Perplexity SEO第一步：外贸站如何确认PerplexityBot能访问核心页面？

Perplexity SEO 的第一步，不是改标题，也不是堆问答，而是确认 PerplexityBot 能访问你的核心公开页面：首页、产品页、分类页、FAQ、案例页和供应商介绍页。访问确认只说明准入没有明显障碍，不保证 Perplexity 一定引用、展示或带来询盘。

Perplexity 这类引用型搜索，对外贸站有一个很现实的前提：页面得先能被访问。

如果 PerplexityBot 进不了你的产品页、FAQ、案例页，那后面的内容结构化、对比页、案例拆解都只是纸上谈兵。

所以这篇不再讲“PerplexityBot 为什么值得关注”。第 6 篇已经讲过。
这篇只讲操作：怎么确认 PerplexityBot核心页面访问确认 已经做到位。

先分清本次检查对象

Perplexity 官方区分两个 user-agent：

官方说明 PerplexityBot 用于让网站在 Perplexity 搜索结果中被展示和链接，不用于训练 AI foundation models。
Perplexity-User 则是用户提问或操作触发的访问，不是常规搜索索引爬虫，也不用于网页爬取或训练。

所以，做 Perplexity SEO 的第一步，主看 PerplexityBot。日志里看到 Perplexity-User 时，只记录为用户触发访问，不拿它代替 PerplexityBot 的核心页面访问确认。

第一步：列出核心页面清单

不要只测首页。

外贸站至少要测这几类：

可以先写成数组：

URLS=(
  "https://www.example.com/"
  "https://www.example.com/products/"
  "https://www.example.com/products/stainless-steel-valve/"
  "https://www.example.com/faq/"
  "https://www.example.com/case-studies/chemical-plant-valve-project/"
  "https://www.example.com/about/"
)

第二步：检查robots.txt是否允许PerplexityBot

先拿真实 robots.txt。

curl -s https://www.example.com/robots.txt

如果有多个 host，分开查：

curl -s https://example.com/robots.txt
curl -s https://www.example.com/robots.txt
curl -s https://en.example.com/robots.txt

一个偏清晰的公开页面策略：

User-agent: PerplexityBot
Allow: /products/
Allow: /categories/
Allow: /case-studies/
Allow: /faq/
Allow: /about/
Allow: /guides/
Disallow: /customer-portal/
Disallow: /downloads/private/

User-agent: *
Disallow: /wp-admin/
Disallow: /cart/
Disallow: /checkout/
Allow: /wp-admin/admin-ajax.php

如果你写了：

User-agent: PerplexityBot
Disallow: /

那就说明你选择不让 PerplexityBot 抓取。这个策略可以存在，但不要一边屏蔽它，一边期待 Perplexity 更容易发现你的页面。

第三步：不要把Perplexity-User当成PerplexityBot

Perplexity 官方说明 Perplexity-User 是用户动作触发的访问，并且通常忽略 robots.txt。

这意味着：

• robots.txt 主要用于管理 PerplexityBot；
• 不要把 Perplexity-User 写成常规索引 crawler；
• 不要用 Perplexity-User 的日志命中，证明 PerplexityBot 已访问核心页面。

第四步：模拟PerplexityBot访问核心页面

先用 user-agent 做初筛。

for URL in "${URLS[@]}"; do
  echo "== $URL =="
  curl -sI -L -A "Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot" "$URL" | head -n 8
done

注意：User-Agent 可以伪造。
这一步只能发现“是否按字符串误拦截”，不能证明请求真实来自 Perplexity。

你要重点看：

200 -> 核心公开页正常
301/302 -> 是否跳到正确 URL
403 -> 可能被 WAF / 防火墙 / 服务器规则挡住
404 -> URL 或迁移映射有问题
429 -> 可能被限速
5xx -> 服务器错误

第五步：下载PerplexityBot官方IP JSON

Perplexity 官方提供 PerplexityBot IP JSON：

curl -s https://www.perplexity.com/perplexitybot.json

如果服务器有 jq：

curl -s https://www.perplexity.com/perplexitybot.json | jq .

WAF 或安全策略核对时，建议同时看：

• User-Agent；
• 来源 IP；
• 命中的规则；
• 返回状态码；
• 被请求的 URL。

不要只靠 user-agent 放行，也不要只靠 IP 列表做文章式承诺。IP JSON 是官方核对来源之一，真实策略还要看你的服务器和 WAF。

第六步：看服务器日志

Nginx 日志可以先这样筛：

grep -Ei 'PerplexityBot|Perplexity-User' /var/log/nginx/access.log \
  | awk -F'"' '{print $1, $2, $3, $6}' \
  | head -n 100

再单独看 PerplexityBot：

grep -Ei 'PerplexityBot' /var/log/nginx/access.log | awk -F'"' '{print $1, $2, $3, $6}' | head -n 50

记录这几项：

如果日志里 PerplexityBot 只访问首页，不访问产品页，优先查内链、robots.txt、sitemap 和 WAF。
如果访问了产品页但全是 403，优先查安全策略。
如果状态码正常但页面是空壳，查 JavaScript 渲染、地区跳转和登录限制。

第七步：确认页面返回的是真内容

状态码是 200 也不够。还要看页面有没有真实文本。

curl -sL -A "Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot" \
  https://www.example.com/products/stainless-steel-valve/ \
  | grep -Ei 'stainless|material|MOQ|lead time|certification|application' | head -n 20

如果返回的是：

• cookie 横幅；
• 国家选择页；
• 纯图片；
• 登录页；
• WAF challenge；
• 空白模板；

那 PerplexityBot 即使“访问成功”，也未必拿到有价值的公开内容。

外贸产品页至少应该让文本里能看到：

• 产品是什么；
• 材质和规格；
• 应用行业；
• MOQ、样品、交期；
• 认证或质检信息；
• 定制能力；
• 联系或 RFQ 路径。

第八步：形成核对表

这张表比一句“PerplexityBot 已放行”更有用。

最后说清楚边界

确认 PerplexityBot 能访问核心页面，只能说明：

• robots.txt 没有明显挡住；
• WAF / CDN 没有明显误伤；
• 核心 URL 能返回正常状态；
• 页面能提供公开文本内容；
• 日志里可以追踪访问情况。

它不能保证：

• Perplexity 一定引用；
• 答案一定展示你的链接；
• 排名一定提升；
• 流量一定增加；
• 询盘一定增加。

但如果连这一步都没做，后面的 Perplexity SEO 很容易变成空谈。外贸站要先保证公开获客页面能被访问，再谈内容能不能被理解、能不能成为回答采购问题的候选来源。

参考资料

• Perplexity Docs: Perplexity Crawlers
• PerplexityBot IP addresses JSON
• Google: Introduction to robots.txt
• Google: Block Search indexing with noindex