GEO随记

整理 GEO 公开课、行业观察、前端指标、策略判断和实践思考。

1.5 第五部分：GEO随记

1.5.1 第一次GEO公开课

这是在WaytoAGI的第一次直播的GEO公开课总结，我和向阳预计会连续分享12次，每月一次

一些核心观点总结

1、GEO的第一性原理：让品牌进入AI可引用的知识网络，GEO 关注的核心问题是：AI为什么引用别人，没引用我？我需要提供什么样的信息，发布到什么样的地方，才能提高被引用概率？

2、GEO的本质是“概率优化”，不是稳定操控 AI 答案，这背后意味着，不要把GEO当成“固定排名生意”，要当成“持续提升 AI 可见度的内容和信源工程”

3、GEO有三个核心要素：数据、内容、投放，只做内容，没有数据反馈，会变成盲写；只做投放，没有内容质量，会变成垃圾分发；只看数据，没有生产和分发能力，也无法形成结果

4、数据的价值：先看AI当前引用谁，再决定怎么写、发到哪；然后提供策略迭代的有效依据

5、内容是GEO的基石，错误内容会被系统性放大，自动化系统会放大输入质量，输入是事实，系统放大价值；输入是错误，系统放大风险，所以GEO里的内容不能只追求“量”，还要有事实准确性、结构化程度、信息增益和可验证性

6、白帽 GEO 的核心：提升 AI 回答质量，好的GEO营销并不破坏 AI 搜索生态，反而可能提升 AI 的回答体验

7、批量生成 1000 篇文章，再发到1000个站点，通常代表能力弱，投放强，不看发了多少篇，重点看是否投对了内容、平台和问题场景

8、高质量 GEO 内容要“事实化、结构化、可引用”，AI更容易引用结构清晰、事实明确、语义完整的内容

9、内容工程比“写文章”更重要，内容工程包括：标题管理、关键词管理、知识库管理、提示词管理、内容生成、审核机制、数据分析等等

10、AI知识库是源头，内容系统是放大器，投放是杠杆，GEO的效果 = 知识库质量 × 内容工程能力 × 分发杠杆 × 数据反馈，如果知识库质量低，后续所有自动化都会变成负向杠杆

11、AI 不怕资料多，怕资料少

12、知识库不仅要“多”，还要“可治理”，一个可用的 GEO 知识库，最好具备这些字段：事实条目、来源、更新时间、适用业务线、是否可公开、是否可营销使用、是否需要人工确认、是否涉及法务风险、禁用表达、对应关键词等

13、向量化的核心价值：让 AI 按语义召回内容，它的核心可以简化成一句话：把文本变成可计算的语义坐标，让系统按意思找内容

14、向量化能降低幻觉，但不能替代审核，向量化可以提升召回质量，让 AI 更容易基于相关资料生成内容，从而减少胡编乱造

15、GEOFlow 的核心定位：GEO内容工程中台，GEOFlow的最大价值，是把 GEO 内容运营流程系统化，它解决的问题是：把人工复制提示词、人工生成文章、人工粘贴后台、人工发布、人工统计数据这些流程，变成可配置、可复用的工作流16、 GEOFlow当前最强的是内容能力，其次是分发能力、数据能力，GEOFlow的分发重点在“可控站点”和“API 打通”

17、GEO效果评估要分三层：品牌效果、直接效果、间接效果

18、服务商更适合对“前端指标”负责，企业内部才更容易评估后端效果

更详细的文章总结：

1.5.2 GEO论文的10个洞察

把近两年，与GEO、AEO、AI搜索有关的论文，全部下载了下来，一共41篇

依次读了下，有不少新的理解和启发

41篇论文已全部推送到GitHub仓库，欢迎下载，地址见文末

一些关键洞察分享：

1、GEO不是SEO的替代品

SEO解决的是能不能被检索、被收录、进入候选集

GEO解决的是，进入候选集之后，能不能被 AI 答案引用、吸收、呈现，两者是叠加关系

2、传统搜索看排名，AI 搜索看答案参与度

过去的问题是：我排第几？

现在的问题变成：我有没有被引用？引用位置在哪里？我的内容有没有真正影响答案？用户还会不会点进来？

3、“被引用”不等于“有影响”

有些来源只是挂在 citation 里，实际AI的答案几乎没用它

真正重要的是 citation absorption：你的内容是否贡献了定义、数据、比较、步骤、论据或答案结构

4、GEO的核心不是把文章改成 FAQ

多篇论文都显示：Q&A 格式本身并不稳定有效

真正有效的是“证据容器”：结论清楚、结构清楚、事实密度高、语义对齐、可验证、可抽取

5、AI更喜欢结构化的内容

标题层级、分段、列表、表格、语义 HTML、结构化数据、更新时间、元数据等等，都会影响AI是否理解、引用和吸收你的内容

内容结构本身就是GEO信号

6、单次AI搜索测试没有决策价值

同一个问题，在不同平台、语言、提示方式、时间、模型版本下，结果都可能变

GEO监测必须重复跑，并记录 citation count、citation depth、answer share、position 和稳定性

7、不同AI搜索引擎不是一回事

ChatGPT、Google AI Overviews、Perplexity、Gemini 的引用逻辑差异很大

有的引用广，有的引用少但吸收深所以 GEO 不能只测一个平台

8、第三方权威比品牌自说自话更重要

AI搜索明显偏好earned media、权威媒体、测评、百科、行业报告、可信第三方来源

品牌官网很重要，但还不够

品牌要同时建设站内证据和站外权威

9、GEO 和黑帽操纵的边界很清楚

优化结构、证据、可读性、事实密度，是白帽

隐藏指令、prompt injection、虚构事实、抹黑竞争对手、诱导模型排序，就是黑帽

AI搜索优化一定会带来新的安全治理问题

但对于品牌而言，从一开始就坚持白帽GEO，一定是可以持续、健康的正道

10、最终，GEO 不是一个技巧，而是一套系统化的能力

它包括：意图研究、证据资产、结构化内容、第三方权威、多平台监测、稳定性评估、安全边界

谁能持续建设这套系统，谁才会在 AI 搜索里长期可见

41篇相关论文GitHub地址：

1.5.3 GEO+企业家IP

GEO白皮书配图 1

中午和一位认识多年的上市辅导专家午餐

他的核心业务，就是辅导准上市公司上市，现在也开始，在公司中期阶段以资金+资源的方式介入，实现更大的资本回报

他自己的公司，也在他的运作下，几年前就实现了上市，并获得了不错的盈利

有意思的是，我刚一进餐厅的包间，几句寒暄后，他就开始“炫耀”他的GEO效果

开始展示他在豆包、DeepSeek里被AI推荐的效果

他说，在去年的时候，他就已经意识到GEO的价值

因为他的客户，去年就通过豆包了解到他

所以，这一年来，一直很重视自己IP在豆包、DeepSeek里的推荐效果

他的做法也比较简单，就是把自己在各地与政府、协会组办的一些主题分享论坛上的分享内容、活动信息，对内容稍微做些AI偏好的梳理后，持续的分发

也没有什么过多的技巧

而且这个过程，大量的内容都是他自己在组织内容和分发

效果很好

这背后有一个非常值得重视的机会点

很多传统企业家，并非不想做IP，而是不适应短视频时代那种“出镜式IP”

他们更在意专业感、权威感和体面感

短视频出镜，对他们来说，有时候会有一种“不太符合身份”的心理门槛

但GEO+企业家IP的方式，会完全不一样

他们只需要把自己真实做过的事情、参加过的活动、发表过的观点、服务过的案例、沉淀过的方法论，整理成AI能够理解、引用、推荐的内容资产

然后，在用户真正产生需求的时候，通过AI把自己推荐出来

这其实对传统企业家的吸引力非常强

传统企业家不一定想成为网红，但他们非常愿意成为AI答案里的行业专家

这可能是AI搜索时代，企业家IP非常重要的新机会

GEO+个人IP，除了针对传统企业家，其实对很多人，逻辑应该也适用

1.5.4 GEO到底是什么

如果不是今年315，很多人可能还没有听过GEO。在今年的3.15晚会节目上，主持人分享道： “GEO技术本身，只是一个优化信息分发的工具，是AI时代的新型营销服务之一，但是一本好经，总被市场上一些歪嘴和尚，故意念歪念错，急于牟利，损害了消费者权益，也扰乱了行业生态”。

这段话里，有两个关键判断，我觉得说得很准。

第一，GEO本身是一个好工具

第二，今天的问题更多出在“人把经念歪了”

3.15晚会节目中，某些机构打着“AI搜索优化”的名义，通过各种手段去影响AI推荐结果，这也许会让不少人开始质疑：GEO到底是什么？

从央视主持人的这段表述里，其实已经能看出一个清晰判断：GEO本身没有问题，是一个很好的工具，问题出在少数人把它用歪了。

GEO白皮书配图 2

GEO，英文全称Generative Engine Optimization，也就是生成式引擎优化。很多人一听这个词，会天然带着警惕，觉得它是不是在“操控AI结果”。

但这个概念里最重要的，其实是最后一个词：Optimization（优化） Optimization（优化），从来不是让你去“作弊”，而是一种系统化的运营能力

真正的GEO，不是简单地“在AI里投放内容”，更不是通过某些技巧去操控AI的回答，它本质上是一项系统工程，真正的GEO，远不只是内容分发，更是一套完整的信息运营体系它至少包含这四个层面：

第一，企业产品与品牌定位

第二，对目标用户的理解

第三，对信息结构与内容表达的设计

第四，在AI生态中的持续运营，包括数据运营、用户运营、产品运营等

很多人（包括大量的行业从业者）只看到了第四步，却忽略了前面的全部工作。在我看来，GEO的本质，是通过AI的方法、AI搜索这种媒介形式，将企业的真实信息，高效而准确地传达给目标用户。

这是AI在应用层面一个非常有意义、且有社会价值的技术场景和实践。

在《定位》这本书中，有一个非常重要的观点：商业竞争，本质上是争夺品牌在用户心智中的位置。

GEO白皮书配图 3

在搜索引擎时代，这种竞争表现为搜索结果页上的位置，而到了AI时代，新的竞争正在发生变化。

用户越来越多地直接向AI提问，而AI再生成答案，这意味着，企业需要开始争夺AI生成答案中的位置以及描述。豆包、DeepSeek这样的AI平台给出怎样的描述、怎样的排序、怎样的推荐，都会直接影响用户对品牌的第一印象。

从这个角度看，GEO更像是一种新的信息基础设施。

企业需要做的，不是操控AI，而是建设自己的信息资产，让AI能够理解、引用并信任这些信息。但任何新技术的出现，都会伴随着一轮野蛮生长，新技术早期，市场往往先迎来混乱，然后才慢慢形成秩序。

当规则还不清晰，认知还不成熟，机会又足够大时，总会有人试图用各种方式套利

GEO行业今天的一些问题，其实和当年的黑帽SEO、流氓软件、信息劫持并没有本质区别。但历史也已经证明了一件事情：所有依赖漏洞和误导建立起来的优势，都无法长期持续，真正能留下来的公司，一定是那些认真做事、尊重用户、敬畏行业的企业。

《竞争战略》里有一个很经典的观点：战略不仅是决定做什么，更重要的是决定不做什么。对于GEO行业来说，这句话同样适用。

真正长期主义的GEO公司，必须清楚哪些事情坚决不做，比如虚假背书、伪造权威内容、误导AI推荐、制造虚假评价。

因为GEO最终竞争的，并不是技巧，而是信任体系。

GEO白皮书配图 4

企业提供给AI的信息是否真实、专业、持续，这些都会慢慢沉淀成AI系统对品牌的判断从这个意义上说，GEO真正优化的，是企业的信息表达能力和可信度结构。

315曝光的案例，更像是在提醒整个行业：技术越强大，对从业者的约束也越高，对行业敬畏心的要求也需要越高。

任何技术，都可以被用来创造价值，也可以被用来制造混乱。但技术的发展本身，也会不断清理那些作恶者，比如当年的搜索劫持、流氓软件、插件绑架、盗版音乐平台……

互联网的发展，一直在不断淘汰那些走歪路的模式 GEO也不会例外。这个行业最终能走多远，取决于它奖励什么、淘汰什么。

在AI时代，企业面对的不是一个简单的搜索框，而是一个越来越聪明的系统。 AI最终会越来越偏爱一类信息：真实的、结构清晰的、长期积累的。

GEO首先是一种AI时代的企业营销能力，这种能力和在央视做品牌广告，没有本质区别。

其次，GEO对企业而言，还有一层意义，就是建立自己AI时代的信息资产。

真正的GEO，优化的是企业的信息表达能力和可信度结构。

每个行业都会有歪嘴和尚，但最终能做强的企业，永远属于那些认真做事、走正道的企业。

1.5.5 监测和评估GEO效果

有对应的PPT，可加我微信找我要一下

我们将GEO的价值拆分为两个层面来评估：品牌层面的价值与效果转化层面的价值。

在品牌层面，当用户在AI搜索平台中检索相关需求词时，若目标品牌能够被AI作为推荐品牌或参考对象展示，这本身就构成了一种高信任度的“第三方背书”。

这一过程会持续强化用户对品牌品牌的认知深度与消费心智，对品牌影响力的巩固和放大具有长期价值。

在效果转化层面，GEO带来的价值可进一步分为可直接监测的转化效果与间接促进的转化效果。

在直接转化方面，我们可以通过以下三种方式进行监测与归因：

第一，通过技术手段在统计后台识别来自各类AI平台的Refer来源，对GEO带来的访问与转化进行归因分析；

第二，为GEO渠道单独设置一个专属的400电话，用于区分和统计来自GEO的线索与咨询；

第三，为GEO设计独立的营销落地页，例如使用GEO子域名作为专属承接页面，以此追踪转化行为。

以上方式可以在一定程度上，可以直接量化GEO所带来的转化效果。

但需要强调下，即便完全的采用上述手段，GEO的整体价值仍然无法被完全“显性统计”，其更大的价值体现在对间接转化的促进作用上。

典型场景包括：

用户在AI搜索中看到相关推荐后，可能转而在百度等传统搜索引擎中直接搜索“品牌”品牌词，或在微信生态中搜索品牌公众号；

同时，由于AI推荐本身具有较强的信任背书属性，用户在后续咨询和成交阶段，对品牌可靠性、专业性和性价比的顾虑会明显降低，从而提升整体成交效率。

从海外已有的研究和实践案例来看，在系统化开展GEO、且覆盖词包规模较大时，GEO对整体后端转化率的提升往往非常显著。

通常情况下，可直接监测的转化仅占整体贡献的约20%左右，而通过品牌认知与信任建立所带来的间接转化贡献，可能占到80%左右。

不同品牌或行业比例会有所不同，但整体的逻辑差不多

因此，在评估逻辑上，只要我们能够相对稳定地获取那20%可直接监测的GEO转化数据，就可以对GEO在整体转化体系中的真实贡献形成较为准确的判断。

至于品牌层面的价值，在我看来，其长期效应与最终带来的转化价值基本呈正相关关系，二者在整体ROI结构中是等比放大的。

1.5.6 GEO前端指标

GEO前端的衡量，一是看排名指标，二是看心智指标

第一，排名指标是GEO的必要条件

GEO白皮书配图 5

排名指标解决的是“能不能被看见”的问题，在AI搜索或AI问答场景里，排名包括了几个更细的维度：

比如：

是否进入AI答案主体

是否被列入推荐列表或榜单型结构

是否以示例、对比对象、参考来源的形式出现

是否在同一问题下被反复多次提及

这些都属于GEO范畴里的排名，如果一个品牌在相关问题中，始终无法进入AI的有效输出区间，后面的心智讨论是没有载体的

对于GEO营销，排名的本质，其实是通道能力，代表你有没有资格参与认知竞争

第二，心智指标才是GEO真正放大长期价值的地方

GEO白皮书配图 6

心智指标解决的是“被如何理解和记住”的问题，它也不是一个单点指标，而是一组结构性信号：

比如：

AI如何描述你

你被放进了哪一类集合

你和哪些品牌一起被并列

你被贴上的核心标签是什么

你的能力边界是否被反复稳定地表述

如果排名指标是曝光概率，心智指标就是认知形状。

同样被推荐一次，被描述成“代表性方案”和“可选之一”，对长期转化和品牌资产的影响完全不同

很多公司在GEO上效果不稳定，本质原因就在于只做到了“被提及”，却没有做到“被正确理解”

第三，把两者放在一起看，才能形成真正高价值的GEO前端指标体系

GEO白皮书配图 7

如果只看排名，会走向短期博弈，策略会越来越像刷存在感；

如果只谈心智，没有排名支撑，会变成自嗨型内容建设；

更好的做法，是把前端衡量拆成一个双轴系统：横轴是可见度，也就是排名指标；纵轴是认知质量，也就是心智指标

真正好的GEO营销，是在高可见度下维持高度一致的认知表达

1.5.7 GEO与SEO

无论SEO还是GEO，决定能否被AI引用的首要因素之一，还是内容质量
GEO是内容营销的一种新形态，是顺应AI检索与生成的整合式内容营销策略
问题驱动替代关键词驱动：SEO围绕“关键词”，GEO围绕“用户完整问题”，这背后搜索行为变化的原因，也是因为AI对复杂语义的处理能力大大增强
结构化可以让AI更“省算力”：清晰的分段、列表、数据表与JSON结构化标记更易被AI拆解与引用
AI倾向选择专业、权威、可验证来源，比如：引用权威研究、标准文档、官方数据，并清晰标注出处
信息增益是GEO差异化的一个关键策略，在低成本生成时代，独特洞见与深度实证更稀缺。比如，可以给出实测数据、反直觉结论、失败教训与可复现实验
由于AI搜索的“零点击”特点，决定GEO的效果会更偏品牌，用户常在AI答案处结束，一般不点链接，除非有进一步需求，这个时候往往会去检索品牌词；所以，核心价值会体现为“被看见”，即便点击流量不高，但AI频繁提到你的品牌，心智影响会大大提升
SEO是GEO的地基之一，传统搜索排名在很大程度上会影响AI检索与引用概率
品牌的内容，成为训练语料需要较长时间且不可控，对GEO来说，实时搜索是核心主战场，被纳入基础训练门槛极高，现实路径是做SEO提升被实时检索
多模态是趋势，短期文本内容的建设和优化性价比最高，可以逐步构建多模态内容体系
国内AI幻觉多与搜索服务能力与成本有关，模型常粗略聚合摘要，这样也容易出错，我们曾实验过GEO霸屏的效果，就是利用这种“漏洞”
近期做了一个关于AI摘要的GEO实验，最终数据发现，AI摘要对AI搜索的权重影响比想象的要大

1.5.8 AI搜索

这一期“未来硅世界”邀请了小宿科技的两位技术专家进行与AI搜索有关的分享，很多干货，通过GPT-5对直播的主要问题进行了梳理：

Q1：AI搜索到底是什么？和百度、谷歌有什么不同？

传统搜索靠关键词匹配，你得自己从10个网页里找答案

AI搜索则是“问题导向型”搜索——你问一句，AI自动整合信息并直接回答

举例：

你搜“苹果CEO是谁”，百度列出网页
你问AI搜索，它直接告诉你“蒂姆·库克”，并解释他的任期与相关新闻

AI搜索的关键区别是：它不仅找信息，还理解问题并生成答案

Q2：AI搜索要靠“Infra”，这是什么？

Infra是“基础设施”的意思

如果把AI搜索比作大脑，Infra就是神经系统和工具库

它包括：

搜索引擎API
链接正文提取、PDF解析、网页渲染
数据召回、排序、缓存、语义理解模块

这些组件让AI能像人一样“读网页”“理解语境”“引用来源”

Q3：开发者和普通用户使用AI搜索的区别是什么？

开发者：关心“如何让我的AI会搜索”，可加入小宿科技开发群，申请API调用额度，拿到技术文档
普通用户：只想“得到更聪明的回答”，可直接用AI搜索应用或在活动中提问

一句话：开发者造轮子，用户开车

Q4：为什么要区分ToC搜索和ToAI搜索？

这两种搜索服务的“对象”完全不同

ToC搜索：给人看的，返回简短摘要
ToAI搜索：给AI读的，返回全文或结构化数据

举个例子：

百度给你“华为发布新机”摘要

而ToAI搜索会给AI整篇新闻稿，让AI能生成一篇分析稿

AI要的不是标题党，而是“可被机器理解的内容”

Q5：从提问到回答，AI搜索内部经历了什么？

理解问题：判断是否联网
问题拆解：把复杂问题分成多个子问题
外部搜索：通过API抓取网页或数据
召回排序：筛选最相关内容
生成答案：模型整合信息、生成自然语言回答

这像是一支“AI搜索小分队”：模型当大脑，工具当手脚

Q6：AI不是看摘要就够了吗？为什么要全文？

因为AI要“理解语义逻辑”，不是“浏览关键信息”

摘要只能给出结论，AI要根据上下文判断因果、细节、出处

就像人类写论文必须看原文，AI回答问题也要有“上下文依据”

Q7：小宿科技的搜索技术相比其他公司有什么特别？

多语种支持：唯一国内支持多语种搜索的厂商
纯自研：拥有从爬虫、索引、召回到语义模型的全链路自研能力
低延迟：平均响应仅数百毫秒
灵活服务：可同时支持AI问答类和智能体类客户

Q8：AI怎么判断“苹果”是水果还是品牌？

靠语义理解模型

AI会分析上下文，识别你的意图，然后决定召回哪类数据

这涉及：

意图识别
切词与消歧
语义匹配

例如你问“苹果市值多少”，系统就会自动切换到“Apple Inc.”的财经数据语料

Q9：AI搜索会不会老是读到旧数据？

不会

一般系统会判断问题是否有时效性

非时效性问题（如“地球半径”）可从缓存读取
时效性问题（如“今天A股涨跌”）则调用最新索引

甚至在排序模型中，还会给“时效性结果”额外加权，让它们排在更前面

Q10：网页那么多，AI怎么找到“最合适”的那几篇？

通过语义匹配 + 关键词匹配的混合策略

语义匹配帮助AI理解上下文
关键词匹配保证命中具体词汇

此外，召回分两阶段：

离线阶段：过滤不良网页，仅保留优质内容
在线阶段：根据query动态排序、再筛一轮

最终留下的往往不到10%，但质量最高

Q11：互联网充满AI写的文章，怎么看？

AI生成内容不是坏事，但要有质量

系统会评估段落逻辑、事实准确性和原创性

低价值的AI洗稿、拼接文会被剔除

一句话：AI创作没问题，关键是得写得“对”

Q12：AI能分辨好文章吗？

能

模型会学习人类的判断逻辑，比如：

信息密度高
逻辑结构清晰
来源可信
不抄袭、不空洞
系统会将这些特征量化，综合打分，从而识别“高价值内容”

Q13：怎么应对黑帽SEO？

我们有独立反作弊团队

在离线阶段就会剔除黑帽页面、虚假内容和采集站

具体算法保密，但目标明确：让AI搜索生态干净可信

Q14：AI搜索会不会出现不合规内容？

不会

公司在中国的业务遵循国家法律与价值导向

海外则依据当地法律

不同地区使用不同API与数据部署，确保“各地合法，各自合规”

Q15：现在AI搜索的盈利模式是什么？未来会变吗？

目前以API收费为主

未来可能与AI应用合作形成广告或知识付费模式，但不会像百度那样直接插广告

因为ToAI搜索是“B端基础设施”，不是“C端流量入口”

Q16：AI搜索能不能看到全网热词趋势？

目前还没有这个功能

但如果开发者或企业客户有需求，小宿科技可基于搜索数据生成类似“AI趋势榜”“智能体热门问题榜”等产品

关键是：搜索热度由需求驱动，不是噱头驱动

Q17：AI搜索会不会爬取小红书、抖音这些平台？

不会违规抓取

公司严格遵守平台数据政策，只与愿意合作的优质内容方建立数据通道

郭耕良提到：“我们宁愿少，也要干净”

同时，团队也在与垂类厂商谈判，获取更多结构化内容授权

Q18：AI搜索的使用比例有多高？会不会取代传统搜索？

以目前数据看，大约30% 的AI问答会调用联网搜索

随着模型更懂上下文，这个比例还会继续上升

但完全取代百度或谷歌暂时不现实——AI搜索更像“新层”，不是“替代层”

Q19：有了AI记忆功能，它还会继续查网页吗？

会

对于固定知识（如物理常数、历史事实），AI可以记忆
但对动态信息（如天气、股市、政策）仍需外部更新
搜索和记忆是互补的关系
未来AI会在“内部知识”和“外部实时数据”之间动态平衡

1.5.9 如何让AI推荐你的产品

这是来自Graphite CEO近期对GEO进行的一个系统分享

GEO的核心原理：LLM+RAG，LLM负责“会不会”，RAG负责“查什么”
GEO的本质：让产品或品牌成为“答案”的一部分
对传统SEO有效的一些方法，对GEO也仍然有效
GEO排名的核心逻辑，与SEO有很大的变化，主要是靠的“被提及次数”，比如一个品牌在多处被引用和出现，那么被AI搜索推荐的概率就会大很多
用户在AI平台的日常搜索，相比传统搜索引擎，问题会更长、更具体，这会产生大量过去未被搜索的细分问题，所以，GEO优化的一个重要方向，就是围绕用户可能的细分场景长尾问题，进行大量的问题规划
每一个AI平台有一定的信源偏好，信源管理与运营策略，也是一个极其重要的工作
文中分享了一个有意思的案例，Webflow的GEO流量转化为谷歌的6倍，且新注册中约8%来自ChatGPT等AI平台，作者分享了三个重点战术：高质量落地页（覆盖大量子问题）、YouTube 视频（容易被引用）、Reddit 真诚互动（社区把关、可信）
这和最近看到的各种有关GEO流量转化率的案例特点相似，这也进一步表明来自AI搜索的流量质量要高很多
这背后的原因，应该有两方面的原因，一是现在用户对于AI的推荐有着比传统搜索更高的信赖，二是用户在决定要点击或搜索某个品牌时，已经与AI进行了多次的沟通与探讨，其意向就已经很高了
出效果的速度，做SEO可能需要很长一段时间才能出效果，但是GEO因为时效性的权重因素，在当天或几天内就能见到明显的效果
在GEO时代，应该要重视官网，官网在国内的价值普遍被低估了，对AI来说，与品牌或产品有关的参考资料，最权威的来源应该是官网，可以借助官网的这类权威性，部署大量的长尾内容，比如用户关心的各种问题，越详细越好，这会大量的影响AI的各种长尾答案，收集这种问题的方法，可以是抓取AI推荐的相关问题，也可以是围绕销售或者客服遇到的常见问题来写
比较友好的GEO内容生成原则，应该是要对AI形成较多的信息增益，所以需要强调原创研究、专家视角、补足他人未覆盖的子问题
现在AI平台很多，每天有大量的AI蜘蛛在肆无忌惮的爬取网站，导致服务器带宽资源的过度消耗，因为不少网站开启了大量屏蔽模式，禁止大量的AI蜘蛛访问网站。但作者建议，尽量允许索引与引用，与AI共存，并通过GEO的方法，与AI搜索实现共赢
关于AI生成内容的做法，作者的态度是不可行。作者举了一个例子，加入所有的内容都是AI生成，那么人们为什么还需要搜索引擎呢？比较稳健的做法是： “AI辅助+人审+原创研究”

视频地址：

1.5.10 GEO内容方法论

以下为六个方法论总结，每一个方法都从信息论层面进行相应的阐释与说明：

这个方法论核心是通过操控或影响熵值与信号强度，最终让内容在AI搜索和推荐中更容易被识别、提升权威性与可读性

说明：

关于熵值，如果全篇内容都是高熵，比如全是新名词、罕见组合、复杂数据等等，会加大AI的理解难度，难以被快速提炼和调用
反之，如果全篇内容都是低熵，比如平铺直叙、常见套话，则毫无差异化，无法在AI排序里脱颖而出
所以，如果从信息论+传播学+AI模型的工作机制来看GEO这个事，就需要一边提升熵值，一边降低熵值，最终取得一定的动态平衡

1、使用具体数据和统计

基本逻辑：专业性、可信度

信息论：可提高词元分布的不可预测性，从而增加信息熵。作为强信号，增加强可信度信号的数量和质量，比如使用引文、数据、统计数字

2、引用权威研究或报告

基本逻辑：权威性、可信度

信息论：通过引入独特且权威的命名实体（研究机构、作者），增加信息熵

3、使用清晰的标题和子标题

基本逻辑：结构化、可读性

信息论：可以有效地将文档划分为低熵的主题集中的子集，从而最大化结构信息增益

4、采用列表、表格和要点

基本逻辑：结构化、易于解析

信息论：可以进一步细化内容结构，使得局部信息块的熵值显著降低，同样有助于提高最大化结构信息增益

5、提供原创见解和独特分析

基本逻辑：经验、专业性

信息论：引入新颖的观点和不常见的词语组合，显著提高信息熵，使其与通用语料有显著差异

6、避免行话和模糊表述

基本逻辑：清晰度、可读性

信息论：在段落级别，确保核心信息明确，避免歧义，有助于降低局部子集的熵值，从而对结构信息增益产生积极影响

1.5.11 大网站的GEO机会

大的网站，因为其历史权重、历史数据积累，在AI搜索时代，有全新的机会

1、大网站，一般来说，本身就会很容易成为AI搜索平台的主要信源，成为一个重要的信源的意义，和成为百度的新闻源意义一样

2、大网站历史沉淀的数据，可以通过GEO代码的优化和内容的GEO改造，会很容易形成AI搜索的高质量引用源，并影响AI搜索的结果

3、这种曝光的位置与机会，可以类比为百度的阿拉丁效果，或者百度的纯文字版“品专”

4、通过这种千万级的内容页面GEO全面改造，理论上就有千万级的长尾词在AI搜索这个场景下进行进一步的曝光

5、这个机会点相当巨大，尤其是对于大型传统互联网站点，以58同城为例，传统的SEO年贡献营收假如有上亿元，通过全站GEO站内改造与系统性的优化，GEO带来的营收有望创造同等量级的新增收入

6、原因是因为，GEO在很大程度上可以平替百度大量需要花钱才能获取的商业流量与高价值长尾流量，且改造成本极低

1.5.12 GEO交流

周二和一家上市公司内部团队交流了GEO，中间交流了不少有价值的问题，做了一些记录和进一步完善

1、高质量的GEO内容，如何理解？

以提示词为例，当我们在写提示词时，写得多了，往往会出现一个问题，就是提示词中会出现一些自相矛盾的内容，这个时候AI往往就会“不知所措”，当模型能力差的时候，AI会随机选择一条指令进行执行，当模型能力很强的时候，它会做详细的思考和推理，但也意味着对token更大的消耗

在面向AI输出内容时，也是一样的逻辑

具体来说就是：AI模型择优引用内容的标准，更强调有清晰结构、无矛盾且有着高质量语义的内容

AI偏好“高信息熵”的段落，即每一句话都贡献新的知识点，避免空话和套话

结构清晰易解析：内容有良好的标题和段落结构，使用列表、要点等呈现，便于AI快速提取要点
语义密度高：相比关键词重复，AI更看重实质信息量，意义密集的内容，即用尽量简洁的话包含丰富信息，会得到优先考虑
自然语言表述：AI更擅长理解自然语言而非硬性关键词，语言通顺、措辞贴近人类问答的内容更易被模型理解和选中
权威可信：AI倾向于引用权威性高、可信度强的内容，这包括有可靠数据来源、专业资质背书、引用自官方或学术来源的内容
新颖独特：模型训练自海量常见内容，如果你的内容提供了独到见解、最新信息或专业观点，AI可能认为更有价值而引用

2、我们是否可以影响或改变AI搜索结果的呈现方式？

理论上是可以，比如让AI输出表格或者不要输出表格，原因是对于搜索结果的呈现方式或内容的呈现逻辑，都是AI基于对用户的搜索问题意图和获取到的相关信息进行的综合分析总结

比如，在内容里提供清晰的FAQ、对比表格、时间轴，AI在调用时也可能全部吸收并呈现

企业在GEO内容里就可以先替AI“排好版”

3、从整体上看，为什么各大AI搜索，会偏向抓取和引用“四大门户”的内容？

这里的“四大门户”也可以泛指一些传统的新闻站点或门户站点

原因：

可信度先验，模型在训练阶段就给门户站点更高的“权重”，所以在检索阶段天然加分
聚合度优势，门户内容通常有“新闻聚合”的属性，一篇新闻引用多方观点，这种多来源整合，AI也会认为更“权威”
爬虫友好度，四大门户有足够的服务器资源允许AI爬虫来抓取，但很多质量也很好的信息源，因为服务器资源和成本的因素，实际上会屏蔽大量的AI爬虫，现在很多网站，事实上大部分的流量，都不是真人访问，而是各种AI爬虫

但如果现在“四大门户”被大量“污染”，AI平台会逐步对信源渠道和引用算法进行完善

4、如何把企业正面信息，成为AI大模型的知识，内化到模型中？

从现在开始重视GEO内容建设与运营，重视多账号的建设，学会用AI喜欢的方式正确的夸自己

通过这些优质高质量的GEO内容运营，让企业的相关正面信息成为AI下一版训练的语料

总结就是：短期路径：检索增强；长期路径：语料训练

5、AI搜索平台是否会打击GEO

AI搜索平台其实欢迎“白帽GEO”，因为它们需要高质量内容去提升搜索体验。换句话说，真正高质量的GEO内容，不仅不会被打击，反而会被扶持

AI搜索平台打击的永远是垃圾信息、污染信息或不公正的假信息等

所以，从现在布局的最佳策略，就是用白帽的做法，对AI、对用户，不作恶、不欺骗，讲真实的“好”，展示真实的“实力与特色”等，加上正确科学的GEO运营方法，就可以实现很好的效果

早期布局，也还有时间上的先发优势和积累

6、通过刷大模型的点击，是否能提升排名？

AI搜索更看重内容质量和语义相关性，而不是单纯的点击量

可以把“刷点击”理解为SEO时代的“模拟点击快排技术”：早期可能管用，但迟早被清理

1.5.13 关于GEO的一些分享

周六晚上，和几位AI搜索专家一起在WaytoAGI的直播间，围绕GEO和AI搜索做了一些交流和分享，下面是一些核心交流观点记录：

AI搜索，是目前AI应用最有商业潜力的场景之一，随着AI搜索的用户量快速上涨，由此产生的新的营销方式GEO（生成式引擎优化），开始备受关注
如何理解GEO？
首先需要先理解下搜索，做个比喻的话，传统搜索更像图书管理员，AI搜索更像学者兼KOL，AI搜索是一种“新型认知中介”，它不再只是信息的门卫，而是意见的塑造者
AI搜索的回答不是在“找资料”，而是在“给答案”，从这个层面来看，整体而言，人类获得信息的便捷度，实际上是大大提升了，虽然人类看到的大量信息都是有意无意被加工过
所以，GEO本质上是AI时代的“答案优化”，传统搜索时代是“人找信息”，AI时代是“信息替人说话”
GEO的权重更多靠语义权威，也就是语义权重>链接权重，比如：在GEO里，“哈佛大学研究显示”比一百个外链更有分量。AI和人一样，容易被“权威符号”说服，在这一点上，和人的直觉相似：见到“哈佛”就觉得可信
对品牌或产品营销来说，AI时代品牌竞争的营销战场，其实是AI口中的那一句推荐，就是让AI在回答时总能想起你
因此，在做GEO优化的过程，本质是在说服AI，其逻辑有点像说服一个人，也有点像辩论
既然是“说服”的逻辑，就会存在作弊手法，也就是黑帽GEO，黑帽GEO手法已出现：语料投毒、搜索结果投毒、格式攻击，骗子公司也能借黑帽让AI推荐自己，风险极高
关于白帽与黑帽，白帽是内容优化，黑帽是投毒篡改；白帽是“增强权威”，黑帽是“制造幻象”
黑帽是灰色机会，但注定会被模型优化掉，未来几年，黑帽的窗口期存在，但长远必败
黑帽与白帽的分界，其实是一种价值抉择：是追逐短期利益，还是建立长久信任
从实践来看，一周时间，足以让一个名字出现在多个AI搜索结果中，并被多个AI搜索推荐
GEO成功的关键之一是“内容投放+语义权威”，GEO写作的核心：明确身份、突出优势、提供背书，一个简单的逻辑：AI的信任感=案例数据+权威出处+结构化表达，如此就可以做到，高质量单篇内容，也能在AI里“占位”
短期内，简单方法就能获得显著效果，未来3-5年，语义权威逻辑仍然有效。
不同大模型有不同信源偏好，DeepSeek依赖ToB搜索引擎合作，Kimi和DeepSeek更偏好“四大门户”内容（新浪、网易、腾讯、搜狐/中华网），元宝、豆包有自家搜索引擎，整体会更偏向自家信源，比如豆包对抖音短视频引用更快
关于AI搜索原理，AI会先判断是否联网，不够新才联网，联网搜索正在自动化，未来更多的AI模型不需要手动触发
AI引用逻辑=语义+概率+偏好，但AI推荐的权威感，很多时候是幻觉
要靠谱的AI结果？主动构造上下文比什么都重要
省成本是AI时代的第一原理，会持续到AGI实现为止
AI搜索一定会偷手，因为真正读300个网页的成本太高，商业上不成立，交叉验证多个AI平台也没用，大家背后的信源和偷手方法都差不多。目前任何一家的deepresearch都不完整可信，技术方案无法提供可靠依据
AI搜索本质上会变成“信息流生意”，每个AI搜索未来都是一个“百度/谷歌”，OpenAI等官方平台大概率会进入GEO市场，事实上目前已经在做这个方向的布局和探索了
GEO是企业营销必修课，而非选修，品牌竞争的核心不再是“广告位”，而是“答案位”。AI时代的流量红利，是AI的引用率，在AI时代，营销的终极目标：不是让用户搜到你，而是让AI替你背书
GEO不是流量游戏，而是“信任游戏”，谁能成为AI的“默认答案”，谁就能在很大程度上掌握未来的营销话语权
大多数人注定被影响，但AI反而让他们看到更真实的信息，但这个世界上一直没有绝对的真相，你需要根据自己的知识做最终判断
AI洗脑比任何电视广告都厉害，这个未来是很恐怖的
AI时代的信息平权：降低了门槛，拉高了最低水平线。所有搜索结果都只是信息，最终判断权永远在你自己手里
省成本是AI时代的第一原理，会持续到AGI实现为止
要靠谱的AI结果？主动构造上下文比什么都重要
大多数人注定被影响，但AI反而让他们看到更真实的信息，但这个世界上一直没有绝对的真相，你需要根据自己的知识做最终判断

1.5.14 Profound的启发

专注于AI搜索优化的一家初创公司Profound，刚宣布完成3500万美元的B轮融资，成立以来共融资约5850万美元

而当前，Profound的员工人数也只有40多人

Profound抓住了一个被大多数人忽视、但未来极可能成为主流的逻辑：AI不只是工具，而是新的流量入口

过去20年，SEO是一场与Google、百度算法的博弈；今天，GEO则是与ChatGPT、Claude这些“超级智能”的博弈。

区别在于，SEO优化的是网页排名，而GEO要优化的是AI的认知与答案。

核心逻辑很简单：如果AI的回答在越来越多场景中替代了搜索结果，那么品牌和产品要必须“向AI做营销”

Profound很好的把握住了这个机遇：

使命，不是帮企业抢关键词排名，而是帮企业在AI的“话语体系”中占据位置
产品，本质是一套“品牌与AI的对话仪表盘”，让公司能看到自己在AI回答中的出现率、语境、与竞品的差距
愿景，是成为企业和“超级智能”的桥梁

换句话说，Profound让企业有机会第一次“看见AI眼中的自己”，这是一种“可见即可控”的价值

从创业视角看，Profound的价值在于，它不仅在做AI工具，也是在重新定义一个行业的范式

先定义新类目，再做产品，Profound的做法，是把SEO到AEO/AI可见度这件事的“命名+第一性原理”进行定义：用户在AI里问问题，答案位就是新流量入口，谁能度量并改善“被AI引用”，谁就拥有新分发权
定义指标，新指标=新货币，自造一组可交易的核心指标：AI可见度分、AI引用率、AI回答份额SOV、AI引荐流量、AI购物出现率，指标一旦被市场沿用，就不再卖工具，而是卖“行业口径”，这些指标对国内的类似企业，其实也有很大的启发
产品形成闭环，监测→洞察→行动→验证四步合一：Monitor(采集AI回答与引用来源)→Insight(发现哪些话题能赢)→Create/Workflow(按模板一键产出可被AI采信的内容，人审把关)→Measure(回流验证、持续提升SOV)
数据壁垒来自“主动提问”，被动等AI抓取不够，要主动向各大AI提结构化查询，长期沉淀“问题→答案→引用源”的私有数据库，这是最难被复制的护城河
叙事从“工具”升级为“收入引擎”，不只是卖产品功能，核心是卖“把AI里的答案位变成你的新增长渠道”，定位一旦从工具变渠道，LTV与议价权都会上一个量级，Profound提供了标准Saas订阅模式（499美元/月）和大客户定制模式，既有标准化，又有针对大预算的定制服务模式

1.5.15 GEO来了

GEO白皮书配图 8

这两天集中对GEO做了一些学习，看了不少资料，还挺有意思的

随着AI搜索的用户量快速增加，我相信，GEO很快又会变成AI时代的SEO，是一门大家都需要了解且布局的一个营销方式

相比传统搜索时代的排名不同，GEO的核心目标，就是让AI在回答用户的问题时能尽可能的引用和推荐目标品牌，如果把AI理解为是一个超级IP，那么GEO争夺的就是被这个超级大IP向用户宣传的机会

目前我调研了下，大家对AI搜索的结果满意度和信任度，显然是要高于传统的搜索引擎的

原因有两个，一是传统的搜索引擎会很轻易的点击到广告，二是大量的结果，需要自己去点击和判断信息的真假

用户都是偷懒的，AI搜索这种直接把结果总结好一次性给你全部的结果，体验会更好

对应的，这就是初期品牌方做GEO的意义和价值

而且现在GEO还处于早期阶段，和传统的SEO不一样的逻辑是，AI搜索的回答内容是否引用或推荐某个品牌，除了信息源本身的权重外，目前看，更加重要的则是“语义权重”。

所谓“语义权重”，就是可以通过在AI搜索引用的参考内容源中，对内容进行有助于提升AI推荐某品牌或某个产品概率的文本方法

比如，在一篇论文里就提到，“在内容中，增加品牌或产品的权威推荐，会极大的提升AI推荐该品牌”，它举了一个例子，大致意思是：“姚金刚品牌在今年被Google列推荐为最受欢迎的产品”，因为这句话里有“Google推荐”这种高权重文本，那么“姚金刚”这个品牌在类似的AI搜索场景中，就更容易被AI搜索推荐

AI并不会去验证“姚金刚”是否真的被Google推荐了，目前只能从获取到的信息源中，根据有权重的文本信息来判断

同理的，还有另外类似的案例，比如“公司是2024年成立”，就远不如说“公司团队都有15年经验”，2024年会极大的弱化公司在AI里的可信度，而“公司团队都有15年经验”就会强化公司在AI里的可信度

本着不对用户说谎，也不对AI说谎的原则，如果要做GEO的话，应该是只提“公司团队都有15年经验”这个信息，而不要提“公司是2024年成立”这个信息

看了不少资料后，我的直观判断是，GEO时代，也来了

1.5.16 GEO策略

GEO：生成引擎优化（GenerativeEngineOptimization）‌

来自Surfer的一位内容营销经理，分享了一个数据，他们的网站，来自ChatGPT的流量，每天约有500次点击，占每天总流量的7%左右

GEO白皮书配图 9

这背后的原因是，ChatGPT对于很多用户的问题，会根据需要或用户勾选了搜索的按钮，AI则会去引用相关的网页，当用户对答案感兴趣后，想要进一步了解，就有可能会点击，比如：

GEO白皮书配图 10

对于一个有引用源的AI回答，如果10%的人会点击源链接，对应的，实际AI的搜索结果，对品牌的直接影响或间接影响，会更高，会监测到的流量来源占比（7%）会更高

这还只是AI搜索刚发展了两年的结果

GEO注定会成为一个新的热门营销方式或获客手段

如何理解SEO与GEO？

一句话解释：SEO争“位置”，GEO争“内容席位”。前者目标是“让用户点进来”；后者目标是“让AI直接把你说出来”，把点击路径缩短为零

一些特点：

1、AI搜索把「问-答-决策」浓缩到单屏对话，点击需求会大大降低，Gartner预测，因为AI搜索的使用习惯激增，到2028年，传统的搜索流量将会下降50%（或同等50%注意力被AI搜索结果抢占）

2、算法评分逻辑改变，传统SEO时代靠PageRank、关键词TF-IDF等；GEO时代，AI用实体一致性、上下文完整度、来源可信度来选择可引用句段，重“事实”轻“密度”

3、传统搜索先抓取-索引-排序；AI搜索往往先在预训练时吸收大量数据，再实时检索补充：你的内容需要在训练集和实时爬虫里都“留档”才更容易被获取到

在营销思维上的变化，则应该把“排名思维”升级为“引用思维”，这就是下一波AI流量入口的营销核心

1.5.17 一些数据

最近GEO这个概念开始流行，所谓GEO，就是GenerativeEngineOptimization的英文缩写，中文全称：生成式引擎优化

GEO与SEO的概念有些相似，只是SEO是作用于传统的搜索引擎，GEO则是通过优化内容，影响生成式AI引擎中的可见性和排名，使其更可能被AI模型引用或推荐。

这块刚好之前做了一些简单的研究，但还没有做深入实践

和一些朋友交流完，基本上大致的逻辑，可以简单分成两步：

第一步：应该是基于这批词及相关的搜索词，去元宝进行联网搜索，然后将其内容源的数据全部拿到，并进行分析

第二步：基于这些内容源的分析，找到可以操作或发布的渠道，实现在内容上的“干预”

之后，又让通过GoogleDeepResearch进行了深度调研，

不同的AI搜索，同样的词，引用的侧重点会不太一样，比如元宝可能会更多引用腾讯讯的内容

所以，第一步还是对数据的研究

向阳也多次分享了一个朋友的案例

他可以在指定时间内，对特定平台从0开始起一个新号，并达成自己预期的粉丝增长目标

而且两次实践都比较成功

他的关键第一步：也是对目标话题和对标进行数据抓取，然后数据分析，根据数据进行选题和内容的参考，再进行发布策略的设计

这和很多个体的账号运营逻辑还是不太一样的，这是比较典型的数据驱动运营

效果广告投放也是如此，需要很强的数据驱动能力，所有的投放优化，也都需要基于数据来进行调整

数据思维确实会带来更高效的运营

而且基本上，高中所学的数学知识就足够支撑绝大部分的数据分析的工作

但我发现，很多人做运营工作、做IP、做账号，仍然缺乏数据驱动的能力，更多的是凭自己的喜欢、感觉或者去上各种方法课

所以，更重要的，可能还是数据意识，建立这种意识，并学一些方法更加的重要

本页目录