前言

“如何控制DeepSeek的输出内容？”、“有人已经开始在干预和污染AI搜索的爬取内容啦！”、“如何让你的产品信息被AI大模型推荐？”…

最新总是听到如上类似的信息，在这个AI盛行的时代，一些新的问题挑战产生了，同时一些新的机遇也产生了。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。

那么这又是说的什么呢？我们又该如何做呢？小马进行了一番整理并尝试用通俗的方式和大家一起分享一下。

一、什么是生成引擎优化GEO

这个要从AI的联网搜索说起，AI的联网搜索功能是在用户通过生成式引擎（如DeepSeek、Kimi、豆包等）提问时，直接“爬取”网络上的相关内容并通过召回处理之后交给大模型来总结和输出最终答案。

这里就很有趣了，看起来似乎是搜索引擎这一套和AI总结的结合，中间还带上了召回算法。这块不是本文的重点就不再赘述。

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。
论文地址：https://arxiv.org/abs/2311.09735

GEO（Generative Engine Optimization，生成引擎优化），是为生成式AI平台（如DeepSeek、Kimi、豆包、秘塔搜索、ChatGPT等）量身定制的内容优化策略，是一种针对 AI 驱动的搜索引擎优化内容的做法，旨在通过适配AI算法的内容理解逻辑，提升品牌在AI生成答案中的可见性与权威性。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。

GEO通过优化内容的‌语义结构‌、‌知识权威性‌及‌多模态适配性‌，使内容被AI算法识别为“可信数据源”，从而在用户通过生成式引擎提问时，成为AI生成答案的组成部分。其终极目标是实现“用户提问→AI主动引用品牌内容”的闭环，直接跳过传统搜索引擎的网页跳转环节。

二、GEO与SEO的区别

SEO（Search Engine Optimization，搜索引擎优化）是通过优化网站内容、技术架构及外部链接等因素，提升网页在搜索引擎（如Google、百度、Bing等）自然搜索结果中的排名，从而获取更多免费流量的策略。SEO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。

GEO与SEO的区别：

对比项	SEO传统搜索引擎优化	GEO生成引擎优化
搜索引擎	谷歌、必应、百度…	人工智能驱动的搜索引擎 （Deepseek、ChatGPT…）
目标	提升网页在搜索引擎的排名	让内容被AI抓取并整合到生成答案中
内容重点	关键词密度、外链数量	信息准确性、语义关联性、权威性
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/top因素	点击率、内容质量、权威性	准确性、引用、结构化内容
用户交互	用户点击链接跳转	AI直接输出答案，用户无需跳转
技术核心	爬虫友好、页面加载速度	AI对内容的信任度与理解深度
成功指标	关键词排名、网站流量	内容被AI引用的频率与权威性

例如：SEO优化的文章会堆砌“工业传感器”关键词，而GEO优化的内容需包含权威数据（如行业认证、客户案例）和清晰结构（如问答模块），方便AI解析。

三、怎么做GEO

从SEO与GEO的区别中我们可以看到GEO的特点：

• 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）；

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。
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。

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。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。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。保持跨多个平台的一致性以加强实体对象识别。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。提供权威来源的明确引用，而不是提出没有根据的主张。确保信息与专家共识一致，而不是提出未经证实的意见。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。
• 内容的逻辑性和准确性。AI总结时优先考虑事实准确性而非猜测。

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%。

四、SEO与GEO兼具

正如上文说到的AI联网搜索的原理，通常情况下它很可能是复杂的组合存在，比如搜索引擎的爬取、召回算法和AI大模型总结的结合体，因此考虑GEO的时候也是多方面的，甚至不同生成式引擎可能还存在个性化的特点。

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。

---

参考资料

https://arxiv.org/abs/2311.09735
https://hub.baai.ac.cn/view/43802
https://baijiahao.baidu.com/s?id=1828915765637967983&wfr=spider&for=pc