编辑注：2024年6月，来自印度理工学院德里分校、普林斯顿大学的学者和一些独立研究者在arXiv上发表了论文《GEO: Generative Engine Optimization（生成引擎优化）》，提出了GEO（生成引擎优化）概念、 框架及相关的实验设计。

论文：https://arxiv.org/abs/2311.09735

本文部分理论来源于此。

AI输出的内容，谁说了算？GEO说了算
通过Deepseek、ChatGPT、Gemini等大模型说出来的话，不少没有辨别能力的小伙伴就会默认是公道与正确的。其实是未必
这也是权力与规则的一次改变
Deepseek、ChatGPT、Gemini输出变得越来越有权力，当然也带来规则的改变。
这个话题还在动态发展中：
1.Deepseek、ChatGPT、Gemini等联网搜索的结果与规则还在完善；
2.目前腾讯元宝虽然表面上说是Deepseek满血版，其实背后的一个小九九（意图）是改了相关参数，联网搜索给出的内容更多是微信公众号与腾讯生态...............
3.越是小众话题，Deepseek、ChatGPT、Gemini等给出的内容越容易少量内容页面影响，因为供大模型训练与判断的页面少。
Founder Park 正在搭建开发者社群，邀请积极尝试、测试新模型、新技术的开发者、创业者们加入，请扫码详细填写你的产品/项目信息，通过审核后工作人员会拉你入群～
进群之后，你有机会得到：

    高浓度的主流模型（如 DeepSeek 等）开发交流；

    资源对接，与 API、云厂商、模型厂商直接交流反馈的机会；

    好用、有趣的产品/案例，Founder Park 会主动做宣传。

搜索引擎优化 (SEO)
SEO 是一种众所周知的策略，专注于优化网站以在传统搜索引擎结果页面（SERP）中获得更高的排名。
它涉及使用目标关键词、创建高质量内容和建立反向链接等策略。SEO 主要关注 Google 和百度等搜索引擎如何抓取和索引网站。 
生成式引擎优化 (GEO)是一种针对 AI 驱动的搜索引擎（例如 Deepseek、Perplexity、秘塔搜索 和 ChatGPT）优化内容的做法。这些 AI 模型不会对网页进行排名，而是通过综合来自多个来源的信息来生成响应。

（上图来自DeepSeek截屏）

GEO 与传统 SEO 的区别：

    基于实体的优化：人工智能模型围绕对象实体展开（人、品牌、产品），而不是仅仅依靠关键词
    结构化内容：AI 青睐清晰的 FAQ 式响应、要点和架构标记
    引用和信任信号：人工智能生成的结果通常引用可信来源，因此准确的引用和品牌权威至关重要
    对话意图：AI搜索工具优先考虑上下文相关性和自然语言处理（NLP）
海外有一项针对 ChatGPT、Gemini 和 Perplexity 进行比较的研究，人工智能搜索模型优先考虑结构化数据和事实准确性，而不是反向链接等传统排名信号。
传统的 SEO 依赖于关键词排名和反向链接，而生成引擎优化（GEO)优先考虑结构化内容、实体识别和信任信号。适应人工智能驱动的搜索需要转变策略。

SEO 和 GEO 之间的主要区别

因素搜索引擎优化
地理区域
搜索引擎
谷歌、必应
人工智能驱动的搜索引擎（Deepseek、ChatGPT、Gemini）
优化重点
关键词、反向链接、用户体验
人工智能算法、结构化响应、对象实体识别
排名因素
点击率、内容质量、权威性
准确性、引用、结构化内容

GEO 将重点从搜索引擎排名转移到 AI 生成的响应引用。无法适应的营销人员可能会在 AI 驱动的搜索领域中失去曝光与商业转化机会。


02 

人工智能搜索引擎

如何改变内容优化？

人工智能驱动的内容呈现（如 Deepseek、Gemini 和 ChatGPT）正在改变内容的呈现和消费方式。与依赖网页排名的传统搜索引擎不同，这些人工智能模型通过从多个来源提取信息来生成响应。这种转变对内容优化具有重大影响。

人工智能驱动的搜索模型分阶段处理信息——从解析文本开始，识别实体，识别意图，最后生成响应。了解这个过程是优化人工智能搜索引擎内容的关键。

解析是 AI 系统分析和构造文本以提取含义的过程。与扫描关键字和反向链接的传统搜索引擎不同，AI 驱动的模型使用自然语言理解 (NLU) 根据上下文解释内容，而不仅仅是匹配单词。
自然语言理解 (NLU) 是自然语言处理 (NLP) 的一个分支，专注于理解文本的含义，而不仅仅是处理文本。传统的 NLP 方法依赖于模式识别和统计模型，而 NLU 旨在提取上下文、搜索意图和实体之间的关系。
从技术上讲，NLU 涉及：
    句法分析：将句子分解为语法结构（名词、动词、宾语等）
    语义解析：理解上下文中单词的含义
    实体识别；识别特定实体，如品牌、人物和地点
    意图识别；确定用户正在询问或搜索的内容
传统搜索引擎就像图书管理员使用索引一样：它们根据匹配的关键字检索页面。人工智能驱动的搜索引擎更像了解主题的研究助理：它们总结、解释和连接想法，而不仅仅是检索匹配的文本。
AI 搜索模型（例如 Deepseek、ChatGPT 和 Claude）不会以传统方式对网页进行排名。相反，它们：
    通过汇总多个来源来生成响应。AI引擎不会显示排名链接列表，而是综合来自各个网站的内容，优先显示简洁、结构良好且事实准确的信息。这意味着网页不会单独显示 - 内容会融入 AI 生成的答案中，并且仅引用少数来源，这意味着品牌知名度取决于是否出现在 AI 生成的摘要中。
    优先考虑基于实体对象的搜索，而不是基于关键字的搜索。AI模型不仅可以匹配关键字，还可以识别实体对象 — 人物、地点、品牌、产品和概念。例如，在传统 SEO 中，对“最佳 CRM 软件”进行排名需要针对该精确短语进行优化。在 AI 驱动的搜索中，AI 会将 Salesforce、HubSpot 和 Pipedrive 识别为 CRM，从多个来源提取上下文，而不仅仅是匹配短语“最佳 CRM 软件”。这意味着 SEO 策略必须从关键字填充转向实体对象优化。
    优先选择结构化内容，便于提取。当内容采用结构化格式时，AI 模型可以更有效地提取信息。它们更倾向于清晰的标题和副标题、项目符号和编号列表、常见问题解答和简洁的摘要。
2024 年对 ChatGPT、Gemini 和 Perplexity 的一项研究发现，结构化内容在 AI 生成的搜索结果中被引用的可能性比长篇非结构化文本高出 50%。
人工智能驱动的搜索改变了内容的发现方式。如果内容结构不合理、实体不丰富、上下文不清晰，它可能永远不会出现在人工智能生成的结果中。


03 

GEO 要求在页面层面

提供更多的引用和可信度

人工智能搜索引擎不会像传统搜索引擎那样对网页进行排名。相反，它们会从多个来源提取和综合信息，仅参考少数几个来源。这改变了信任和可信度在搜索可见性中的作用方式。 
生成引擎不依赖反向链接作为主要排名因素，而是优先考虑事实准确性、引用和结构化内容。
普林斯顿大学的一份研究表明：结构化的引用、权威来源的引用以及可验证的统计数据的纳入大大增加了被引用的可能性。 针对这些因素进行优化的网站与依赖传统 SEO 技术的网站相比，可见度提高了 40%。
人工智能生成的内容可见性取决于结构化引用、可验证的统计数据和权威来源——这些因素超越了传统的 SEO 技术，如链接建设和关键词优化。
这种转变引发了人们对 Google与百度 的 EEAT 框架（体验、专业性、权威性和可信度）如何应用于人工智能驱动的搜索领域的质疑。EEAT 一直是传统搜索中内容排名的指导原则，强调网站或作者的可信度。
但生成引擎对可信度的评估方式不同。它们不评估网站的整体权威性，而是确定单个内容是否包含清晰、可验证和结构化的信息。即使是权威性很高的网站，如果内容含糊不清、缺乏引文或格式不适合 AI 提取，也可能不会被引用。
人工智能模型包含与广泛接受的专家共识相符的内容的可能性高出 40%，这强调了信任信号的重要性，而不仅仅是简单的权威分数。
为了在人工智能驱动的搜索领域建立信誉，内容应该：
    提供权威来源的明确引用，而不是提出没有根据的主张
    使用结构化数据（例如架构标记和常见问题解答样式的格式）来增强清晰度
    确保信息与专家共识一致，而不是提出未经证实的意见
    保持跨多个平台的一致性以加强实体对象识别
    优先考虑事实准确性而非猜测
人工智能搜索引擎不会根据传统排名返回结果。相反，它们会选择他们认为最可靠、结构最完善的内容进行提取。这使得引用和可验证性对于保持人工智能生成的响应的可见性至关重要。

04 

GEO不存在传统意义上关键词

关键词研究长期以来一直是 SEO 的基石。每项策略都始于识别用户在搜索引擎中输入的确切单词和短语，然后优化内容以匹配这些查询。在人工智能驱动的搜索中，这种方法失效了。
大型语言模型不依赖关键字匹配来检索信息。它们解释含义。它们不是根据特定单词对结果进行排名，而是分析上下文、意图和概念之间的关系。这意味着我们所熟知的关键字作为优化工具可能会完全消失。
在传统搜索中，您可以跟踪关键词量，确定效果最佳的变体，并相应地优化页面。在人工智能驱动的搜索环境中，无法看到用户如何表达他们的查询。没有搜索量数据，没有关键词列表，也没有排名报告告诉您要定位哪些词。 
单个用户意图可以通过无数种方式表达，而 AI 模型旨在理解和响应所有方式。
以 B2B 为例。SaaS 公司的营销主管可能正在寻找减少客户流失的指导。在传统搜索引擎中，他们可能会输入：
    “如何减少 SaaS 客户流失”
    “留住 SaaS 客户的最佳策略”
    “订阅业务的客户流失率较低”
每次搜索都会返回略有不同的结果，内容策略师会相应地优化页面，确保他们的文章包含正确的高意图关键词组合。
在人工智能驱动的搜索引擎中，同一个用户可能会以传统关键字工具永远无法捕捉的方式来表达他们的查询：
    “客户不断取消我的软件——我该怎么办？”
    “我需要提高流失率较高的 SaaS 平台的留存率”
    “为什么用户停止为软件付费？我该如何解决这个问题？”
这些查询中的每一个都是独一无二的，但意图是相同的。传统搜索引擎会将它们视为单独的搜索，根据它们与特定单词的匹配程度对页面进行排名。人工智能驱动的搜索引擎会识别出所有这些查询都指向同一个基本问题，并据此生成响应。
这改变了一切。没有关键字数据，就无法针对每种可能的查询变体进行优化。相反，必须创建内容以满足意图，而不是匹配短语。 
人工智能搜索引擎不需要看到确切的关键词就能找到相关答案。它们会提取潜在含义，并从最能解决问题的来源中提取信息。
对于内容营销人员来说，这意味着从以关键词为导向的策略转向以意图为导向的策略。他们不应追求特定短语的排名，而应专注于创建能够彻底回答用户核心问题的内容，无论他们如何表达这些问题。无论内容是否包含特定关键词，提供清晰、结构化和富有洞察力的信息的内容都会被展示出来。
现在是时候重新思考如何规划、优化和衡量内容了。人工智能驱动的搜索引擎不像谷歌的传统算法那样工作，坚持旧策略只会导致曝光量下降。现在适应的公司——通过专注于深度、清晰度和意图——将在人工智能搜索接管后保持知名度。

05 

针对 SEO 和 GEO 的内容创建

SEO 和 GEO 需要不同的优化方法，但它们并不是相互竞争的策略。转向人工智能驱动的搜索并不意味着放弃传统的 SEO。它意味着调整内容，使其在搜索引擎结果页面 (SERP)和人工智能生成的答案中都可见。
针对传统搜索进行优化意味着确保内容被索引、排名靠前并满足用户查询。针对人工智能驱动的搜索进行优化意味着构建内容，以便人工智能模型可以在生成的响应中提取、解释和引用它。面向未来的内容策略必须兼顾这两点。
为了与 AI 模型处理和生成内容的方式保持一致，请关注：
    针对搜索引擎和 AI 生成的答案进行优化。内容仍应遵循传统排名的最佳实践，包括技术 SEO、内部链接和参与度指标。同时，内容应结构化，以便 AI 模型轻松提取和合成。
    使用简明扼要、以事实为依据的高质量内容。人工智能生成的搜索模型优先考虑事实准确性和明确归因。长篇大论、非结构化且带有推测性主张的内容不太可能被引用。
    利用结构化数据。架构标记、常见问题解答部分和表格使内容更易于 AI 处理。对 AI 驱动的搜索行为的研究表明，结构化响应增加了在 AI 生成的答案中被引用的可能性。
目标是使内容既可搜索又可提取。传统搜索引擎根据排名因素显示结果，而 AI 模型则综合来自多个来源的信息。最佳策略是兼顾两者，无论搜索如何发展，都能确保可见性。

06 

GEO 友好格式策略

人工智能驱动的搜索引擎不会像传统搜索引擎那样提取信息。它们不会根据反向链接和关键字相关性对网页进行排名，而是寻找结构化、可扫描且易于合成的内容。格式在确定内容是否被选中用于人工智能生成的响应方面起着关键作用。
为了针对 GEO 进行优化，内容应该：
    使用结构化响应。当信息以清晰、可预测的格式呈现时，AI 模型可以更有效地处理信息。短段落、要点、表格和常见问题解答部分会增加内容被引用的可能性。密集、非结构化的文本更难被 AI 提取，也不太可能出现在生成搜索结果中。
    增强实体识别。AI不依赖于精确的关键字匹配。相反，它会识别实体（例如人、品牌和概念）并将它们与相关信息联系起来。清晰地命名产品、公司和关键术语有助于 AI 引擎理解主题之间的关系。模棱两可或模糊的语言会使 AI 更难有效地处理内容。
    使用引文。AI模型优先考虑可验证的信息。引用权威来源表明可信度，并增加了内容被纳入 AI 生成的响应的可能性。结构化引文的存在已被证明可以提高生成搜索模型的可见性。
格式化不再只是可读性的问题。它是人工智能驱动的搜索引擎能否识别、提取和归因内容的关键因素。随着人工智能继续影响用户接收信息的方式，优化结构化提取将与优化排名同样重要。

07 

仍然适用于 GEO 的 SEO 技术

生成式引擎优化(GEO) 不会取代 SEO，而是建立在 SEO 的基础上。如果没有强大的 SEO 基础，GEO 根本无法发挥作用。人工智能驱动的搜索引擎仍然依赖于结构化、权威性和优化良好的内容。不同之处在于如何处理和呈现这些内容。

对于 GEO 来说仍然至关重要的核心 SEO 基础包括：

    技术 SEO。AI模型可以提取和合成内容，但它们仍需要正确查找和解释内容。未正确抓取和索引的网站不会出现在 AI 生成的搜索结果中。确保网站架构整洁、结构化数据实施和快速加载页面仍然至关重要。
    内容结构和清晰度。人工智能驱动的搜索引擎会根据上下文处理信息，但它们会优先考虑结构化和组织良好的内容。遵循清晰的标题层次结构、使用架构标记并以可扫描格式（例如项目符号和表格）呈现信息的内容更容易被人工智能模型提取和引用。
    高质量、基于事实的内容。AI模型优先考虑准确性和可靠性。缺乏深度、提供模糊答案或不包含支持证据的内容将不会在 AI 生成的响应中引用。GEO 依赖于与传统 SEO 相同的原则：专业性、彻底性和相关性。
    反向链接和权威建设。虽然人工智能驱动的搜索引擎不像传统搜索引擎那样依赖反向链接，但权威仍然很重要。持续从权威来源获得链接并经常在网络上被引用的网站更有可能在人工智能生成的结果中被引用。
    搜索引擎页面可见性。人工智能搜索正在增长，但传统搜索不会消失。优化有机排名仍然会推动流量并增强品牌权威。许多人工智能生成的答案都来自排名靠前的传统搜索结果，这意味着强大的 SEO 性能会增加被纳入生成响应的可能性。
GEO 并非一种孤立的做法。它是 SEO 的延伸。如果没有强大的技术基础、结构化的内容和明确的权威信号，人工智能驱动的搜索引擎将无法识别或引用网站的内容。最好的 GEO 策略始于正确的 SEO。

08 

可操作的 GEO-SEO 清单

成功的 GEO 策略始于强大的 SEO 基础，并适应 AI 驱动的搜索引擎处理内容的方式。使用此清单可确保您的内容在传统和 AI 生成的搜索结果中均可见。

理解并遵循人工智能驱动的搜索意图

☑ 确定关键主题，而不是依赖精确匹配的关键词☑ 关注用户意图——用户需要解决什么问题？

☑ 针对对话和基于问题的查询优化内容

AI提取的结构内容

☑ 使用常见问题解答、要点、表格和清晰的副标题来提高可读性☑ 实现架构标记（常见问题解答、操作方法、文章）以帮助 AI 模型提取信息

☑ 保持答案简洁、基于事实且可验证

针对实体对象识别和引用进行优化

☑ 清晰定义品牌、产品和关键概念☑ 提供权威来源的结构化引用

☑ 使内容与广泛接受的专家共识保持一致

监控人工智能驱动的搜索引擎的可见性

☑ 跟踪内容在 AIO、ChatGPT 和 Perplexity 响应中的显示方式☑ 测试提示和变体，以查看 AI 生成的答案如何变化

☑ 根据 AI 工具提取信息的方式调整格式和清晰度

保持强大的 SEO 基础

☑ 确保干净的技术 SEO（抓取、索引、网站速度）☑ 继续通过反向链接和提及建立权威

☑ 优化 SERP 可见性，因为传统搜索仍然发挥作用

GEO 策略的强大程度取决于其所依赖的 SEO 基础。人工智能驱动的搜索引擎青睐结构化、权威性和优化良好的内容 — 正确掌握这些元素可确保在传统和人工智能生成的搜索中长期可见。

09 

搜索的未来是混合的

SEO 和 GEO 并非对立的力量。它们都是不断发展的搜索格局的一部分，各自塑造着内容的发现和呈现方式。传统 SEO 确保内容在搜索引擎结果页面中被抓取、编入索引和排名。GEO 确保内容在 AI 生成的答案中被识别、提取和引用。
主要区别在于搜索引擎处理信息的方式：
    SEO 对网页进行排名。传统搜索引擎会评估关键词、反向链接和参与度指标来确定排名。
    GEO 进行提取和综合。人工智能驱动的搜索引擎从多个来源获取信息，并优先考虑结构化、事实驱动的内容，而不是基于关键字的相关性。
但基础保持不变：
    两者都优先考虑权威性和信任度。无论是在 SERP 中排名还是在 AI 生成的响应中被引用，内容都必须准确、结构良好且有权威来源支持。
    两者都需要强大的技术优化。优化不佳的网站不会在 Google 中排名，也不会出现在 AI 驱动的搜索引擎中。
    两者都依赖于清晰、结构化的内容。传统搜索引擎奖励可读性和相关性。人工智能搜索模型青睐结构化格式、实体识别和来源可靠的信息。
随着人工智能搜索的发展，只关注关键词排名的公司将失去知名度。但那些同时采用 SEO 和 GEO 策略的公司仍将被发现——无论是通过顶级有机排名还是人工智能生成的答案。搜索的未来不是非此即彼。而是两者兼而有之。

一些参考阅读：

没想到，我轻松干预了 DeepSeek 的搜索结果

能打败薇娅、李佳琦的种草新王，可能是 DeepSeek


更多阅读
中美 AI 创业者的闭门讨论：DeepSeek-R1 之后，AI 创业的变化和新趋势
OpenAI Deep Research专访：Agent 的未来是端到端、强化学习微调
AI 云计算巨头Snowflake CEO专访：DeepSeek是好模型，而ChatGPT是一款好产品
对谈Ropet、LOOI、RingConn、Kickstarter：两万字聊明白AI硬件赛道
DeepSeek R1 之后，重新理解推理模型

转载原创文章请添加微信：founderparker

内容中包含的图片若涉及版权问题，请及时与我们联系删除