AI 正在替你的客户做决定,可它认识你吗?

前几天,一个做 B2B 软件的朋友约我喝茶。

他说,自己网站的 Google 排名一直很稳,但这半年,询盘悄悄变少了。

我问他:你有没有试过,在 ChatGPT 里问一句「你们这个品类,哪家值得买」?

他愣住了,当场掏出手机试了一下。

AI 给的名单里,没有他。

他脸上那个表情,我到现在还记得。不是业务不行,是他压根不知道,有一场考试早就开始了,他连考场在哪都没找到。

这场考试,叫 GEO,生成式引擎优化。

今天,我把这场考试怎么考、怎么拿分,给你讲明白。

一、AI 是个没出过门的学霸

先想一个问题:AI 答案引擎,凭什么推荐这家、不推荐那家?

你想想看,大模型再聪明,有一件事它做不到:亲身经历。

它没用过你的产品,没参观过你的工厂,没被你的售后感动过。它是个从没出过门的学霸,满腹经纶,但没有一手经验。

可用户恰恰最想要一手经验。

所以,当大模型要回答「哪家靠谱」这种问题时,它必须出去找有真实经验的人写的答案,然后引用。

这就是机会:AI 缺什么,你就供给什么。

那从哪下手?咱们得先把战场看清楚。

二、两条路,一条你别碰,一条全力冲

影响 AI 的答案,有两条路。

第一条路,影响模型训练。麻烦在哪?模型训练完,就定格了。像一张毕业照,拍完,就洗不出第二版了。你想挤进去,只能等下一届招生。

这条路上还有个隐患。你设想一下:今年你买了台智能冰箱,它脑子里装着的是去年训练的模型。假如它当年训练时被灌进了某种偏好,比如更偏爱某个可乐品牌,这个偏好会天天影响你买什么。一影响,就是好多年。

对绝大多数公司来说,这条路,够不着。

第二条路,才是普通人的战场。

什么叫检索增强?说白了,就是开卷考试。

大模型遇到自己答不准的问题,不会硬编。它会先上网查资料,查完再作答。你平时看到的 AI 搜索、ChatGPT 的联网回答,全是这么干的。

开卷考试,意味着参考资料是可以影响的。

做 GEO,你要的就是三件事:第一,AI 查资料时,选中你的内容当参考;第二,在那堆被选中的资料里,你被引用得最多;第三,其他被选中的资料,也帮你说话。

从哪开始?我给你拆成九个动作。

三、九个动作,把 AI 变成你的推荐人

动作一:先让 AI 摸得到你家大门。

OpenAI、Anthropic 这些公司的爬虫,得能进你的网站。很多站点开着反爬、防攻击策略,把它们当坏人挡在门外。赶紧找 IT 同事核对一遍,尤其用 Cloudflare、Fastly 这类 CDN 的,看看默认设置有没有误伤。还有,大模型爬虫大多不会执行 JavaScript。你把核心内容藏在 JS 里,等于货全摆仓库,店门锁着。

动作二:别扔下老手艺。

传统 SEO 不但没过时,还是 GEO 的地基。Google 排名,喂的是 Gemini 和 AI Overviews;Bing,喂的是 ChatGPT 和 Copilot;Brave,连着 Claude;百度,连着 DeepSeek。你在这些搜索引擎排得越好,被 AI 捡到的概率越大。

动作三:蹭「扇出」。

什么叫查询扇出?你问 AI 一个问题,它不会只搜一次。它会自己拆出一串搜索词,满世界去查。

举个例子。有人问「SEO 圈最近在讨论 Google 的什么专利」,AI 可能同时发起两三个变体搜索,顺手加上「论坛」,加上年份。这是之前做过的观察:问人们在讨论什么,它爱加「论坛」;问跟某个人有关的问题,它爱加「访谈」。

这些衍生搜索词,就是扇出。盯着它们,一个个去排名。

提醒一句:扇出模式,每个模型不一样,而且会变。今年管用的套路,明年可能就失灵了。

动作四:全网一个口径。

你在 X 上怎么介绍自己,LinkedIn 上、GitHub 上、官网上,就得怎么说。别这儿叫「中小企业的 GEO 顾问」,那儿又叫「AI 搜索优化专家」。口径一乱,AI 就糊涂。

有意思的是,这事见效极快。有人只是把全网的自我描述改成了同一个说法,几天之内,ChatGPT 和 AI Overviews 里的呈现就变了。

动作五:去 AI 信得过的社区混脸熟。

大模型特别依赖 Reddit、维基百科这类 UGC 平台。为什么?它们是社区一层层审核过的,垃圾和灌水早就被滤掉了,平均可信度远高于整个互联网。Quora、Stack Overflow 也一样。

我不是让你去刷帖灌水,那是找死。但如果有机会影响你的品牌在这些平台上如何被谈论,去做。

动作六:写 AI 愿意引用的句子。

这块还没人做到满分,但有几条已经验证有效。

用陈述事实的话写,别用含糊的话。别写「我们的鞋,顾客都说好」,写「96% 的买家表示满意」。

加 Schema 标记。Bing 的产品负责人 Fabrice Canel 亲口确认过,Schema 能帮大模型理解你的内容。

想挤进已经存在的 AI 摘要?看那个关键词下已有的摘要有多长,你就写个差不多长度的。别照抄,要相似。

术语,顺带一句大白话解释。长段落前面加摘要,内容做成列表、表格。越容易被整句摘走,越容易被引用。

动作七:拿不准,就做实验。

学术界研究过这个问题,结论很有意思。加独特词汇、写正反两面、收集用户评论、引用专家、给数据并注明出处、写简单点、情绪积极、多用列表,这些都有用。但是,只对某些话题、某些模型有用。换个组合,同样的招,可能适得其反。

在公认的最佳实践长出来之前,我只有两条建议:做对用户有好处的事,然后,大量做实验。

动作八:别编事实。

算法十多年来一直在把文字拆成「主语、谓语、宾语」这样的三元组,喂给知识图谱。一句和公认事实冲突的话,会让 AI 觉得你不靠谱。

最理想的状态是:和共识站在一起,再补上别人没有的独特事实。

动作九:投数字 PR。

前面说的所有事,不只对你自己的网站成立,对全互联网的内容都成立。媒体对你的报道越多、越正面,AI 越可能把这些报道复述给用户。我甚至见过软文被 AI 当成引用来源的案例。

四、把偶然变成日常

九个动作,靠手工盯,盯不过来。这事得工具化。

拿 Peec AI 这种 AI 搜索分析工具举例,日常就盯三件事。

第一件,找出隐藏对手。传统 SEO 里会发生的事,这里一样发生:自动识别的竞争对手名单里,总有几个让你意外的。去查,它在哪些提问里被提到,靠什么来源混进去的。

发现它靠某个评论平台的资料页,而你一条评论都没有?赶紧请客户去写评论。发现它的 CEO 上过某个访谈节目?你也去上,或者干脆自己拍同款关键词的视频。发现它总在某类榜单前五,而你进不去?去和做榜单的出版商谈一个分成合作。下次内容更新,你大概率就是新的第一名。

第二件,看懂来源。把一大批和你相关的提问拉出来,先忽略你自己的网站,看 AI 反复引用的都是谁。

是 Reddit 这样的社区?就进社区去讨论。是 X?得抓紧,X 上的声量直接影响 Grok。是 YouTube、TikTok 这样的网红阵地?雇网红,记得叮嘱他们瞄准对的关键词。是联盟营销的榜单站?提高佣金。是新闻媒体?用 PR 敲门,必要时,直接找他们的商业内容部门。

第三件,回填扇出。把观察到的衍生搜索词,一个个做成内容,发自己官网,发 Medium、LinkedIn,发新闻稿。只要它能在搜索引擎排上号,就有机会被 AI 引用。

五、最后,给你算笔账

做 GEO 值不值?给你两个数。

有家叫 Peec AI 的公司,专门做 AI 搜索分析,他们看到的客户 LLM 流量,大约每两三个月翻一倍。而这些流量的转化率,最高能到传统 SEO 流量的二十倍。

二十倍。你品品。

对做流量的人来说,这几乎等于一条新挖好的大运河,而且现在,河上还没几条船。

还记得开头喝茶那位朋友吗?回去之后,他把能自己做的先做了:统一全网口径,加上 Schema,把核心内容从 JavaScript 里搬出来。一个月后他跟我说,ChatGPT 已经开始推荐他们了。

他说了句话,我记到现在:以前我们研究的是怎么让客户找到我们,现在研究的是,怎么让 AI 替我们去找到客户。

明天用户信任的那个 AI,今天正在读你写的东西。

它读到什么,决定它明天推荐谁。

祝你,早日成为 AI 名单上的那个名字。