పేజీ ప్రచురించే ముందు చేయాల్సిన 12 AEO తనిఖీలు (2027)

ప్రచురించినది

చిన్న జవాబు

ప్రచురించే ముందు, URL redirects లేకుండా 200 ఇస్తుందా, robots.txt ప్రతి AI సెర్చ్ క్రాలర్‌ను అనుమతిస్తుందా, మీ ఫైర్‌వాల్ వాటికి అసలు పేజీని అందిస్తుందా, జవాబు raw HTMLలో ఉందా అని నిర్ధారించుకోండి. ఆ తర్వాత మిగిలిపోయిన noindex లేదా nosnippet, ఒకే canonical, H1 కింద జవాబు, సరైన సరిపోలే JSON-LD, ఒకటిగా ఉన్న తేదీలు, ఇంటర్నల్ లింక్‌లతో sitemap ఎంట్రీ, hreflang తనిఖీ చేసి, ఇండెక్సింగ్‌ను అభ్యర్థించండి.

AI జవాబుల్లో ఎప్పుడూ కనిపించని చాలా పేజీలు విసుగు కలిగించే దేనిలోనో విఫలమవుతాయి: మిగిలిపోయిన noindex, ఒక ఫైర్‌వాల్ నియమం, stagingను సూచించే canonical. ఈ పన్నెండు తనిఖీలు లాంచ్‌కు ముందే వాటిని పట్టుకుంటాయి. ప్రతి దానికి కొన్ని నిమిషాలే పడుతుంది, చాలా వాటికి ఒక terminal, పేజీ URL చాలు, క్రాలర్ వాటిని ఎదుర్కొనే క్రమంలో జాబితా చేశాం.

ఈ పేజీలో
  1. ఒక్కో తనిఖీకి ఎంత సమయం పడుతుంది?
  2. 1. URL redirect గొలుసు లేకుండా 200 ఇస్తుంది
  3. 2. robots.txt ప్రతి AI సెర్చ్ క్రాలర్‌కు పేజీని అనుమతిస్తుంది
  4. 3. ఫైర్‌వాల్ AI క్రాలర్‌లకు అసలు పేజీని అందిస్తుంది
  5. 4. జవాబు raw HTMLలో ఉంది
  6. 5. మిగిలిపోయిన noindex లేదా nosnippet లేదు
  7. 6. ఒకే canonical URL, సంపూర్ణమైనది, తననే సూచించేది
  8. 7. Title, H1 పేజీ దేనికి జవాబిస్తుందో చెబుతాయి, జవాబు వెంటనే కింద ఉంటుంది
  9. 8. JSON-LD సరిగ్గా parse అవుతుంది, కనిపించే టెక్స్ట్‌కు సరిపోలుతుంది
  10. 9. కనిపించే తేదీ, markup తేదీలు, sitemap lastmod ఒకటిగా ఉన్నాయి
  11. 10. పేజీ sitemapలో ఉంది, సంబంధిత పేజీల నుంచి లింక్ అయింది
  12. 11. hreflang పరస్పరంగా ఉంది, x-defaultతో
  13. 12. కొత్త పేజీని crawl చేయమని సెర్చ్ ఇంజిన్‌లను అడగండి
  14. ఈ తనిఖీలను ఎలా ఎంచుకున్నాం

ఒక్కో తనిఖీకి ఎంత సమయం పడుతుంది?

ఒక పేజీకి సుమారు గైడ్, అవసరమైన టూల్‌తో. 1 నుంచి 5 తనిఖీలను ప్రతి పేజీలో చేయండి; మిగతావి ఒక్కో టెంప్లేట్‌కు ఒకసారి, తర్వాత అప్పుడప్పుడు శాంపిల్‌గా చూడండి.

1. URL redirect గొలుసు లేకుండా 200 ఇస్తుంది

మీరు షేర్ చేసే, sitemapలో జాబితా చేసే ఖచ్చితమైన URLలో క్రాలర్‌కు status 200తో పేజీయే రావాలి. ప్రతి redirect విఫలమయ్యే మరో దశ, "కనుగొనబడలేదు" సందేశంతో 200 ఇచ్చే పేజీ soft 404, దాన్ని సెర్చ్ ఇంజిన్‌లు వదిలేయవచ్చు.

# Final status, number of redirects and final URL
curl -s -o /dev/null -L -w "%{http_code} redirects=%{num_redirects} %{url_effective}\n" https://example.com/new-page/

పాస్: 200 redirects=0, అదే URL తిరిగి వస్తుంది. సరిచేయండి: తుది URLకు లింక్ ఇచ్చి దాన్నే జాబితా చేయండి, పాత చిరునామాల నుంచి గరిష్ఠంగా ఒక redirect ఉంచండి.

2. robots.txt ప్రతి AI సెర్చ్ క్రాలర్‌కు పేజీని అనుమతిస్తుంది

ప్రతి క్రాలర్ చదివినట్లే robots.txtను చదవండి. ఒక క్రాలర్ పేరు ఉన్న group దానికి User-agent: * groupను భర్తీ చేస్తుంది, RFC 9309 ప్రకారం పొడవుగా సరిపోలే నియమం గెలుస్తుంది, సమానమైతే Allow గెలుస్తుంది.

కనీసం OAI-SearchBot, Claude-SearchBot, Claude-User, PerplexityBot, Googlebotను తనిఖీ చేయండి. నియమాలు path ప్రిఫిక్స్‌లతో సరిపోలుతాయి కాబట్టి, /guides/ వంటి కొత్త విభాగాన్ని పాత Disallow: /g నియమం పట్టుకోవచ్చు. robots.txt స్వయంగా 200 లేదా 404 ఇస్తుందో కూడా నిర్ధారించుకోండి: RFC 9309 ప్రకారం సర్వర్ ఎర్రర్ అంటే సైట్ మొత్తం నిరాకరించబడిందని క్రాలర్‌లు భావించాలి.

పాస్: ఈ tokensలో దేనికైనా ఏ నియమమూ pathను నిరాకరించదు. robots.txtను ఎలా పరీక్షించాలో అనే మా గైడ్ ఒక క్రాలర్‌కు ఒక URLను ఎలా పరీక్షించాలో చూపిస్తుంది.

3. ఫైర్‌వాల్ AI క్రాలర్‌లకు అసలు పేజీని అందిస్తుంది

బ్రౌజర్ user agentతో, క్రాలర్ user agentsతో పేజీని అభ్యర్థించి, status, సైజ్ పోల్చండి. పేరుతో సరిపోల్చే బాట్ ప్రొటెక్షన్ క్రాలర్‌లకు మాత్రమే 403, 429 లేదా ఛాలెంజ్ పేజీ ఇవ్వవచ్చు.

URL=https://example.com/new-page/
for UA in "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36" \
          "Mozilla/5.0 (compatible; OAI-SearchBot/1.0; +https://openai.com/searchbot)" \
          "Mozilla/5.0 (compatible; Claude-SearchBot)" \
          "Mozilla/5.0 (compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot)"; do
  curl -s -o /dev/null -w "%{http_code} %{size_download}  $UA\n" -A "$UA" "$URL"
done

పాస్: ప్రతి లైన్ 200, దాదాపు ఒకే సైజ్ చూపిస్తుంది. చాలా చిన్న సైజ్ అంటే సాధారణంగా ఛాలెంజ్ పేజీ. ఈ strings పేరుతో సరిపోల్చే నియమాలను పరీక్షిస్తాయి; అసలు క్రాలర్‌లు ప్రచురించిన IP రేంజ్‌ల నుంచి కూడా వస్తాయి, దాన్ని మీ సొంత మెషీన్ నుంచి చేసే టెస్ట్ పునరావృతం చేయలేదు, కాబట్టి ఆ రేంజ్‌ల కోసం మీ ఫైర్‌వాల్ allow నియమాలను కూడా తనిఖీ చేయండి.

4. జవాబు raw HTMLలో ఉంది

సర్వర్ పంపే HTMLలో మీ జవాబులోని ఒక వాక్యం కోసం వెతకండి. బ్రౌజర్ element inspector, scripts రన్ అయిన తర్వాతి పేజీని చూపిస్తుంది, అది చాలా క్రాలర్‌లకు వచ్చేది కాదు.

curl -s https://example.com/new-page/ | grep -c "a sentence from your short answer"

పాస్: 1 లేదా ఎక్కువ. 0 అంటే టెక్స్ట్ JavaScript ద్వారా జోడించబడుతుంది, తమ క్రాలర్‌లు దాన్ని రన్ చేస్తాయని OpenAI, Anthropic, Perplexity డాక్యుమెంట్ చేయలేదు. దాన్ని సర్వర్‌లో లేదా build సమయంలో render చేయండి; JavaScript కంటెంట్, AI క్రాలర్‌లపై మా గైడ్ ఎంపికలను జాబితా చేస్తుంది.

5. మిగిలిపోయిన noindex లేదా nosnippet లేదు

Staging సైట్లు తరచుగా noindexతో వస్తాయి, ఒక టెంప్లేట్ దాన్ని productionకు తీసుకెళ్లవచ్చు. robots meta tag, X-Robots-Tag HTTP header రెండింటినీ తనిఖీ చేయండి, ఎందుకంటే ఏదైనా ఒకటి లెక్కలోకి వస్తుంది.

curl -s -D - -o /tmp/page.html https://example.com/new-page/ | grep -i "x-robots-tag"
grep -i -o '<meta[^>]*name="robots"[^>]*>' /tmp/page.html

పాస్: ఏమీ ప్రింట్ కాలేదు, లేదా index, follow వంటివి మాత్రమే. AI Overviews, AI Modeలో కనిపించడానికి పేజీ ఇండెక్స్ అయి snippetకు అర్హంగా ఉండాలని, nosnippet వాటికి నేరుగా ఇన్‌పుట్‌గా వాడటాన్ని కూడా అడ్డుకుంటుందని Google చెబుతుంది.

6. ఒకే canonical URL, సంపూర్ణమైనది, తననే సూచించేది

పేజీ సరిగ్గా ఒక rel="canonical"ను, సంపూర్ణ URLగా, మీరు ప్రచురించే URLను సూచించేలా ప్రకటించాలి. Google canonicalను ఆదేశం కాదు, బలమైన సంకేతం అంటుంది, relative URLలకు, వేరే చిరునామాను జాబితా చేసే sitemap వంటి విరుద్ధ సంకేతాలకు వ్యతిరేకంగా హెచ్చరిస్తుంది.

లాంచ్‌లో సాధారణ తప్పులు: టెంప్లేట్ పేజీ నుంచి కాపీ చేసిన canonical, ఇంకా staging hostను సూచించే canonical, ఒక theme, ఒక plugin ఒకేసారి జోడించే రెండు canonical tags.

పాస్: ఒక tag, లైవ్ URL, sitemapలో ఉన్న అదే protocol, host.

7. Title, H1 పేజీ దేనికి జవాబిస్తుందో చెబుతాయి, జవాబు వెంటనే కింద ఉంటుంది

పేజీ పై భాగాన్ని అపరిచితుడు చదివినట్లు చదవండి. Title, H1 కొనుగోలుదారులు వాడే పదాల్లో ప్రశ్నను లేదా అంశాన్ని చెప్పాలి, H1 కింది మొదటి రెండు మూడు వాక్యాలు దానికి పూర్తిగా జవాబివ్వాలి.

సెర్చ్ ఫలితాల్లో కత్తిరించబడే అవకాశం తగ్గేలా titleను సుమారు 60 అక్షరాల్లో ఉంచండి. సంఖ్యలు, యూనిట్లు, ప్రొడక్ట్ పేరు పూర్తిగా రాసి, విడిగా ఉదహరించినా అర్థమయ్యేలా చిన్న జవాబు రాయండి.

పాస్: మొదటి పేరా మాత్రమే చదివిన వారికి జవాబు దొరుకుతుంది. AI జవాబుల్లో సైటేషన్ పొందే మార్గాలపై మా జాబితా ఉదహరణ కోసం రాయడాన్ని మరింత లోతుగా వివరిస్తుంది.

8. JSON-LD సరిగ్గా parse అవుతుంది, కనిపించే టెక్స్ట్‌కు సరిపోలుతుంది

పాడైన JSON-LD మొత్తంగా విస్మరించబడుతుంది, కాబట్టి ఒక కామా తప్పితే అంతా పోతుంది. URLను Google Rich Results Test లేదా Schema Markup Validatorలో పేస్ట్ చేసి ప్రతి ఎర్రర్‌ను సరిచేయండి.

తర్వాత విలువలను పేజీతో పోల్చండి. Markupలోని headline, తేదీలు, ధర, కరెన్సీ, సంస్థ పేరు పాఠకుడు చూసేవే అయి ఉండాలి. తన AI ఫీచర్లకు ప్రత్యేక markup అవసరం లేదని, structured data కనిపించే టెక్స్ట్‌కు సరిపోలాలని Google చెబుతుంది.

పాస్: ఎర్రర్‌లు లేవు, ప్రతి విలువ పేజీలో కనిపిస్తుంది. అవసరం లేదు: పేజీ రకానికి సరిపోయే markup లేకపోతే; తప్పుడు markup కంటే సాదా పేజీ మేలు.

9. కనిపించే తేదీ, markup తేదీలు, sitemap lastmod ఒకటిగా ఉన్నాయి

పేజీలో లేబుల్‌తో తేదీ చూపండి, అవే తేదీలను datePublished, dateModifiedలో వాడండి, sitemap lastmodను చివరి ముఖ్యమైన మార్పుకు సెట్ చేయండి. కనిపించే తేదీలు, markup తేదీలు ఒకటిగా ఉండాలని Google అడుగుతుంది, lastmod నిలకడగా, ధృవీకరించగలిగేలా ఖచ్చితంగా ఉంటేనే దాన్ని వాడతానని చెబుతుంది.

ప్రతి buildలో ప్రతి URLకు ఈరోజు తేదీని ముద్రించే sitemap generator, కొత్త పేజీకి మాత్రమే కాదు, అన్ని పేజీలకూ lastmodను పనికిరానిదిగా చేస్తుంది.

పాస్: మూడు చోట్లు, ఒకే తేదీ.

10. పేజీ sitemapలో ఉంది, సంబంధిత పేజీల నుంచి లింక్ అయింది

క్రాలర్‌లు లింక్‌లు, sitemaps ద్వారా పేజీలను కనుగొంటాయి. ఖచ్చితమైన canonical URL వాడి కొత్త URLను మీ XML sitemapలో జోడించండి, కనీసం రెండు సంబంధిత పేజీల నుంచి, ఒక hub లేదా index పేజీ నుంచి దానికి లింక్ ఇవ్వండి.

ఒక sitemap ఫైల్‌లో 50,000 URLల వరకు, కంప్రెస్ చేయకుండా 50 MB వరకు ఉండవచ్చు; పెద్ద సైట్లకు sitemap index కావాలి. priority, changefreqను విస్మరిస్తానని Google చెబుతుంది, కాబట్టి వాటిపై సమయం వెచ్చించకండి. ఇంటర్నల్ లింక్‌లు లేని పేజీ అనాథ, క్రాలర్‌లు దాన్ని ఆలస్యంగా కనుగొనవచ్చు లేదా అసలు కనుగొనకపోవచ్చు.

పాస్: URL sitemapలో ఉంది, కనీసం రెండు పేజీలు వివరణాత్మక anchor textతో దానికి లింక్ ఇస్తాయి.

11. hreflang పరస్పరంగా ఉంది, x-defaultతో

పేజీ పలు భాషల్లో ఉంటే, ప్రతి వెర్షన్ తనతో సహా అన్ని వెర్షన్‌లను జాబితా చేయాలి, ప్రతిదీ తిరిగి లింక్ ఇవ్వాలి. అవతలి వైపు నుంచి ధృవీకరించబడని hreflang సూచనలను Google విస్మరిస్తుంది. ఏ భాషా సరిపోలనప్పుడు చూపే వెర్షన్ కోసం x-default జోడించండి.

అవసరం లేదు: సైట్‌లో ఒకే భాష ఉంటే. hreflang x-defaultపై మా గైడ్ అది ఎప్పుడు అవసరమో వివరిస్తుంది.

12. కొత్త పేజీని crawl చేయమని సెర్చ్ ఇంజిన్‌లను అడగండి

పేజీ లైవ్ అయి పై తనిఖీలన్నీ పాస్ అయిన తర్వాత, దాని గురించి సెర్చ్ ఇంజిన్‌లకు చెప్పండి. Google Search Consoleలో కొత్త URLపై URL తనిఖీ వాడి, ఇండెక్సింగ్‌ను అభ్యర్థించండి ఎంచుకోండి. Bing, IndexNowకు సపోర్ట్ చేసే ఇతర ఇంజిన్‌ల కోసం, మీ keyతో URLను IndexNow endpointకు సమర్పించండి; ఇది crawling లేదా ఇండెక్సింగ్‌కు హామీ కాదని Bing పేర్కొంటుంది.

AI అసిస్టెంట్‌లకు సమర్పణ ఫారమ్ లేదు. వాటి క్రాలర్‌లు లింక్‌లు, సెర్చ్ ద్వారా పేజీని కనుగొంటాయి, అందుకే 2, 3, 10 తనిఖీలు ముఖ్యం. మీరు llms.txt ఫైల్ ప్రచురిస్తే, పేజీని అక్కడ కూడా జోడించండి; తన Search దాన్ని వాడదని Google చెబుతుంది, కాబట్టి దాన్ని ఐచ్ఛికంగా భావించండి.

పాస్: లైవ్ పేజీని ఇండెక్స్ చేయవచ్చని URL తనిఖీ చూపిస్తుంది.

ఈ తనిఖీలను ఎలా ఎంచుకున్నాం

జాబితా క్రాలర్ వెళ్లే దారిని అనుసరిస్తుంది: URLను చేరడం, robots.txt చదవడం, ఫైర్‌వాల్ దాటడం, HTML చదవడం, తర్వాత దాన్ని అర్థం చేసుకోవడం. ప్రతి తనిఖీ OpenAI, Anthropic, Perplexity, Google తమ క్రాలర్‌ల గురించి డాక్యుమెంట్ చేసినదాని మీద, robots.txt కోసం RFC 9309 మీద, canonicals, తేదీలు, sitemaps, hreflangపై Google మార్గదర్శకం మీద ఆధారపడింది. keyword density, పదాల సంఖ్య లక్ష్యాలు వంటి, AI జవాబులపై డాక్యుమెంట్ చేసిన ప్రభావం లేని తనిఖీలను వదిలేశాం.

పేజీని చదవగలమని తనిఖీలు చూపిస్తాయి; అది ఉదహరించబడుతుందని చూపలేవు. అది ఇతర మూలాలతో పోలిస్తే జవాబు ఎంత బాగుందనే దానిపై ఆధారపడుతుంది. ప్రతి ఫైర్‌వాల్, CDN, theme లేదా CMS మార్పు తర్వాత 2 నుంచి 5 తనిఖీలను మళ్లీ చేయండి, ఎందుకంటే ఆ మార్పులే వాటిని నిశ్శబ్దంగా రద్దు చేస్తాయి.

AISeeWhy వీటిలో చాలా తనిఖీలను ఒకే రన్‌లో చేస్తుంది: అది పేజీని అసలు బ్రౌజర్‌తో పాటు 16 AI, సెర్చ్ క్రాలర్‌లుగా తెస్తుంది, ప్రతి క్రాలర్‌కు robots.txt వర్తింపజేస్తుంది, HTML, markup, canonical, తేదీలను చదువుతుంది. ఉచిత తనిఖీ స్కోర్‌ను, మొదటి ఫలితాన్ని చూపిస్తుంది; పూర్తి రిపోర్ట్ ప్రతి సమస్యను సిద్ధమైన పరిష్కారంతో జాబితా చేస్తుంది.

ఈ సమస్యకు పరిష్కారాలు

ఉచిత టూల్స్

తదుపరి దశలు

ఈ వ్యాసంలోని క్రాలర్‌లు

తరచుగా అడిగే ప్రశ్నలు

ఈ తనిఖీలను ప్రతి పేజీలో చేయాలా?

ప్రతి కొత్త పేజీలో 1 నుంచి 5 తనిఖీలు చేయండి, ఎందుకంటే ఒక్క URL బ్లాక్ కావచ్చు లేదా మిగిలిపోయిన noindex ఉండవచ్చు. 6 నుంచి 11 తనిఖీలు ఎక్కువగా టెంప్లేట్‌పై ఆధారపడతాయి, కాబట్టి ఒక్కో పేజీ రకానికి ఒకసారి చేసి, కొత్త పేజీలను అప్పుడప్పుడు శాంపిల్‌గా చూడండి.

Googleకు సమర్పించినట్లు ChatGPT లేదా Claudeకు పేజీని ఎందుకు సమర్పించలేను?

OpenAI, Anthropic, Perplexity వెబ్ పేజీల కోసం URL సమర్పణ టూల్ ఇవ్వవు. వాటి క్రాలర్‌లు లింక్‌లను అనుసరించి, సెర్చ్ ద్వారా పేజీలను కనుగొంటాయి, కాబట్టి ఇంటర్నల్ లింక్‌లు, sitemap, OAI-SearchBot, Claude-SearchBot, PerplexityBotకు తెరిచిన యాక్సెస్ మీ నియంత్రణలో ఉన్నవి.

నా పేజీ పన్నెండు తనిఖీలన్నీ పాస్ అవుతుంది. అయినా ఎందుకు ఉదహరించబడటం లేదు?

తనిఖీలు పేజీని చదవగలిగేలా చేస్తాయి, ప్రాధాన్యం ఉన్నదిగా కాదు. అసిస్టెంట్ ప్రశ్నకు ఉత్తమంగా జవాబిచ్చే మూలాలను ఎంచుకుంటుంది, కాబట్టి అది ఉదహరించే పేజీలతో మీ పేజీని పోల్చండి: అవి త్వరగా జవాబిస్తున్నాయా, ధరలు లేదా స్పెక్స్ టెక్స్ట్‌లో చెబుతున్నాయా, మీ దగ్గర లేని డేటా ఇస్తున్నాయా.

ప్రచురించిన తర్వాత AI క్రాలర్‌లు ఎంత త్వరగా వస్తాయి?

ఏ కంపెనీ షెడ్యూల్ ప్రచురించదు. OAI-SearchBot, Claude-SearchBot లేదా PerplexityBot మొదట URLను ఎప్పుడు అభ్యర్థించాయో మీ సర్వర్ logs చూపిస్తాయి; AI క్రాలర్‌ల కోసం సర్వర్ logs తనిఖీ చేయడంపై మా గైడ్ వాటిని ఎలా కనుగొనాలో చూపిస్తుంది.

మూలాలు

మరిన్ని వ్యాసాలు