生成式引擎优化（GEO）

GEO 保留了 SEO 的根基，只是改变了取胜条件：你争取的不再是从排名列表里获得一次点击，而是在生成的回答中获得一次引用。Google 明确表示，其 AI 功能运行在与经典搜索相同的核心排名系统之上，因此 GEO 并不是要取而代之的学科——无法获得排名的页面很少会被引用。

改变的是取胜的边际。在排名列表里，第 4 位仍能获得流量；而在综合生成的回答里，来源要么被引用，要么就是隐形的。这让“可提取性”——模型能否从你的页面中提取出一段干净、自成一体的答案——成为头等大事，这在蓝色链接时代是从未有过的。

证据最强的是四种做法。第一，答案位置：把直接的“X 是 Y”答案放在页面的前三分之一——一项涵盖 120 万条回答的分析发现，44% 的 AI 引用都指向这前三分之一。第二，带来源的统计数据：Princeton/Georgia Tech 的对照研究测得，添加具名来源的统计数据后，引用可见性提高了约 41%。第三，问题式标题，并在每个标题下方的第一句话给出完整答案——这正是 AI Overviews 会提取的那一段。第四，新鲜度：AI 回答会不成比例地引用过去六个月内更新过的页面。

同样有充分证据的是哪些做法没用：Google 表示，llms.txt、专为 AI 设计的标记、把内容切成碎片，以及为了“迎合 AI”而重写页面，既不是必需的，也不会获得奖励。花在这些特殊文件上的 GEO 精力，都是从内容和提及上挪走的精力。

要衡量引用，而不只是排名：针对一组固定的提示词，跟踪 AI 引擎是否引用了你的页面、转而引用了哪些竞争对手页面，以及在你的品类里这些引擎倚重哪些第三方来源（Reddit 帖子、YouTube 视频、对比文章）。最后这份清单同时也是你的站外待办清单。

一旦有了数据层，这份审计就是机械化的——按计划把提示词跑过各个 AI 界面，再对比引用的差异。这正是 AI Visibility Agent 所自动化的工作，也是底层 GEO 端点以 API 形式暴露出来的能力。