客户还没打开搜索框，名单已经定了：聊聊 GEO

前几天，我给团队挑一款营销分析工具。

你猜我是怎么挑的？

我没开搜索引擎。我直接问 AI：哪几款适合我们这种规模的团队？它给了我三个名字，顺带把各自的优缺点摆了一遍。我看完，直接去约演示了。

整个过程，一次点击都没有。

后来我把这事讲给一个做 SEO 的朋友听。他沉默了几秒，问了我一句：那我们辛辛苦苦优化排名，是优化给谁看的？

这个问题，值得每个做内容的人认真想想。今天这篇，我把我的思考讲给你听。

先看两个数字

第一个数字：69%。

Similarweb 做过一项零点击研究：2024 年 5 月，Google 上跟新闻有关的搜索，有 56% 在搜完之后没有产生任何点击。一年之后，这个数字变成了 69%。为什么涨这么快？这一年，正好是 Google 的 AI Overviews 大规模铺开的一年。

这意味着什么？意味着 SEO 团队盯了很多年的那个「自然点击」，本身就是一个正在缩小的池子。你还在拿点击量考核 SEO，就像在一条退潮的河边，统计自己每天打了多少桶水。

第二个数字：35%。

Similarweb 在 2026 年发布的《Generative AI Brand Visibility Index》里有个发现：美国消费者当中，35% 在「发现产品」这个环节用的是 AI，用传统搜索的只有 13.6%。

你品品这个对比。

也就是说，当你的潜在客户开始琢磨「我该买什么」的时候，三分之一的场景里，替他列候选清单的已经不是搜索引擎，而是 AI。你的名字在不在那张清单上，在你有机会开口之前，就定了。

这就是为什么我想跟你聊一个新词：GEO。

什么叫 GEO？

GEO，Generative Engine Optimization，生成式引擎优化。

什么叫生成式引擎？就是 ChatGPT、Perplexity、Google 的 AI 搜索这一类东西。它们不给你一页链接，它们直接给你一段写好的答案。

GEO 干的事，就是让这段答案里，有你的名字。

先说清楚，它跟 SEO 不是替代关系。SEO 争的是网页在结果列表里的位置，GEO 争的是品牌在 AI 答案里的出场。一个抢排名，一个抢出场。

顺便说一句，这个词的出处很明确：2024 年，普林斯顿大学和印度理工学院德里分校的研究者发了一篇论文，第一次把 GEO 当成一个正式的优化框架来研究。市面上有人叫它 LLMO，有人叫它 AIO、GSO，名字五花八门，说的都是同一件事。

AI 是怎么生成答案的？

想做好 GEO，你得先弄懂它的机制，不然所有动作都是瞎猜。

现在主流的 AI 搜索，背后用的是一套叫 RAG 的东西，检索增强生成。名字唬人，原理就两步。

第一步，检索。你提一个问题，系统先去一堆文档里翻资料。翻哪儿？要么翻现成的搜索索引，Google 的 AI 搜索用的就是自家索引；要么实时去爬网页，Perplexity 走的是这条路。

第二步，生成。大语言模型把翻到的资料读一遍，揉成一段连贯的话给你。引谁、不引谁、把你放在什么位置、怎么评价你，都是它在这个环节拍板的。

这两步，推出一个特别重要的结论：

被收录，不等于被引用。

你的页面在索引里，只是拿到了入场资格。AI 会不会真把你写进答案，看的是你的内容够不够清楚、够不够可信、值不值得它拿来当依据。这中间的差距，就是 GEO 要干的活。

普林斯顿那篇论文里有个实验结果，值得你记一年：内容里加上统计数据、加上明确的一手引用来源，AI 可见度能提升 30% 到 40%。而 SEO 老法师们最爱的关键词堆砌呢？低于基线，属于负优化。

强！

AI 不吃关键词，AI 吃证据。

AI 用上了你，长什么样？

GEO 做成了，会看到四件事。

带链接的引用：AI 在答案里明确标出你的网址，把你当证据。

品牌提及：答案里出现了你的品牌名，有没有链接都算。

情感倾向：提到你的时候，语气是正面的，至少是中性的。

声量份额：在你们行业相关的一大堆问题里，AI 反复提到你，而不是偶尔提一次。

这四件事，件件都能量化。但件件都不在你的 Google Analytics 后台里。

GEO、SEO、AEO，到底是什么关系？

这几年新词特别多，SEO、AEO、GEO，很多人已经绕晕了。

我用开店的比方给你捋一遍。

SEO，是把店开在闹市区。你争的是地段，人流量越大越好，路过的人多了，进店的才可能多。

AEO，Answer Engine Optimization，答案引擎优化，是把你的招牌和信息整理清楚，让人一眼就能把答案从你这儿拿走。Google 的精选摘要、AI Overviews、语音助手，凡是「直接报答案」的地方，都算。

GEO，是让整个圈子都愿意提你的名字。不止搜索引擎那个生态，还包括用户直接找 AI 聊天的场景。AI 聊什么、怎么聊你、把你和竞品谁排前面，这已经超出「被引用一段」的范畴了，是叙事层面的竞争。

三者看的指标也不一样。SEO 看自然流量、关键词排名、点击率；AEO 看被引用次数、AI Overviews 曝光、零点击下的印象份额；GEO 看一个新指标，Share of Model，后面细讲，外加品牌提及份额、情感分布这些。

那这三个，现在是三选一吗？

不是。叠起来，一起干。

为什么？给你一个很硬的逻辑：Google 的 AI 搜索，素材只来自 Google 自己的索引。Bing 和 Copilot 同理。你的网页在 Google 排不上号，Google 的 AI 压根不会引你。传统排名，是进 AI 答案的门票。票价没涨，但检票口变了。

所以正确的姿势是三层一起做：SEO 打地基，AEO 让答案能被精确抽取，GEO 在整个生成式生态里经营你的品牌叙事。地基不牢，上面两层全是空中楼阁。

以后再有人跟你说「GEO 要取代 SEO 了」，你就把这节甩给他。

具体怎么干？八个动作

道理讲完了，上操作。八个动作彼此独立，哪块短板明显，就先补哪块。

1. 先确认 AI 爬得动你的网站

第一个动作最没技术含量，但翻车的最多。

2024 年，Cloudflare 把默认设置改了：AI 爬虫，默认拦截。也就是说，如果你用 Cloudflare 且没动过设置，你的网站可能已经悄悄把各大 AI 平台的爬虫全关在门外了。

门都锁了，还奇怪怎么没人进店？

自查很简单：打开 robots.txt，看 GPTBot、PerplexityBot、ClaudeBot、Google-Extended 这几个名字是不是被 Disallow 了。再翻翻服务器日志，确认这些爬虫真的来过。

还有一个坑：很多 AI 爬虫不执行 JavaScript。你的关键内容如果靠浏览器渲染才出来，在它们眼里就是一片空白。重要内容，老老实实做服务端渲染。

2. 每一小节，先把答案亮出来

AI 抽的是段落，不是整页。

什么意思？AI 在找「什么叫 GEO」的答案时，不是通读你的文章再帮你总结，它是扫你的段落，看哪一段能单独拎出来当答案用。

你的核心答案要是埋在第三段，而隔壁文章第一句话就给了答案，引用就归他了。

这个打法有个名字，叫 BLUF，Bottom Line Up Front，结论先行。每一节的开头，用 30 到 60 个字把这一节的答案直接说完，然后再展开。给你一个粗暴的自检标准：每一节的第一句话，单独截出来发朋友圈，能不能看懂？看不懂，就重写。

3. 拿数据说话，还要带上出处

前面说了，统计数据加一手引用，能让 AI 可见度提升 30% 到 40%。这是目前所有 GEO 打法里，被验证得最充分的一条。

但「有数据」和「数据可信」是两回事。格式给你：数字，加范围，加时间，加来源。比如：AI 聊天机器人的推荐流量，2025 年 6 月达到 11 亿次访问，同比增长 357%，数据来自 Similarweb 的报告。这句话 AI 就爱引。而「AI 流量正在爆发式增长」这种话，在 AI 眼里跟没说一样。

这里插一笔账：ChatGPT 里用户平均一次输入约 60 个词，Google 搜索平均只有 3.4 个词，差了十几倍。这意味着在 AI 那儿提问的人，问题更具体，离决策更近。Similarweb 2025 年的 GenAI Landscape 报告给的这个数字，你细品：在那个框里提问的用户，是离掏钱最近的用户。

还有一条：数据要链到一手来源。研究报告的原文、公司自己的研究页。转述研究报告的博客文章，替代不了报告本身。

4. 把一个问题拆成七个问题，全答了

用户在 ChatGPT 里问一个复杂问题，AI 不是拿这句话原样去搜的。

它会把问题拆开。你问「我该选哪个 CRM」，它拆成一群子问题，分头找材料，再汇总。这叫 query fan-out，查询扇出。

麻烦在于，这个拆法是随机的。同样的问题，每次拆出来的子问题都不完全一样，所以你没法针对某个具体子问题去优化。

能做的是什么？把问题类型覆盖全。一篇结构完整的长文，最好把这七类各设一节，每节都能独立成答：是什么、跟谁比、怎么做、什么时候用、有什么坑、还有什么相关的、怎么衡量。

你把七个格子都填了，AI 怎么拆，都拆到你家。

5. 到别人家去刷脸

这一条，可能是八个动作里认知差异最大的一条。

Yext 有个研究：AI 答案里的引用，86% 来自品牌自己可控或者周边的来源，包括你自己的网站、你在各种目录和点评平台的资料页、权威媒体提到你的内容。Seer Interactive 也发现，一个品牌在全网内容里被提到的频率，和它出现在 AI 答案里的频率，相关性达到 65%。

说白了：AI 信的不是你怎么夸自己，是别人怎么提你。

像什么？像背调。你简历写得再漂亮，HR 也要打电话问你的前同事。G2 上的资料页准不准、维基百科的词条全不全、行业媒体提没提你，这些事以前归品牌公关管，现在它们就是 GEO 本身。

数字公关也不再是给 SEO 挣外链的辅助动作了。它就是主战场。

6. 试试 llms.txt

一个新兴的小约定，长得像 robots.txt，作用是告诉 AI：我们网站上哪些页面最权威，建议你用这些。

它目前还不是任何已确认算法里的排名信号，别指望放上它就立竿见影。但有两个实际好处：AI 来抓内容时省 token，干净的 Markdown 比又厚又重的 HTML 好读多了；同时向尊重这个约定的 AI 系统表明态度，我很在意你看我哪些内容。

内容库大的网站，值得花半天做一个。成本极低，买个可能性。

7. 做数字公关，按 AI 的口味做

传统 PR 依然有效，因为大模型训练和检索所依赖的高权威媒体，跟传统搜索看重的那批是同一拨。一个品牌如果总在 Forbes、Newsweek 和行业刊物里出现，大模型就认它这个领域的权威。

但 GEO 时代要加一个筛选条件：优先上那些 AI 平台真的会引用的媒体。Perplexity 这种每条答案都亮引用来源的平台，你能明显看到它偏爱行业权威刊物、官方文档和一手研究。

所以，给权威媒体投稿、给行业报告供数据、挤进各种「最佳榜单」，这些事的回报比以前更高了。以前是挣外链，现在是直接挣 AI 的引用。

8. 到 AI 爱逛的平台去安家

Reddit、LinkedIn、YouTube、G2、Quora，这些平台的内容被 AI 频繁引用，因为它们是高信号的真实用户内容。

你的品牌在这些平台上有没有人聊、聊得准不准、聊得好不好，直接决定了你的「引用面积」。只有官网的品牌，引用面积就一个点；遍地都有人认真聊你的品牌，引用面积是一张网。

注意，这跟灌水是两回事。区别只有一个：你发的内容，在那个平台上对那群人有没有真价值。有价值，叫播种；没价值，叫垃圾。

平台跟平台，脾气不一样

同样是 AI 引擎，喂料方式差别很大。给你拆五个。

Google 的 AI Overviews 和 AI Mode：素材只来自 Google 自家索引。所以优化它们的核心是把 Google SEO 做扎实，外加结构化数据。这两个阵地上的 GEO，本质上还是 SEO 问题。

Perplexity：实时爬取，自建索引，引用密度最高，对内容新鲜度极其敏感。旧内容别指望它翻牌，把核心内容的更新日期认真维护起来。

ChatGPT 搜索模式：Bing 索引加实时抓取混合。既要传统的搜索可见性，又要爬虫放行和结论先行的结构。

Claude：出了名地挑剔。偏好高权威来源，引用得少而精。想在 Claude 那儿出场，拼的是域名权威度和来源质量。

Gemini：Google 索引加自家训练数据，实体信息的准确性权重高。

微软自己发过生成式搜索的官方指引，核心就一句：能被索引，才有一切。把这个底层逻辑想明白，各家平台无非是索引策略和引用习惯的差异。

光干不测，等于白干

讲完打法，讲算账。这一节，可能是全文最重要的。

先说一个让人后背发凉的场景。

有个用户问 ChatGPT：哪家的营销分析平台好用？ChatGPT 夸了你家产品。用户记下了名字。两天后，他在 Google 里搜了你的品牌名，点了官网，下了单。

请问，你的归因系统把这次转化记在谁头上？

品牌词搜索。你的报表会告诉你：品牌词表现不错，加预算！

而真正促成这一单的那次 AI 推荐，在你的整个数据体系里，无影无踪。

AI 时代的获客，一多半发生在你的仪表盘外面。

这就是为什么传统 SEO 工具测不了 GEO，你得换一套仪表。几块关键的表，给你列一下：

1. 品牌可见度（Share of Model）。头号指标。追踪一组跟你业务相关的提示词，看 AI 的回答里有多少比例出现了你。追踪 100 个问题，30 个回答里有你，就是 30%。

2. 品牌提及份额。你们行业里所有被 AI 提到的品牌中，你占几成。可以理解为 AI 界的声量份额。

3. 主题可见度。按话题拆开看。整体 25%，但最值钱的话题里只有 4%，问题就不在整体，在那个话题的死角。

4. 提示词级可见度。哪些具体问题你有出场，哪些完全没有。整体看着还行、八成重点问题查无此人，那是内容覆盖问题，不是执行问题。

5. 域名引用份额。AI 提到你，和 AI 引用你的网址，是两件事。只被提及，是影响力；被附上链接，才是权威。被提得多、引用少，说明 AI 觉得你值得聊，但你的内容不值得当证据。

6. 情感分布。AI 提到你时，正面的、中性的、负面的各占多少，按话题、按竞品拆开看。AI 在推荐模式下是会下判断的。一个品牌如果在所有商业类问题里都被「中性」地提一嘴，就有活儿干了。

7. AI 流量与转化。选做，但建议做。AI 带来的访问量目前还不大，但质量高：Similarweb 的数据里，AI 推荐流量的转化率约 7%，Google 推荐流量约 5%。来的都是带着决策意图的人。

对了，回答一个被问爆的问题：做 GEO，多久见效？

快的话 4 到 8 周，高质量内容在有权重的域名上能起势。稳定、跨平台的可见度，一般要 3 到 6 个月的持续投入。而且注意，AI 引用跟 SEO 排名不一样。排名能稳几年，AI 引用是波动的。

波动到什么程度？

AirOps 在 2025 年分析过 45,000 条 AI 引用：只有 30% 的品牌能连续两次出现在同一个问题的答案里，连续五次都在的，只剩 20%。

什么概念？周一的答案里有你，周二可能就没有了。AI 会主动换人，为了多样性和新鲜度，它每次都重排座次。

先别慌。波动对谁都一样，它反而奖励两类人：内容持续更新的，和到处都有据点的。它惩罚的，是做一次就躺着的人。所以测量节奏不能是季度制，30 天一轮是底线。

一个真实案例：180 个问题，只出场 13 次

空讲指标没意思，给你看一组真实数据。

Similarweb 的 AI Search Intelligence 工具集，就是做那份 2026 年品牌可见度指数用的同一套东西，对一个旅游品牌做过追踪：挑了 6 个话题，旅行、酒店、奢华游、奖励计划、活动、餐饮，跑了 180 个 AI 生成回答。

结果：这个品牌在 180 个回答里，总共出现了 13 次。

Share of Model，7.2%。

你想想这意味着什么。在「奢华酒店」「商务旅行」「奖励计划」这些最该属于它的话题里，AI 给出的回答里，它压根不存在。没有提及，没有引用，自然也没有用户会考虑它。

那谁在场？

Expedia 出现了 36 次，Booking.com 33 次，丽思卡尔顿 24 次，Marriott Bonvoy 21 次，Hotels.com 19 次。

这些赢家的 SEO 真的比它强吗？不见得。再看引用来源，答案就出来了：被引最多的是 Cvent 的年度会议酒店榜单，22 次；维基百科 11 次；TripAdvisor 9 次；Kiplinger 7 次；NerdWallet 5 次。

注意：没有一个引用，给了任何一家酒店集团的官网。

AI 在读互联网的时候，像极了一个较真的研究员：它信行业榜单，信点评平台，信财经比价媒体，唯独不信你官网上的自卖自夸。

更有意思的是那 13 次出场。其中情感为正的，全部指向同一个原因：Cvent 把「最适合办社交活动的酒店」年度榜单通过 BusinessWire 发了新闻通稿，AI 直接引了那份通稿。这个品牌出现在 AI 里，靠的不是官网的任何一页，而是它上了别人的榜单。

这就是第五个动作的活教材。

而那些没有它的提问，长什么样？「最适合商务旅客的奢华酒店」「适合探险客的奖励计划」。提这些问题的用户，鼠标已经悬在订房按钮上了。缺席这些回答，丢的就不只是曝光了，是订单。

一套五步的诊断流程：TRACE

上面这个案例，其实是一个可复用的诊断流程。五步，首字母刚好拼成 TRACE。

第一步，Track，测基线。选一组你的客户真实会问 AI 的问题，用他们的原话，比如「适合 50 人团队的 CRM 选哪个」，别拿关键词表凑数。跨 ChatGPT、Gemini、Perplexity、Google AI Mode 跑一遍，记下你的可见度和情感分布。

第二步，Reveal，找缺口。把没被提及的问题拎出来，这就是你的缺口清单。AI 正在这些问题里，当着你的客户的面，把你忽略了。

第三步，Audit，查引用。对每个缺口问题，看 AI 到底在引谁。如果某个行业榜单在同类问题里被引了 22 次而你不在榜上，那你最高杠杆的动作只有一件事：上那个榜。写一百篇新博客都换不来。

第四步，Close，补课。按缺口行动：上榜单、发通稿、更新维基词条、去比价媒体谈测评覆盖。这些不是虚荣指标，它们是你 Share of Model 的直接输入。

第五步，Evaluate，复盘。每个月把同一组问题重跑一遍。前面说了，AI 的座次是会重排的。一月的可见度，二月可能就没了，如果你的竞品上了新榜单的话。

一次性审计不叫 GEO，月度循环才叫。

工具怎么选？

市面上的 GEO 工具已经不少了，眼花。给你四条硬标准，按这个筛，不会偏得太远：

1. 它测的是不是 AI 引擎本身的行为，而不只是 Google 搜索结果的附带功能。
2. 可见性能不能连到流量和转化。只能看提及、连不了业务的工具，价值减半。
3. 数据是不是独立采集的。自己手动跑几条 prompt 的工具，基准不可靠。
4. 能不能对着竞品比。知道自己的份额有用，知道跟前三名差多少，才有用。

按这个标准扫一圈：Similarweb 的 AI Search Intelligence 覆盖最全，可见度、流量归因、引用、情感一套打通，背后是独立面板数据；Profound 专注多模型的可见度追踪，界面干净，但连不到流量；Otterly.ai 适合做提示词级别的轻量审计；BrightEdge 是企业级 SEO 平台往 AEO 的延伸，Google 系覆盖深，其他平台浅；Ahrefs 在 2025 年给 Rank Tracker 加了 AI Overview 追踪，做 AEO 合格，离 GEO 还差着维度。

一句话：先想清楚你要的是「看见」，还是「看见并且算得清账」。前一种选择很多，后一种，目前屈指可数。

往前多看一步：AI 不只回答问题，还会动手

最后聊点前沿的。不是科幻，是正在发生的事。

现在的 AI，主要还是你问我答。下一代是代理，Agent：它不只告诉你哪款 CRM 好，它直接帮你对比、注册试用，甚至替你发询价邮件。

这对引用格局意味着什么？对话式 AI 一条答案引 5 到 7 个来源；一个替你做采购决策的代理，大概率收敛到一两个。

过去你争的是七分之一的出场机会，将来争的是二分之一。池子只会更小，位次只会更贵。

技术层面已经有个值得盯的东西：WebMCP，Google 和 Microsoft 联合推的浏览器原生标准，让网站直接向 AI 代理开放结构化的可调用工具。有了它，代理不用费力解析你的网页、猜你能干什么，你的网站直接告诉它：我能查库存、能比价、能下单。

现在就动手做 WebMCP 适配的网站不多。窗口期这东西，从来不等想清楚了再来的那个人。

最后，回到开头

我那次直接问 AI 挑工具的经历，现在回头看，一点都不特别。

每一轮搜索大变革，剧本都差不多。从关键词到语义搜索，从 PC 到移动，没有一次是所有人同时转身的。赢的从来都是先看懂、先动手的那批人。他们攒下的优势，后来者要用几倍的力气去追。

这一次的证据更直白：新闻类搜索的零点击率，一年涨了 13 个百分点；AI 推荐流量在 2025 年 6 月达到 11 亿次，同比增长 357%。这早就过了「要不要关注」的阶段，现在的问题是，名单已经重排到第几页了。

SEO 是地基，AEO 让你成为答案，GEO 决定整个 AI 生态怎么讲你的故事。三层互相成全，少了哪一层，另外两层都会慢慢漏水。

下一轮搜索的入口，正在被 AI 重写。名单，是在搜索框之外定下的。

祝你，早一点出现在那份名单上。