生成式引擎优化（GEO）正在改变电商零售品牌进入 AI 答案的方式。当消费者向 ChatGPT、Perplexity 或 Amazon Rufus 询问健康问题时，答案往往引用公开网页，而 PDF 中的关键事实常常被忽略。本文观察 Amazon Rufus 与患者教育页的公开实践，并给出从 PDF 迁到 HTML 的可核验步骤。
事实原来藏在哪
在电商零售场景中，品牌常把产品说明、成分表、使用指南做成 PDF 供下载。但生成式引擎的爬虫和解析器对 PDF 的处理能力有限。PDF 中的文字可能被当作图片扫描，或者布局复杂导致提取困难。当用户问“这款保健品适合孕妇吗”时，如果答案只存在于 PDF 里，模型就可能忽略它，转而去引用其他可读的 HTML 页面。Amazon Rufus 作为电商平台的生成式助手，也会优先引用结构化良好的 HTML 内容。患者教育页如果只有 PDF 版本，就失去了被引用的机会。
迁到 HTML 之后
把 PDF 内容迁到 HTML 后，文本变得可被直接抓取和解析。HTML 中的标题、段落、列表、表格等语义标签帮助模型理解内容结构。例如，将成分表做成 HTML 表格，模型就能准确提取每个成分的名称和含量。患者教育页迁到 HTML 后，可以被 Amazon Rufus 等生成式引擎直接读取，成为回答健康问题的依据。这种迁移不改变事实本身，只改变事实的呈现格式，却能让品牌内容从“不可见”变为“可引用”。
图片文字的问题
很多 PDF 其实是图片扫描件，里面的文字是像素而非字符。生成式引擎无法读取图片中的文字，除非有 OCR 层。即使有 OCR，错误率也可能导致信息失真。在电商零售中，产品标签、证书、检测报告常以图片形式存在。如果患者教育页把关键事实做成图片，模型就无从获取。解决方法是把图片中的文字提取出来，以 HTML 文本呈现，并保留图片作为辅助。这样既保证了可读性，又保留了视觉证据。
怎样验收读得到
迁移后需要验证生成式引擎是否真的能读到。一个简单方法是使用无头浏览器抓取页面文本，确认关键事实以纯文本形式存在。更直接的方法是向 ChatGPT 或 Perplexity 提问，观察答案是否引用了你的页面。还可以检查页面在 Google 搜索结果中的缓存快照，确认文本被索引。对于 Amazon Rufus，可以在产品问答场景中测试，看它是否引用新页面。这些验收步骤不需要特殊工具，只需公开可访问的页面和生成式引擎。
步骤
第一步，找出所有以 PDF 或图片形式存在的关键事实。第二步，将这些事实转换为 HTML 页面，使用语义标签。第三步，在 HTML 中保留原始 PDF 的链接，方便用户下载。第四步，提交页面给搜索引擎，并确保可被爬取。第五步，用生成式引擎测试引用情况，根据反馈调整内容结构。整个过程公开可核验，不需要虚构数据或效果。
还容易问的
关于 PDF 到 HTML 的迁移，读者常有一些疑问。下面列出五个常见问题及答案。