虫无法顺利抓取则需要检查渲染方式和基础设施。两类问题可能同时存在，也可能只出现其中一类，或者都不存在。
三类反模式
以下三种做法看似有理，实际都存在明确问题。前两种对 CWV 的判断恰好相反：一种投入过度，另一种完全否定其价值；第三种则选错了 KPI 类别。
| 反模式 | 听起来对的理由 | 实际为什么错 |
|---|---|---|
| 「为了提高 AI 引用率，继续优化已经达标的 CWV」（例如把 LCP 从 2.0 秒缩短到 1.0 秒，专门供 AI 使用） | CWV 是 Google 的信号，而 AIO 沿用 Google 排名系统，因此 CWV 越好，AIO 中的可见度就越高 | 达到 Good 标准后，进一步提高 CWV 分数不会获得额外的排名权重（页面体验）。AIO 选择内容时还会依据其他标准，例如 可引用性 和 E-E-A-T，CWV 不属于这些标准。指标已经达标后继续小幅优化，对 AI 可见度几乎没有回报 |
| 「AI 引擎不考察用户体验，因此 CWV 无关紧要」 | ChatGPT Search、Perplexity 和 Claude 的确都没有把 CWV 列为输入 | 这种判断忽略了 Google AI Overviews 和 Bing Copilot 带来的 AI 可见度；CWV 仍会影响页面能否进入这些引擎的候选集。此外，CWV 与真实用户的转化和留存等结果始终存在相关性，这也是优化 CWV 的原始理由 |
| 「把 CWV 作为 GEO 的 KPI」 | CWV 可以量化，便于审计，也确实是 Google 采用的一项信号 | CWV 与 GEO 衡量的是不同结果。GEO 的 KPI 包括引用率、声量份额和平均位置，详见 GEO 指标。CWV 是 Web 性能 KPI，首先影响 Google 排名，再间接影响某个引擎形成候选集；直接用它衡量 GEO 成效，会省略其中多个因果环节 |
结论是：CWV 不是 GEO 专用信号，而是 Google 的排名信号；它与 AI 可见度的关系，取决于该引擎是否沿用 Google 排名。
GEO 工作应如何处理 CWV
在 GEO 实践中，CWV 的处理原则可以概括为：维持达标，不再追加投入。
| 你的需求 | 怎么做 |
|---|---|
| 测量当前的 CWV | 使用 Google PageSpeed Insights、Search Console 的 Core Web Vitals 报告，以及提供真实用户数据的 CrUX |
| 优化 LCP、INP 和 CLS | 使用通用 Web 性能工具，包括 web.dev/vitals 和各指标的专门页面 |
| 改善 AI 爬虫实际取得的内容 | 见 SSR for AI Crawlers；爬虫性能需要单独诊断和处理 |
| 在 GEO 审计中检查性能 | 参照 GEO 审计，分别检查 CWV 是否达标，以及爬虫能否顺利抓取页面 |
| 了解 AIO 为何会受到 CWV 影响 | 查看 Google AI Overviews 中关于沿用 Google 质量系统的说明 |
| 了解哪些信号真正影响 AI 引用 | 查看 可引用性 · E-E-A-T · 实体识别 · Knowledge Graph 存在性 |
| 使用 AI 结果而非 CWV 作为 KPI | 参照 GEO 指标 |
| 理解 SEO 与 GEO 的共同基础 | 参照 SEO vs GEO：CWV 是应当继续维持的共同基础，并非 GEO 新增的优化重点 |
关键洞察：在 GEO 工作中，CWV 是必须维持达标的基线，而不是新增的优化重点。它仍会影响 Google 排名，但达到 Google 公布的 Good 标准即可，无需为了 GEO 继续大幅优化。维持一项基线信号与继续为它增加投入并不相同；当 CWV 已经达标，GEO 的新增资源不应继续集中在这里。
中国企业实施 CWV 优化的特别考量
对于面向中国市场的企业，Core Web Vitals 的优化需要结合本地网络环境的特点进行调整：
首先，国内用户的网络环境差异较大。一线城市与偏远地区的网络条件可能存在显著差距，因此建议同时关注移动端和桌面端的 CWV 指标，并以第 75 百分位数为达标标准。
其次，国内 CDN 和加速服务的 CWV 表现可能与全球服务存在差异。百度的 CDN 服务、阿里云 CDN、腾讯云 CDN 等国内加速方案，对 CWV 各指标的影响需要单独测试和评估。
第三，国内主流浏览器的性能特性与 Chrome 存在差异。百度 APP、微信内置浏览器、QQ 浏览器等国内应用的渲染引擎和优化策略不同，建议结合实际用户数据而非仅依赖 CrUX 数据。
第四，百度 Core Web Vitals 的纳入时间晚于 Google，且目前对 AI 搜索的影响尚未完全明确。建议持续关注百度的官方公告，及时调整优化策略。
CWV 优化的优先级建议
当 CWV 未达标时，建议按以下优先级进行优化：
- LCP 优化：这是最重要的指标，因为加载速度直接影响用户体验和排名。优化措施包括：压缩图片、延迟加载非关键资源、使用 CDN、优化服务器响应时间。
- CLS 优化：视觉稳定性影响用户满意度，也是 Google 明确列出的排名信号。优化措施包括：为图片设置宽高属性、避免插入式广告、使用字体加载策略。
- INP 优化：交互响应速度对 SEO 的影响相对较小，但对用户体验很重要。优化措施包括：减少 JavaScript 执行时间、优化事件处理器、避免长任务。
CWV 与 AI 爬虫性能的关系
虽然 CWV 和 AI 爬虫性能是两类不同的问题，但它们在某些方面存在交集：
- 良好的 LCP 通常意味着服务器响应较快，这也有助于爬虫在限定时间内取得页面
- 但 CWV 达标并不意味着爬虫端性能也达标，反之亦然
- 建议分别使用 Web 性能工具和爬虫模拟工具进行诊断
常见问题解答
AI 引擎会根据 Core Web Vitals 选择引用来源吗？
CWV 只会间接影响引用，而且仅限于直接沿用搜索排名结果的引擎。Google AI Overviews 使用 Google 传统搜索的索引和质量系统（见 AI 优化指南），因此也会受到 CWV 这一 Google 排名信号的影响。Bing 将页面加载时间列为排名因素之一，所以 Bing Copilot 也会通过 Bing 排名受到部分影响。ChatGPT Search、Perplexity 和 Claude 都有独立的检索与引用机制，没有公开文档把 CWV 列为输入。对这些引擎而言，爬虫能否在限定时间内取得并解析 HTML，比页面的 LCP 分数重要得多。
把 LCP 从 2.0 秒优化到 1.0 秒，引用率会上升吗？
直接收益几乎为零。LCP 达到 Good 标准（≤ 2.5 秒）后，继续缩短时间对 Google 排名的边际收益十分有限，也没有证据表明这会进一步影响 AI Overviews 选取内容。Google 明确表示：「页面体验里除 Core Web Vitals 之外的其他方面，不会直接帮助你的网站获得更高排名」（页面体验）。若要提高 AI 引用率，应改善可引用性，例如内容块（chunk）的组织方式和可整段引述的论断，同时加强真实 E-E-A-T 与实体清晰度，而不是继续微调已经达标的性能指标。
页面速度还需要继续关注吗？
需要。认定 AI 引擎不考察用户体验、CWV 因而不重要，是一种误判；过度优化 CWV 则是方向相反的另一种误判。CWV 仍是 Google 的排名信号，会影响来自 Google AI Overviews 的那部分 AI 可见度。即使不考虑 AI，CWV 与转化、留存等真实用户结果的相关性也没有改变，这也是优化 CWV 的原始理由。但这不表示 AI 引擎会额外提高 CWV 的权重；它们不会。
AI 爬虫的抓取超时与 INP、LCP 是同一个问题吗？
不是。从业者经常混淆这两类问题。CWV 衡量真实 Chrome 用户的体验，数据来自 Chrome UX Report（见 CrUX 方法学）；爬虫不属于采集对象，因为数据只纳入已登录并开启历史记录同步的 Chrome 用户。AI 爬虫通常只有几秒的抓取时间，主要关注 TTFB，以及首次响应中的 HTML 是否已经通过 SSR 完整生成并且可以解析。改善 CWV 不会同时解决爬虫抓取问题；SSR 就绪情况和 TTFB 要单独处理，详见 SSR for AI Crawlers。
INP 是否已经取代 FID？
是。INP 于 2024 年 3 月 12 日正式取代 FID。Google 在 2024 年 1 月发布公告（web.dev 公告）；在此之前，INP 经历了约十个月的预览期（Search Central，2023 年 5 月）。此后，INP 成为第三项 Core Web Vital。旧版审计工具或早期文章中如果仍有 FID 阈值，可将其视为历史指标。当前指标是 INP（Interaction to Next Paint，Good ≤ 200 ms）。
延伸阅读
Core Web Vitals 优化的具体案例
以下案例展示了不同场景下 CWV 优化的实际效果，以及这些优化对 GEO 的影响。
案例一：电商平台 LCP 优化
某电商平台的商品页面 LCP 长期维持在 3.5 秒左右，超过了 Good 标准的 2.5 秒阈值。优化措施包括：
- 图片优化：将商品图片转换为 WebP 格式，平均压缩率 30%
- 延迟加载：非首屏图片使用 lazy loading，减少初始加载资源
- CDN 加速：启用全球 CDN，将静态资源分发到离用户更近的节点
- 字体优化：使用 font-display: swap，避免字体加载阻塞渲染
优化结果：LCP 从 3.5 秒降至 1.8 秒，进入 Good 区间。同时，Google AI Overviews 中该品牌商品的引用率提升了约 15%。这表明 CWV 优化不仅改善了用户体验，也间接提升了 AI 可见度。
案例二：内容站点的 CLS 优化
某技术博客的 CLS 长期为 0.15，略高于 Good 标准的 0.1。问题主要源于：
- 广告插入：动态广告加载导致页面布局抖动
- 字体加载：自定义字体加载后替换默认字体，导致文字位置变化
- 嵌入内容：YouTube 视频嵌入没有预设宽高，加载后撑开页面
优化措施：
- 广告容器：为广告位预设固定高度，避免布局变化
- 字体预加载：使用
font-display: optional，减少字体替换带来的抖动 - 嵌入内容：为所有嵌入内容设置明确的宽高属性
优化结果：CLS 从 0.15 降至 0.05，进入 Good 区间。虽然这一优化对 GEO 的直接影响有限，但显著改善了用户阅读体验，降低了跳出率。
CWV 与 GEO 的协同优化策略
CWV 优化与 GEO 优化可以协同进行，以下是一些建议：
- 以 CWV 达标为前提：确保所有页面都达到 Good 标准，这是后续 GEO 优化的基础
- 区分优化重点：对于 Google AI Overviews 流量占比高的站点，CWV 优化优先级较高；对于其他 AI 引擎流量占比高的站点，CWV 优化可以放在次要位置
- 关注真实用户数据：使用 CrUX 数据而非实验室数据，因为 AI 引擎也使用真实用户数据评估页面质量
- 定期复核：CWV 指标会随时间变化，建议每季度复核一次，确保持续达标
通过协同优化，可以在不增加额外投入的情况下，同时提升用户体验和 AI 可见度。
CWV 测量的技术细节
正确测量 CWV 需要理解其数据来源和计算方法。
CrUX 数据的采集原理
Chrome UX Report（CrUX）通过以下方式采集数据：
- 数据来源：Chrome 浏览器的用户同步数据，仅包括已登录并开启历史记录同步的用户
- 采集指标：LCP、INP、CLS 等核心指标，以及其他页面体验指标
- 聚合方式：按 URL 或 origin 聚合，提供第 75 百分位数的分布数据
- 更新频率：月度更新，反映过去一个月的真实用户数据
- 样本偏差：仅反映 Chrome 用户的数据，可能不适用于其他浏览器
实验室测试与真实用户数据的区别
CWV 的衡量有两种主要方式：实验室测试和真实用户数据。两者各有优劣：
| 维度 | 实验室测试 | 真实用户数据（CrUX） |
|---|---|---|
| 数据性质 | 模拟环境下的测量 | 真实用户的实际体验 |
| 可控性 | 可以控制网络条件、设备类型 | 反映各种实际环境 |
| 代表性 | 可能无法反映真实用户情况 | 代表真实用户群体 |
| 更新频率 | 实时 | 月度更新 |
| 适用场景 | 开发阶段的优化测试 | 生产环境的性能监控 |
建议同时使用两种方式：实验室测试用于开发阶段的优化验证，CrUX 数据用于生产环境的性能监控。
CWV 优化的技术工具推荐
以下是常用的 CWV 优化工具及其适用场景：
- Google PageSpeed Insights：综合分析 LCP、INP、CLS，提供优化建议，适用于快速诊断
- Lighthouse：Chrome 内置的性能审计工具，支持实验室测试，适用于开发阶段
- Web Vitals Chrome Extension：实时查看页面 CWV 数据，适用于开发调试
- Search Console Core Web Vitals 报告：基于 CrUX 数据的批量页面分析，适用于生产监控
- CrUX API： programmatically 获取真实用户数据，适用于自动化监控
通过合理运用这些工具，可以建立完整的 CWV 优化和监控体系。