GEO 在印地语里如何运作？

印地语是世界第三大语言，按 Ethnologue 的统计有超过 6 亿人使用，但以它为内容语言的网站不到 0.1%。我们做过的语言里，没有哪一种的使用人数和内容量差得这么悬殊：希伯来语占全网内容的 0.4%，服务约 900 万人；印地语这不到 0.1%，却要服务 6 亿人。AI 助手写印地语回答时，能查到的商业内容是全网最少的几种语言之一。

内容少，引用落在谁身上就不一样。AI 助手要么反复用现有的那几个结构清楚的印地语来源，要么退回英文页面，边读边翻译。结果是，少数几个能把问题答清楚的原生印地语页面会被一引再引。在拥挤的英文领域，一个引用位置要靠几个月的旁证才能拿下；在印地语里，一个写得清楚的页面几乎没有对手。

这篇指南是印度市场指南的语言篇。市场本身（用户规模、各大城市的提示词、对价格的敏感程度）由那一篇讲；这一篇只谈语言：天城文对字节和 token 的影响，Hinglish 在检索里的表现，以及为什么印地语的品牌名工作会跨出印度。

天城文有一笔多数团队没注意过的硬成本。在 UTF-8 里，每个天城文字符占三个字节，拉丁字母占一个；印地语文本更短，又夹着拉丁字母的名称和数字，所以实际测下来，同样几篇指南的体积约为英文版的两倍（本站 2026 年 10 月：1.7 MB 对 0.84 MB）。抓取预算会受影响，机器可读的导出文件也会受影响（本站的印地语 llms-full 导出文件第一个撑破了体积上限，上限从 100 KB 一路提到了 2 MB）。凡是按字节截断的地方，先被截掉的都是印地语。

分词让问题更重。主流模型的分词器主要用英文和拉丁字母文本训练，同一句话换成天城文，拆出的 token 多得多：分词公平性研究测到，同一段文本在不同语言之间的 token 数最多相差 15 倍。实际后果有三条：上下文窗口里装得下的印地语更少，检索片段更早被截断，写得啰嗦的页面会把关键说法截没了。

段落要短、要自足，品牌名和核心事实放在开头。用词前后一致，标题照着读者的问法写。直接回答在每种语言里都重要；印地语多占 token，简洁的结构就更划算。

真实的印地语提示词里，有很大一部分根本不用天城文。用户用拉丁字母拼印地语的语法，句子中间夹着英文的商业词汇：品牌名、品类名、“best”“price”。这种混用已经普遍到 NLP 研究者专门为它建了一个基准（GLUECoS，英语和印地语是其中两个语言对之一）。对检索来说，同一个问题的天城文写法、Hinglish 写法和英文写法是三种不同的问法，各自通向不同的来源范围。

Hinglish 没有标准拼法：同一个单词可以写成“accha”“acha”或“achha”，“kaise”和“kese”、“zyada”和“jyada”也各有写法。我们不建议另做一个 Hinglish 站。做法是在印地语页面里，在用得上的地方把品牌和品类用两种文字都写出来，然后单独测试 Hinglish 提问，看这些页面能不能被找到。

模型得知道，一个品牌的天城文写法和拉丁字母写法是同一个实体（即品牌、人物、产品等可识别对象）。否则引用会分到两个模型都认不全的名字上，哪一个都攒不起权威。所以两种写法要主动写明：结构化数据里列出别名，各类资料页把两种写法都写上，印地语页面里把拉丁字母的品牌名直接印在天城文名字旁边，不把对应关系交给运气。印地语来源本来就习惯在一句话里混用两种文字，这对你有利，前提是你自己的页面先把标准配对定下来。

印地语内容还能服务印度以外的读者。阿联酋、美国和英国都有人用印地语向 AI 助手提问。我们的迪拜指南专门写了印地语，因为印度人是阿联酋最大的人口群体。一个有用的印地语页面，勒克瑙和迪拜的客户都能用，一份内容在多个市场发挥作用。

印地语不是押未来，入口已经开了。Google 于 2024 年 8 月在印度推出 AI Overviews，英语和印地语都支持，语言切换功能也是印度首发；ChatGPT、Perplexity 和 Gemini 今天都能回答印地语和 Hinglish 的提问。语料少，多数品牌还没注意到，机会就在这两点的叠加上。

印地语是我们九种母语级语言之一，测量方法和其他语言一样：每种语言在第一天定好固定的提示词集，在 ChatGPT、Perplexity 和 Gemini 上用未登录的新会话跑，声量份额和引用率都对照第一天的基线跟踪。这套方法先用在我们自己的网站上，结果连同未经修改的截图记录在公开案例里，印地语是其中明确验证过的能力之一。