作者：Chikei Yung，chiwai创始人 —— 发布于2026年6月

案例研究：China Restaurant Yung如何在39个国家变得可见 —— 无需广告预算

法兰克福的一家家庭餐厅。191道菜品。一份存在了几十年的PDF菜单。以及一个改变了一切的问题：为什么ChatGPT推荐我们的竞争对手，而不推荐我们？

2023年的初始情况：默认不可见

自1988年以来，China Restaurant Yung一直在法兰克福萨克森豪森区经营一家餐厅。该餐厅在当地有一批忠实的常客，以正宗的广东菜和四川菜闻名，并由具有数十年中餐烹饪经验的Li Xiejie主厨领导。

在线情况则不同。网站主要使用德语。菜单是一份PDF文件——一份包含191道菜品的传统分类菜单文档。没有单独的菜品页面。没有结构化数据。没有多语言内容。

在餐厅历史的大部分时间里，这并没有问题。Google对“法兰克福中餐馆”的排名是通过距离和评价数量建立起来的——这些信号有利于当地成熟的商家。China Restaurant Yung两者兼备。

然后，餐厅发现的方式发生了变化。

ChatGPT在2022年底向公众开放。到2023年，客人开始使用它来查找符合特定要求的餐厅：“法兰克福无花生中餐馆”、“法兰克福素食点心”、“附近无麸质中餐”。对于这些查询，没有结构化数据的餐厅在AI回答中根本不存在——无论其食物质量如何。

China Restaurant Yung变得不可见。不是因为缺乏质量，而是因为数据架构。

我们采取的五个步骤

第一步：将PDF菜单转换为结构化的菜品页面——每个菜品一个URL

第一个也是最基本的变化是将静态PDF转换为结构化的单个菜品实体数据库。

191道菜品中的每一道都有自己的页面和永久URL。菜品名称、描述、价格、类别和图片作为离散的数据点存储——不是作为文档中的文本，而是作为数据库中的结构化字段，可以呈现为机器可读的标记。

名称和描述以三种主要语言（德语、英语、中文）和其他三种语言（西班牙语、土耳其语、阿拉伯语）创建——总共DE/EN/ZH，覆盖法兰克福国际人口和游客基础的主要语言。

实际结果：191个独立页面，每个页面有一个唯一的URL，每个页面有一个特定的菜品作为结构化实体。没有PDF。没有菜单页面。可索引、可爬取和可引用的独立网页实体。

第二步：在每个页面上添加Schema.org Restaurant和MenuItem标记

一旦菜品数据作为结构化实体存在，下一步就是将其以AI系统理解的格式进行机器可读处理：Schema.org JSON-LD标记。

餐厅主页获得了完整的@type: Restaurant块：名称、地址、电话、openingHoursSpecification、servesCuisine（“Chinese“）、priceRange和hasMenu链接到菜单实体。

每个独立的菜品页面都获得了完整的@type: MenuItem块：DE/EN/ZH的菜品名称、描述、EUR价格、图片URL、菜单部分以及完整的过敏原和饮食数据。JSON-LD直接嵌入到每个页面中——可供Google的Googlebot、GPTBot和Gemini的爬虫在一次HTTP请求中读取。

这是使特定AI查询可回答的技术基础。当有人问“法兰克福哪些中餐馆有无花生的菜品？”——AI现在可以检索并解析我们191道菜品的containsAllergen数据，并提供事实性的答案。没有这个标记，这个问题对我们来说不会产生任何结果。

第三步：191道菜品的机器可读过敏原标注

过敏原数据已经根据欧盟法规（欧盟食品信息法规，LMIV）规定。但合规性——例如PDF过敏原表或菜单脚注——并不等于机器可读性。

14种受欧盟监管的过敏原被逐个映射到每个菜品的Schema.org containsAllergen属性。Li Xiejie根据他的配料知识和德国营养成分及过敏原数据库标准BLS检查每道菜品。数据经过操作员确认步骤——由厨房团队手动验证——之后才被标记为已确认。

基于相同的配料检查，添加了饮食适用标志（VeganDiet, VegetarianDiet），使用Schema.org suitableForDiet枚举。

结果：191道菜品具有经验证的、机器可读的过敏原和饮食数据。一个能够以事实性方式回答AI查询如“哪些菜品适合麸质不耐受的客人？”的餐厅——不是泛泛而谈，而是具体列出特定的菜品。

第四步：域名上的llms.txt文件

llms.txt文件是一个相对较新但越来越重要的元素，用于以AI优先的网络存在。类似于搜索引擎爬虫的robots.txt，llms.txt为AI系统提供了关于网站内容和可用数据的直接、精选概览。

对于China Restaurant Yung，llms.txt文件位于chinayung.de/llms.txt，包含餐厅的成立故事（1988年，家族企业，法兰克福）、厨房类型和特色、按类别组织的所有菜品页面的索引链接、过敏原和饮食覆盖信息以及语言可用性。

尊重llms.txt的AI系统会首先读取此文件。这减少了幻觉风险（AI系统编造有关餐厅的信息），并增加了准确、具体的推荐可能性。

→ llms.txt如何为餐厅工作——完整指南

第五步：通过API同步Google Business Profile

Google Business Profile是进入Google Gemini本地餐厅知识的最直接渠道。Food Menus API允许将结构化的菜单数据直接传输到GBP——这意味着网站上存在的相同完整的过敏原、多语言菜品数据也存在于Google自己的结构化数据层中。

对于China Restaurant Yung，171道菜品通过Food Menus API传输到GBP——包括多语言名称和描述、过敏原数据和饮食标志。同步自动运行：当chiwai系统中的菜品发生变化时，GBP条目会自动更新，无需人工干预。

这形成了一个闭环：餐厅的数据在网站、Schema.org标记和Google自己的数据库之间保持一致。跨源验证这些数据的AI系统会找到一致的、可验证的信息——这正是提高特定查询推荐概率的关键。

→ Google Business Profile和AI：GBP作为通往Gemini的桥梁

数据展示的结果

在完成这五个步骤后的几周内，chinayung.de的菜品页面开始生成来自国外的搜索查询。Google Search Console数据显示来自39个国家/地区的曝光——包括英语市场、中文市场以及其他餐厅没有直接营销存在的市场。

生成这些曝光的查询不是通用的（“法兰克福中餐馆”）。它们是具体的：不同语言的菜品名称、特定过敏原的搜索、特定菜系的搜索。这些都是结构化数据可以回答的查询——而之前对我们来说是不可见的。

没有使用广告预算。可见度的提升完全来自于结构化数据使餐厅信息变得机器可读和跨语言可访问。

实时网站：chinayung.de——所有191道菜品，DE/EN/ZH，完整的Schema.org标记，实时。

这对其他餐厅意味着什么

China Restaurant Yung在规模或资源方面并不是特例。这是一个独立的家庭餐厅，拥有35年的传统在线存在。我们所做的改变——结构化数据、独立的菜品页面、过敏原标记、多语言内容、GBP同步——对任何餐厅都是可复制的。

障碍不是技术。而是实施和维护结构化餐厅数据所需的时间和专业知识。这就是chiwai解决的问题：自动化整个数据层，使每个餐厅——无论是家族经营的广东菜馆还是单店小酒馆——都能拥有与大型连锁店相同的AI可见数据基础设施。

餐厅发现的格局已经从根本上发生了变化。及早理解这一点的餐厅将获得随着时间推移而增强的结构性优势——因为一旦实施，结构化数据将持续发挥作用，无需额外成本。

常见问题

实施花了多长时间？

China Restaurant Yung的五个步骤是在几周内完成的。最耗时的部分是过敏原验证——Li Xiejie需要针对191道菜品中的每一道，根据他的厨房知识确认过敏原数据。技术步骤（Schema.org生成、GBP同步、llms.txt）由chiwai自动化，不需要餐厅团队具备技术专业知识。对于今天通过chiwai上线的新餐厅，初始设置明显更快，因为自动化管道更加成熟。

这只是对有大量菜单的餐厅相关吗？

不。一个有20道菜品且具有完整、经验证、多语言Schema.org标记的餐厅，在特定查询中对AI系统的可见性要高于一个有200道菜品但没有结构化数据的餐厅。菜单大小不如结构化数据的完整性与准确性重要。一个小而集中的菜单，如果具有完整的过敏原和饮食数据，实际上可能更有优势——简单的数据更容易让AI系统与特定查询匹配。

这取代了传统的营销吗？

不——它是补充。AI可见性是一种数据基础设施层，而不是营销渠道。它不会取代强大的社交媒体存在、Google评价管理和本地SEO。它所做的：它创建了一个基础，使其他所有营销更有效。当AI推荐将潜在客户带到您的网站时，他们在那里找到的结构化数据——完整的菜品信息、过敏原数据、多语言内容——比非结构化页面更有效地转化。两层共同作用。