GEO 是什么？它真的能让大模型‘愿意推荐你’吗？

迁移说明：本文原发表于 Billy 原站，保留原发布时间，2026 年 10 月 8 日迁入本站并重新配图。迁移时保留主体结构，对效果保证、评价指标和平台机制的绝对化表述补充校注。文中历史研究或平台报告的数值受样本、版本与指标定义限制，不代表本站实测，也不构成收录、推荐或转化保证。

一句话剧透

SEO 与 GEO 的侧重点不同：前者关注搜索可见性与访问，后者更关注内容是否进入生成式答案。两者存在交集，GEO 并不意味着可以跳过 SEO 基础工作。

一、为什么 SEO 不够用了

一句话定义：当用户在 Google 看到 AI Summary 而不再点击链接时，传统 SEO 的优化目标就从"前十名"坍缩成了"AI 答案里有没有我"。

五个事实点：

chat.openai.com 单月 31 亿次访问（Similarweb，2024-09）。
Perplexity 月查询量 7.8 亿（公司自报，2025-05）。
Google 出现 AI Summary 时，点击率从 15% 跌到 8%（Pew 实地研究）。
AI 答案可能改变用户是否继续点击网页的行为；原文此处百分比未明确对应统计口径，迁移版不保留该数值。
关于未来流量超过传统搜索的判断属于预测，不应作为已经发生的事实或确定的业务规划依据。

对比块：SEO vs GEO

维度	SEO	GEO
优化目标	在 SERP 排第几	是否被 AI 选进答案
用户行为	点 10 个蓝链之一	只看 AI 推荐的 3 个
排名机制	关键词 + 链接权重	预训练先验 + 检索片段合成
评估指标	排名 / CTR	引用词数 / 位置 / 主观印象
失败模式	排不到首页	完全不被引用

SEO 的搜索结果列表与 GEO 的答案引用来源对比 — 概念示意：结果列表可见性与答案引用可见性存在差异，图示不代表固定的来源数量。

二、GEO 到底在优化什么？

可见性评价：相关研究分别考察引用词数、位置加权词数和主观印象等指标。它们不是所有生成式引擎共同使用的一条排名公式，具体定义应以论文为准。

三个 visibility 指标：

Word Count——AI 答案里有多少词在引用你。
Position-Adjusted Word Count——被引用词数 × e^(-位置)，靠前的引用权重大。
Subjective Impression——用 G-Eval（LLM-as-judge）从相关性、影响力、独特性等 7 个子维度打分。

九种 GEO 方法（同样来自 Aggarwal et al., 2024）：Authoritative、Statistics Addition、Cite Sources、Quotation Addition、Easy-to-Understand、Fluency Optimization、Unique Words、Technical Terms、Keyword Stuffing。

对比块：在 GEO-bench（10K queries）上的效果

研究记录：下表沿用原文整理的实验数据，本次迁移未重新复现实验；不同指标、样本与模型之间不可直接套用。

方法	visibility 提升	实测备注
Cite Sources + Quotation Addition + Statistics	+40%	论文中最强组合
仅 Statistics Addition	+30%	性价比最高
Keyword Stuffing（传统 SEO 老套路）	< +10%	LLM 不吃这套
整体最高	40%（synthetic）/ 37%（Perplexity.ai 真实环境）	—

模型既有知识与检索来源共同影响生成答案 — 概念示意：既有知识与检索信息可能共同影响答案；图中不表示测得的权重比例。

三、检索信息与模型既有知识：为什么不同查询的表现不同

一句话定义：在主流 entity 查询上，模型用检索内容只是"给自己找个证据"，而不是"获取新知识"。

三个扰动实验（Chen et al., EDBT/ICDT 2026）：

Snippet Shuffle——随机打乱检索片段顺序，看答案会不会变。
Strict Grounding——强制模型只用提供的片段，禁止用预训练知识。
Entity-Swap Injection——把片段里 A、B 两个实体的名字对调，看模型会不会上当。

对比块：主流 vs 小众 entity 的模型行为

研究记录：下表沿用原文整理的实验数据，本次迁移未重新复现实验；不同指标、样本与模型之间不可直接套用。

指标	主流 entity（"最好的 SUV"）	小众 entity（"多伦多家事律所"）
检索片段顺序打乱后排名变化	2.30	4.15
实体名互换后排名变化	2.60	4.63
一次性排序 vs 两两比较排序的 Kendall τ	0.911	0.556
模型答出但根本没出现在检索片段中的 entity 占比	16%	—

五个品牌的具体"幽灵率"（SUV 查询）：

Toyota：6%——几乎每个引用都有检索片段支撑。
Honda：3%——同上。
Kia：10%——基本可靠。
Cadillac：58%——模型自顾自答。
Infiniti：73%——纯靠预训练先验。

阅读结论：部分查询可能更受模型既有知识影响，但不能由局部实验推出“主流实体做 GEO 都无效”。应按查询类型、模型和实际结果判断。

四、GEO 真正能赢的四种场景

步骤块：判断 GEO 对你是否有用的四问

你的实体够小众吗？——B2B SaaS、本地服务、长尾知识、专业工具。模型脑子里没货，必须检索。[必做] 做 GEO。
你的内容够新鲜吗？——AI 引擎对 freshness 的权重显著高于 Google。消费电子垂直：AI 引擎引用内容平均 62-90 天 vs Google 130 天；汽车垂直：AI 148-217 天 vs Google 493 天。[必做] 做 GEO。
你的内容是争议性/对比性的吗？——LLM 在 RAG 模式下会重新排序证据，"X vs Y" 类内容天然容易进答案。[必做] 做 GEO。
你能拿到第三方权威背书吗？——AI 引擎对 earned media 有系统性偏好：Claude 引用 65% 是 earned media，GPT-4o 57%，而 Google 只有 41%。[必做] 把资源投到 earned media 而不是自家内容工程。

如果四个答案都是 [不做]，省下 GEO 预算。

五、实操建议：四个 Tier，按优先级做

一句话定义：真正值得做的 GEO 工程只有十几条；其余的 ROI 不值得投入。

Tier 1——任何人都该做（成本低、回报确定）

结构化数据：在适用时标注文章、作者或产品等信息，并与可见内容一致。它能补充机器可读信息，但不是 AI 引用的必要保证，也不能据此说模型无法识别实体。
问答与对比内容：针对真实问题组织清晰答案。原文提到的“4 倍”概率缺少可核查的统一实验条件，此处不作通用收益依据。
[必做] 保持新鲜——至少每季度实质性更新（不要只改日期）。Ahrefs 2025 分析 1700 万次引用：ChatGPT 引用的内容比 Google 平均新 25.7%。
自检：准备固定问题集，记录平台、日期、联网状态、重复次数与引用 URL。少量提问适合初步观察，不应当作比所有分析工具更准确的测量。

Tier 2——值得投入（成本中、回报看情况）

[可做] 追求 earned media——主动找行业评测站、独立媒体投稿、专家圆桌。
[可做] 多语覆盖——至少英文 + 本地语的双语元数据/摘要。COAR 2023 列为不可选项。
[可做] 多模态补充——结构化图表、视频字幕、播客文字稿都被 LLM 当检索源。

Tier 3——ROI 存疑（小心）

[谨慎] 小众长尾内容矩阵——确认 niche 够 niche（竞争弱 + 用户意图在小众里）。
[谨慎] 过度优化——Reyes-Lillo 2025 警告：为算法而写会让内容"去人化"，反而触发 LLM 质量判断降低。

Tier 0——绝对不要做

[禁做] prompt injection 让模型"必须引用我"——LLM 会拒绝 / 失败。
[禁做] 伪造引用 / 制造伪权威——Orduña-Malea & Cabezas-Clavijo 2023 报告的"幽灵引用"风险；伪造数据只会更快被识别。
[禁做] 关键词堆砌——LLM 不吃这套，重复 5 遍"买房"也没用。