生成引擎优化（GEO）：完整指南

GEO vs SEO：同样的基本功，不同的游戏

好营销的基本功——满意的客户、真实的专业、清晰的身份——同时滋养两门学科。但在每个关键维度上，机制都不同：

• 目标——SEO 让你在链接列表中排名；GEO 让你*在答案中被点名*。
• 关键信号——SEO 依靠外链与页面关键词；GEO 依靠提及、评价与引用。Ahrefs 测得品牌提及与 AI 可见度的相关性约为外链的 3 倍（r = 0.664 对 0.218）。
• 决胜之地——SEO 在你自己的网站上；GEO 主要在模型信任的第三方来源上。
• 赢家分布——SEO 是梯度，许多页面都分到些流量；GEO 高度集中——少数名字赢下答案，其余缺席。
• 反馈周期——排名以周为单位变动；AI 答案可能每天变化，且因助手而异。

生成式引擎如何挑选来源

助手以两种方式作答，两条路都可经营。凭训练与记忆：模型对你品牌的固有印象，由它读过的一切塑造——维基百科、新闻、评价、社区帖。凭检索：带搜索的助手（Perplexity、ChatGPT search、AI Overviews）实时抓取页面并引用，偏爱能用一个段落干净回答问题的来源。

站内 GEO 的功夫正是在第二条路上见效。检索型引擎只有在三件事同时成立时才能引用你：它的爬虫能访问你、你的页面含有自足的可引用段落、你的事实与全网对你的描述一致。

站内 GEO 清单（我们自己的实现）

以下每一条都已应用在 growli.xyz 上——这是实践样本，不是理论：

• 输出真实 HTML。许多 AI 爬虫不执行 JavaScript。如果你的框架是客户端渲染，请预渲染内容——我们从 0 个可见词做到了每条路由的完整页面。
• 在 robots.txt 中明确欢迎 AI 爬虫。为 GPTBot、OAI-SearchBot、ClaudeBot、PerplexityBot、Google-Extended、CCBot 设置与所有人相同规则的专属段落。
• 发布 llms.txt。一份可引用事实的canonical 文件——你做什么、价格、联系方式——让模型学习你的版本：growli.xyz/llms.txt。
• 让每个小节可引用。每个 H2 下都应有一句自足的事实句，助手可以逐字引用：为谁服务、做什么、什么价格。
• 结构化数据。Organization、带真实报价的 SoftwareApplication、回答购买问题页面上的 FAQPage——你的事实的机器可读确认。
• 消灭软 404 与不一致。未知 URL 应返回真正的 404；你的名称、类目和价格必须在模型可能读到的每个来源上一致。

站外 GEO：推荐真正在哪里赢得

生成式引擎偏爱挣来的第三方来源，胜过你自己的网站——在一些 AI Overviews 中，提及某品牌的头部页面里甚至没有品牌自己的站点。见效的站外动作：在可信盘点与对比文中赢得提及；在你的品类被评判的平台（Google、G2、Trustpilot）积累评价的数量与新鲜度；出现在模型阅读的社区——Reddit、LinkedIn、YouTube、行业论坛。

这是缓慢复利的工作——也正因此可以防守：对手一夜之间能抄走你的页面结构，却抄不走两年的提及与评价。

衡量 GEO 成效

产出指标是 AI 答案份额——在跟踪的买家提示词中你的品牌出现的百分比，按助手、随时间统计——外加你缺席时谁在场、答案引用了哪些来源。完整方法论见《AI 可见度：完整指南》；Growli 在 ChatGPT、Gemini、Claude、Perplexity、Copilot 与 Grok 上将其自动化，每个数据点都有证据。

常见的 GEO 错误

• 为机器堆砌关键词。模型综合的是语义；堆砌的页面显得不可信，也产不出可引用的段落。
• 编造统计数字或评价。捏造的数字会被与其他来源交叉核验，让你失去模型的信任——也失去读者的信任。
• 只针对一个助手优化。覆盖面正在分化；每个模型都有自己的判断。分别跟踪。
• 把 GEO 当一次性项目。答案每天在变。先摸底，持续监控，不断补齐差距。

FAQ