--- theme: smartblue --- “传统搜索引擎优化（seo）尚未退出历史舞台，但生成式引擎优化（geo）已经成为新的战场。” 开始之前，我们先思考两个场景： **（一）** 我编写了一个订机票的Agent，当用户说自己要购买一张机票的时候，我的AI进行多个航空公司的票价对比之后，选择了一个价位合适的航空公司进入购买页面进行购买，并且获得购买结果以返回用户。在这个过程中AI面临一个问题：需要在不同的航空公司网站或者购票平台完美的完成筛选、对比、购票操作。此时假设A平台没有对AI友好，出现验证码登弹窗等原因最终导致我的AI未能成功购票。于是AI去了B平台，发现B平台对AI友好提供了AI的购票方式，AI在B平台完成购票。 A平台损失了一次成交，并且A平台将会损失所有从我的Agent跳转过去的成交。但是像我这样的Agent可能有非常多，那么A平台将会丢失更多的成交量。于是我们发现了一个问题：接下来的时间，是不是对AI更友好的平台，就能占据更多的入口，得到更多的成交？ **（二）** 用户想要找一个家政上门，于是打开元宝\deepseek等随意一个模型询问:

也有可能用户会打开百度进行搜索：

已知的客观事实：目前各大厂商都没有推出针对AI的商业化的竞价排名服务。为什么会有某个品牌排在最前面？带着问题，我们把话往回说，看看我们今天的主角：GEO。 ## GEO

GEO（Generative Engine Optimization，生成式引擎优化）是随着AI搜索崛起的新兴领域，它旨在优化内容，使其更容易被AI大模型（如ChatGPT、DeepSeek、文心一言等）抓取、理解和引用，从而在AI生成的答案中占据一席之地。 GEO 的核心内涵可拆解为三个维度： 1. 技术核心：以生成式 AI（大语言模型 LLM、多模态模型等）为基础，强调 “理解用户意图” 而非 “匹配关键词”，通过技术手段让内容与引擎的生成逻辑、推荐算法深度适配； 2. 内容逻辑：突破传统 “固定内容创作” 模式，转向 “动态生成 + 场景化适配”，内容需同时满足 “引擎可识别”（结构化、语义清晰）与 “用户有价值”（精准解决需求、符合阅读习惯）两大标准； 3. 目标导向：从传统 SEO 的 “追求关键词排名” 升级为 “追求生成式场景下的曝光质量与转化效率”，核心目标是让用户在生成式响应（如引擎的回答卡片、个性化推荐内容）中优先获取自身信息，并产生互动或转化行为。 | 对比维度 | SEO | GEO | 共同点 | | ---- | -------------------------- | ------------------------------------- | ------------------------------ | | 目标 | 抢占短尾高流量关键词首页，获取广泛曝光 | 争取 LLM 回答引用，捕获长尾高意图流量并提高转化 | 都致力于免费、有机流量增长与品牌曝光 | | 查询方式 | 短尾关键词（2–5 字） | 自然语言长查询（20+ 词，多轮追问） | 基于用户意图做语料/关键词研究 | | 展示形式 | 蓝色链接列表 | 一次性整合答案，用户直接获取信息 | 最终都驱动点击或品牌印象 | | 排名指标 | 外链、关键词密度、点击率、跳出率、访问量等 | 权威度、内容深度、结构化程度、LLM 抓取能力 | 技术优化（速度、结构化数据）和深度内容建设 | | 执行策略 | 关键词布局、外链建设、Meta/结构化数据、页面速度 | 深度长文、FAQ/HowTo Schema、多轮问答预测、站外引用平台布局 | 内容与技术双管齐下，通过数据分析和用户调研持续迭代优化 | | 评估指标 | 排名位置、CTR、跳出率、平均停留时长 | 被引用次数、LLM 来源流量、HDYHAU（用户调研）、转化率 | 监测流量质量与转化效果，借助 A/B 测试及数据分析优化策略 | ### GEO的核心场景 1. 由AI搜索接管的搜索引擎平台这是 GEO 最核心的应用场景，主要针对具备生成能力的搜索引擎。优化重点是让企业信息被引擎优先纳入 “生成式回答库”，例如：当用户搜索 “XX 行业解决方案” 时，引擎直接生成包含企业产品的回答卡片；当用户搜索 “XX 产品怎么用” 时，引擎的步骤式回答中嵌入企业的教程内容或产品链接。典型案例：某智能家居企业通过优化产品知识图谱，使其智能家电的使用教程被百度搜索的 “生成式回答” 优先引用，每月从搜索场景获取超 10 万精准访客。 2. 各平台的智能推荐针对具备生成式推荐功能的内容平台，GEO 的核心是让平台的生成式推荐算法优先推送企业内容。例如： * 抖音的 “智能推荐文案” 中嵌入企业的产品卖点，推送给潜在用户； * 知乎的 “知乎直答” 在解答用户问题时，引用企业的专业内容或案例。优化逻辑：通过分析平台的推荐算法（如内容标签、用户兴趣模型），生成符合平台生成规则的多模态内容，提升推荐曝光率。 3. 各模型厂商的问答产品 GEO 的核心是让这些产品的联网搜索功能，检索到我们内容，并引用我们的内容。 * 元宝检索渠道包含腾讯系的自有平台 * 豆包检索渠道包含字节系的自有平台 * 文心一言检索渠道包含百度系的自有平台优化逻辑：通过分析对于产品所用的搜索引擎，以及覆盖产品自身的平台，来发布内容，提升推荐曝光率。 ## GEO的核心原则 GEO就是让模型记住你、让模型认可你、让模型推荐你。说得更直接一些，GEO的本质可以理解为“影响并引导大模型”——通过一系列策略方法，使AI将你的内容视为权威、可靠的信息来源，从而在生成结果中优先呈现你的品牌、产品或内容。一旦AI在检索和学习过程中吸收了你的信息，并对其产生信任，它就会在对外输出（如问答、推荐、摘要等场景中）将你的内容置于靠前位置，甚至明确标注为“官方”或“权威”，进而显著提升曝光与引流效果。典型操作包括：发布排名类内容、面向大模型的语义优化、刻意使用“官方”“权威”“推荐”等关键词，以及持续在多平台布局符合AI抓取偏好的高质量信息。 ## LLMs.txt

2024 年 9 月，Jeremy Howard推出了 LLMs.txt，这是 Markdown 格式的新标准，网站所有者可以使用它来针对 AI 系统优化其内容。 LLMs.txt 跟 Robots.txt 的爬虫协议一样，是一个放置在根目录下的个纯文本文件 LLMs.txt 是大模型协议，同时也是AI友好协议。主要起到两个作用： 1. 告诉AI爬虫，哪些内容是我们允许被爬取的，哪些是不允许的。 2. 告诉来访问的AI，这个页面包含哪些信息、应该如何使用。 LLMs.txt 和 Robots.txt 之间的主要区别 | 特征 | Robots.txt | llms.txt | | ------- | ----------------------------- | ------------------------------------- | | 目的 | 控制搜索引擎爬虫（Googlebot、Bingbot 等） | 控制 AI 模型（ChatGPT、Perplexity、Claude 等） | | 影响对象 | 搜索引擎在 SERP 中对您的内容进行排名 | 人工智能机器人正在训练或使用您的内容 | | 对SEO的影响 | 直接影响 Google 和 Bing 的索引和排名 | 防止人工智能生成的结果取代自然流量 | | 可执行性 | 受到主要搜索引擎的广泛尊重 | 人工智能公司自愿遵守（不具有法律约束力） | | 对内容的影响 | 阻止搜索引擎索引/发现某些页面 | 阻止人工智能机器人抓取或训练您的内容 | 虽然目前尚未得到推广和建立共识，不过随着时间的推移，相信会有越来越多的厂商和网站会加入进来。特别是第二个作用：告诉来访问的AI，这个页面包含哪些信息、应该如何使用。会看我们一开始说的例子： ## 未来的畅想就像我们前面说的第一个例子，用户通过我们的Agent来进行购票操作，而售票平台针对AI进行优化，方便AI完成购票操作。可以预见的是：未来互联网上买票的、卖票的等等，都会是AI。互联网上人越来越少，AI越来越多。就像现在的搜索引擎，由于已经有很大一部分人都使用大模型进行搜索了，所以很多网站每天的访问量其实不是来自于人，而是来自于AI。所以，我们就需要考虑怎么让我们的网站，我们的服务怎么更加对AI友好。或许我们可以这样说：AI正在逐渐接管一切！我是华洛，加油、共勉！关注我，给你AI发展与落地的第一手思考资料。 > ☺️你好，我是**华洛**，如果你对AI产品落地感兴趣，请给我点个赞。 > > 你可以在这里联系我👉[www.yuque.com/hualuo-fztn…](https://link.juejin.cn?target=https%3A%2F%2Fwww.yuque.com%2Fhualuo-fztnr%2Frnkfkn%2Fhgg1ai826tm55vxs%3FsingleDoc%23 "https://www.yuque.com/hualuo-fztnr/rnkfkn/hgg1ai826tm55vxs?singleDoc#") ## 专栏文章 [# 2025年，AI产品团队中的提示词只需要考虑三件事](https://juejin.cn/post/7535473435587641359) [# 从0到1打造企业级AI售前机器人——实战指南三：RAG工程的超级优化](https://juejin.cn/post/7502647033402589220 "https://juejin.cn/post/7502647033402589220") [# 从0到1打造企业级AI售前机器人——实战指南二：RAG工程落地之数据处理篇🧐](https://juejin.cn/post/7497890801348821055 "https://juejin.cn/post/7497890801348821055") [# 从0到1打造企业级AI售前机器人——实战指南一：根据产品需求和定位进行agent流程设计🧐](https://juejin.cn/post/7496397558358900790 "https://juejin.cn/post/7496397558358900790") [# 聊一下MCP，希望能让各位清醒一点吧🧐](https://juejin.cn/post/7492271537010671635 "https://juejin.cn/post/7492271537010671635") [# 实战派！百万PV的AI产品如何搭建RAG系统？](https://juejin.cn/post/7485727472999579659 "https://juejin.cn/post/7485727472999579659") [# 团队落地AI产品的全流程](https://juejin.cn/post/7482695183477047315 "https://juejin.cn/post/7482695183477047315") [# 5000字长文，AI时代下程序员的巨大优势！](https://juejin.cn/post/7474925725662969883 "https://juejin.cn/post/7474925725662969883")