目录

• GEO、SEO 与 AI 搜索:概览
• 什么是 GEO
• 这个术语的起源论文
• GEO、AEO、LLMO,还是干脆就是 SEO:关于缩写的争论
• 我的结论:GEO 是 SEO 的延伸
• 生成式引擎如何选择来源
• 真正重要的是什么
• 点击率的下降:这对你的业务意味着什么
• Schema、llms.txt 及其他误区
• 如何衡量自己是否被引用
• 西语内容的一个机会
• 继续阅读实操指南
• 相关资料来源
• 编辑说明

GEO、SEO 与 AI 搜索:概览

方面	传统 SEO	GEO	我的看法
目标	出现在自然搜索结果中	被 AI 发现、理解并引用	二者是互补关系,不是替代关系
结果	链接、排名和点击	提及、引用、推荐或链接	品牌即使点击减少也可能获得更高曝光
主导因素	相关性、技术因素和外链	网站外的品牌提及和域名权威度	网站之外的声誉,比大多数指南承认的更重要
衡量方式	排名、展示次数、点击率和转化率	引用次数、声量占比和引荐流量	需要审视真实的回答内容,而不只是一个"分数"

在深入细节之前,先说结论:市面上大多数关于 GEO 的内容在概念层面是对的——组织内容,让 AI 能够发现、信任并引用它——但几乎总是忽略了一个关键点。2025-2026 年间,与被 AI 引用最相关的因素,并不是你页面内部的结构,而是你网站之外的品牌提及。下面我会用数据展开说明。

什么是 GEO

GEO 意为 Generative Engine Optimization(生成式引擎优化):致力于提高品牌或内容被 ChatGPT、Google AI Overviews、Gemini、Perplexity 等生成式系统发现、理解和引用的可能性。

这个术语的起源论文

"GEO"这个名字并非诞生于某篇营销博客,而是源自一篇学术论文:GEO: Generative Engine Optimization(作者 Aggarwal、Murahari、Rajpurohit、Kalyan、Narasimhan 和 Deshpande),于 KDD 2024 上发表,自 2023 年 11 月起也可以在 arXiv 预印本上查阅。

作者们模拟了一个分两阶段运作的生成式引擎:Google 为某个查询检索出五个主要来源,然后 GPT-3.5-turbo 撰写一段引用这些来源的回答。他们在大约 1 万条查询组成的基准库(GEO-bench)上测试了九种不同策略。效果最好的是添加引文和来源、添加统计数据以及明确引用信息出处,论文中某些查询的可见性提升幅度甚至超过 40%。相反,关键词堆砌的表现还不如什么都不做。

这是一个有意思的发现,但它有一些局限性,而这些局限性在引用该研究时几乎从未被提及:研究使用的是已经过时的 GPT-3.5,每个查询只基于五个来源,而且作者本人也允许提示词为了最大化效果而"编造"假设性的统计数据和引文。三种获胜策略中有两种,本质上都是在往页面里添加新内容——所以提升的部分很可能只是因为增加了原本没有的信息,而不是严格意义上的"GEO 优化"。我把它当作一个学术层面的起点,而不是 2026 年的万能配方来看待。

GEO、AEO、LLMO,还是干脆就是 SEO:关于缩写的争论

对于该如何称呼这件事,业内并没有共识,而这种分歧不仅仅是措辞问题。Aleyda Solís(SEOFOMO,2025 年)的一项调查发现,大约三分之一的从业者更倾向于直接使用"AI search optimization";另一些人使用 AEO 或 LLMO;而 SEO 工具行业——Ahrefs、Semrush——则选择了 GEO 这个说法。

对于新缩写层出不穷这件事,有不少相当怀疑的声音:

• John Mueller(Google),2025 年 8 月表示:有些人越是急于推出新的紧迫感和新缩写,就越有可能只是在"搞垃圾信息和骗局"。
• Rand Fishkin(SparkToro)主张不要抛弃"SEO"这个说法,并警告说,任何承诺给出"AI 排名位置"的工具都不太可靠,因为生成式回答本质上是概率性的。
• Aleyda Solís 认为,目前大约 95% 的 AI 优化工作仍由 SEO 团队主导:她把这看作是一种演进,而非断裂。
• Google 在其官方文档中写道:"从 Google 搜索的角度来看,为生成式 AI 搜索做优化,本质上就是优化搜索体验,因此这依然属于 SEO 的范畴。"

我的结论:GEO 是 SEO 的延伸

我不认为 GEO 会取代 SEO。它的大多数建议——有用的内容、作者身份、结构、证据和权威性——原本就属于优质自然排名的一部分。

真正的区别在于,现在我们不总是在争夺十条结果列表中的一个链接。我们也在争夺成为 AI 构建回答时选择的来源之一,而这种情况完全可能在用户没有点击任何东西的情况下发生。

Google 在其官方 AI 优化指南中解释道,其生成式功能依然依赖于它如何抓取、索引和理解页面。

生成式引擎如何选择来源

每个系统的工作方式都不一样,不应该把它们当作同一回事来对待:

• **ChatGPT(带搜索功能)**没有自己的独立索引:它使用 Bing 的索引来检索结果,然后基于这些结果进行引用。Seer Interactive 对 Semrush 的 8000 万条查询所做的分析发现,ChatGPT 87% 的引用都与 Bing 排名靠前的结果重合。这一发现的实际意义非常直接:如果你的网站没有被 Bing 收录,那么对 ChatGPT 来说你几乎就是不存在的。
• Google AI Overviews 和 AI Mode 在 Google 自己的索引之上使用 RAG("grounding")技术,依托其常规排名系统运作,Google 也证实它们可能会使用一种"query fan-out"(查询扇出)技术——即在构建回答之前,针对相关子主题发起多次搜索——不过 Google 自己的文档用的措辞是"可能会使用",而不是"总是使用"。
• Perplexity 进行实时检索,并且比 ChatGPT 更频繁地引用带有结构化数据的页面。

在这三种情况下,整个过程都是概率性的,而不是一个固定的位置:Ahrefs 记录到 AI Overviews 经常一天之内就发生变化,多项研究也显示,同一个问题反复提问,大多数情况下得到的被引用品牌集合都会不同。任何你在博客上看到的所谓精确"权重"因子(例如"域名权威度占 40%,质量占 35%")都是未经平台证实的反向推测,应当持怀疑态度对待。

真正重要的是什么

清晰表达很有帮助:先给出答案,再展开论述。Kevin Indig 对数百万条 ChatGPT 引用所做的分析发现,44% 的引用来自页面内容前 30% 的部分,这是一个相当一致的规律。

证据同样重要:引用来源、区分事实与观点、加入自己的实例,这与普林斯顿论文的发现相吻合。

但大多数指南中最被低估的一点是:网站之外的提及,比网站内部的结构更重要。Ahrefs 针对 7.5 万个品牌所做的研究发现,网络上的品牌提及与 AI Overviews 可见度的相关系数为 0.664,而传统外链的相关系数只有 0.218——相差三倍。YouTube、Reddit 和维基百科是生成式引擎最常引用的域名之一;根据多项分析,YouTube 尤其是 AI Overviews 中被引用最多的单一域名。

此外,在 Google 排名前十已经不再像以前那样能保证被 AI 回答引用:根据 Ahrefs 的多项分析,2025-2026 年间,自然排名与 AI Overviews 引用之间的重合度一直在大幅下降。在整个域名层面,这种相关性依然较强,但落到单个 URL 层面,重合度则越来越低。

对于内容创作者品牌来说,这是一个关键点:一篇文章可以变成视频、文字稿、通讯邮件、合作内容和对话。权威性是作为一个生态系统建立起来的,而不是靠一个孤立的页面。

点击率的下降:这对你的业务意味着什么

当 AI Overview 出现时,点击行为会发生明显变化。Pew Research(2025 年)对近 6.9 万次真实搜索的分析发现,当页面上出现 AI Overview 时,用户只有 8% 的概率会点击某个链接,而没有 AI Overview 时这一比例是 15%;并且只有大约 1% 的用户会专门点击 AI 摘要本身引用的某个来源。

硬币的另一面是,那些确实从 AI 平台过来的流量转化效果更好:Ahrefs 和 Semrush 的多项分析显示,这部分流量的转化率比普通自然搜索流量高出好几倍,尽管其绝对流量规模相比传统搜索仍然很小。

实际的解读是:不要指望 GEO 能让你的访问量暴涨。把它当作品牌建设和高意向线索获取的手段,而不是流量增长的杠杆。

Schema、llms.txt 及其他误区

结构化数据在描述文章、人物、组织和视频方面依然很有用。官方文档参见 schema.org 及其入门指南。

然而,并不存在某种神奇的 schema 能保证你出现在生成式回答中。Google 在其文档中明确表示:生成式 AI 搜索并不需要结构化数据,也没有任何专门的 schema.org 类型是你必须添加的。事实上,Google 在 2023 年撤销了 HowTo 富媒体结果,FAQPage 富媒体结果也在同年被限制,后来彻底消失——这类标记在 schema.org 上依然有效,但在 Google 上已经不再产生任何可见的富媒体结果。如果某门课程或某份指南把 FAQ/HowTo schema 当作出现在 AI 中的"技巧"推荐给你,那说明它已经过时了。

我也不会把 llms.txt 列入小型网站的优先事项清单。Google 通过 John Mueller 和 Gary Illyes 多次确认,它既不使用也不打算支持这个文件,并将其比作旧时代的 keywords 元标签——一个搜索引擎那边几乎没人会去读的文件。没有任何主流系统(OpenAI、Anthropic、Perplexity)将其记录为引用信号。它目前真正的用途,更接近于为代码工具(Cursor、Copilot)提供文档,而不是作为搜索可见性的杠杆。

真正值得保留的是:Article、Organization、Person、Product、Review、VideoObject 和 ImageObject,因为它们有助于在知识图谱中构建你品牌的实体,并且依然能产出 Google 尚未撤销的富媒体结果。

如何衡量自己是否被引用

目前已经出现了一整类专门用于此的工具——Profound、Peec AI、Otterly.ai、Ahrefs Brand Radar、Semrush AI Toolkit 等等——价格从入门级的每月 25-30 美元到企业级合同不等。它们衡量的其实都是同一类东西:AI 回答中的声量占比、引用率、品牌情感倾向,以及哪些来源和你的品牌一起出现。

在为工具付费之前,你也可以手动完成这件事:选出 10 到 20 个与你的品牌或细分领域相关的真实问题,分别在 ChatGPT、Gemini 和 Perplexity 中提问,记录你是否出现、和哪些竞争对手一起出现,以及是否附带链接。对任何只给你一个"AI 排名"数字、却不展示完整回答内容的工具都要保持警惕:生成式回答是可变的,单次运行说明不了太多问题。

西语内容的一个机会

生成式搜索对西班牙语和拉美地区的覆盖目前仍然不均衡:多个行业信息来源都认为,尽管全球有超过 5 亿人使用西班牙语,但 AI 引擎所引用的来源中,西语专业内容仍然代表性不足。我不会把这当作一个量化确凿的硬数据——它更像是一种行业共识——但作为一个在窗口期仍然开放时值得实验的合理假设,它是成立的。

值得加入区域性的上下文、贴近当地的例子、货币单位、国家信息和自然语言,因为模型会根据国家和语言变体来调整回答。真实的个人经验,比对英语内容做泛泛的翻译更能形成差异化。

如果你想进一步了解西语世界的相关人物:Aleyda Solís(Orainti,SEOFOMO 通讯)、Fernando Maciá(Human Level,提出了"语义共识"概念)和 Lino Uruñuela(Mecagoenlos.com)都是在西语技术 SEO 领域深耕已久、同时也在关注这个话题的声音。

继续阅读实操指南

如果你想从研究阶段进入实施阶段,请阅读如何一步步实施 GEO:创作者实操指南。

你也可以查阅关于 GEO、SEO 和 AI 搜索的常见问题。

相关资料来源

• GEO 原始论文(arXiv)
• GEO: Generative Engine Optimization(KDD 2024,DOI)
• Google 官方 AI 优化指南
• Google 关于 AI 生成内容的指南
• schema.org 官方文档
• Pew Research 关于 AI 搜索结果的研究

编辑说明

这个领域变化很快。这里引用的许多近期研究都是相关性研究,且来自销售 SEO 工具或 AI 可见性工具的公司(Ahrefs、Semrush、Profound),这并不会使它们失效,但确实需要额外的语境提醒:它们不是同行评审的学术论文,不同研究之间的具体百分比也存在差异。各平台内部选择来源的机制都是黑箱,除了这些公司自己以外,没有人真正知道其中的权重。在把某个百分比当作承诺之前,值得先看看它的发布日期、研究方法和数据来源。