如何在生成式引擎优化（GEO）中取得成功

如果你希望您的内容出现在 AI Overviews、ChatGPT 和 Gemini 中？以下是设置 GEO 广告系列的方法。

任何好的 GEO 活动的第一步是创造一些东西实际上想要链接到或引用。

GEO 策略组件

想象一些你合理预期不会直接在 ChatGPT 或类似系统中找到的体验：

例如卢浮宫的 3D 导览或虚拟现实音乐会。
实时数据如价格、航班延误、可用酒店房间等。虽然大型语言模型（LLMs）可通过 API 集成此类数据，但我认为目前存在机会捕获部分此类流量。
需要 EEAT（经验、专业知识、权威性、可信度）的主题。

LLMs 无法拥有第一手经验。但用户希望获得。LLMs 有动力引用提供第一手经验的来源。这是需要记住的一点，但还有其他什么呢？

我们需要区分两种方法：影响基础模型与通过锚定影响LLM答案。前者对大多数创作者而言难以实现，而后者则提供了切实可行的机会。

影响基础模型

基础模型是在固定数据集上训练的，训练完成后无法学习新信息。对于当前的模型如GPT-4而言，已经为时已晚——它们已经完成训练。

但这对于未来至关重要：想象一台智能冰箱使用 2025 年的 o4-mini 系统，它可能——假设性地——更倾向于可口可乐而非百事可乐。这种偏见可能在未来数年内影响购买决策！

优化RAG/地面校准

当大型语言模型（LLMs）仅凭训练数据无法回答问题时，它们会使用检索增强生成（RAG）技术——从当前信息中提取内容以辅助生成答案。AI Overviews 和 ChatGPT 的网页搜索功能便是通过这种方式实现的。

作为 SEO 专业人士，我们希望实现以下三点：

我们的内容被选为信息来源。
我们的内容在这些来源中被引用最多。
其他被选中的来源支持我们的预期结果。

成功运用 GEO 的具体步骤

别担心，优化内容和品牌提及以适应大型语言模型（LLMs）并不需要高深的知识。实际上，许多传统的 SEO 方法仍然适用，其中一些可以融入你的工作流程。

步骤1：确保可爬取

听起来简单，但实际上这是非常重要的一步。如果你希望 LLMs 能够爬取你的网站，就必须允许它们这样做。OpenAI、Anthropic 等公司提供了多种 LLM 爬虫工具。

其中部分爬虫行为异常，可能触发反爬虫和 DDoS 防护机制。若您自动拦截了攻击性机器人，请与IT团队沟通，确保不会误拦截您关注的 LLM 爬虫。

若使用 CDN 服务（如：Fastly 或 Cloudflare），请确认LLM爬虫未被默认设置拦截。

步骤 2：继续提升传统排名

最关键的 GEO 策略其实非常简单。做好传统 SEO。在 Google（针对 Gemini 和 AI Overviews）、Bing（针对 ChatGPT 和 Copilot）、Brave（针对 Claude）以及百度（针对 DeepSeek）上获得良好的排名。

步骤 3：目标查询分支

当前一代的语言模型实际上比简单的 RAG 做了更多事情。它们会生成多个查询。这被称为查询分支。

例如，当我最近询问 ChatGPT “SEO 们讨论的最新 Google 专利是什么？”时，它进行了两次网络搜索，分别是 “SEO 们讨论的最新 Google 专利 2025 SEO 论坛” 和 “SEO 们讨论的最新 Google 专利 2025”。

建议：检查提示词的典型查询分支，并尝试为这些关键词进行排名。

我在 ChatGPT 中看到的典型扇出模式包括：当询问人们在讨论什么时，会附加“论坛”一词；当询问与某人相关的问题时，会附加“采访”一词。当前年份（2025）也常被添加。

注意：不同 LLM 的扇出模式存在差异，且随时间变化。我们今天看到的模式可能在12个月后不再适用。

步骤 4：确保品牌提及的一致性

这是每个人都应做到的简单事情——无论是作为个人还是企业。确保您在网上被一致地描述。在 X、LinkedIn、您自己的网站、Crunchbase、Github 等平台上，始终以相同的方式描述自己。

如果你在 X 和 LinkedIn 上的个人资料中称自己为“中小企业地理信息系统（GIS）顾问”，就不要在 Github 上改成“人工智能（AI）专家”，也不要在新闻稿中称自己为“机器学习（ML）自由职业者”。

我曾看到有人仅通过在网上保持一致的自我描述，就在 ChatGPT 和 Google AI Overviews 上取得了积极成果。这一点也适用于公关报道——你为品牌获得的报道越多且质量越高，LLMs 就越有可能将这些内容原封不动地反馈给用户。

步骤 5：避免使用 JavaScript

作为 SEO，我总是要求尽可能少地使用 JavaScript。作为 GEO，我坚决要求！

大多数 LLM 爬虫无法渲染 JavaScript。如果您的主要内容隐藏在 JavaScript 之后，您就出局了。

步骤 6：拥抱社交媒体与用户生成内容（UGC）

毫不意外，大型语言模型（LLMs）似乎非常依赖 Reddit 和维基百科。这两个平台几乎涵盖了所有主题的用户生成内容。得益于多层社区驱动的审核机制，大量垃圾信息和垃圾邮件已被过滤掉。

尽管两者均可被滥用，但其内容的平均可靠性仍远高于互联网整体水平。两者均会定期更新。

Reddit 还为 LLM 实验室提供了关于人们如何在线讨论话题、使用何种语言描述不同概念以及对冷门小众话题的知识等数据。

我们可以合理假设，在 Reddit、维基百科、Quora 和 Stack Overflow 等平台上经过审核的用户生成内容（UGC）将对 LLM 保持相关性。

我并不主张在这些平台上进行垃圾信息轰炸。然而，如果你能影响自己和竞争对手在这些平台上的展示方式，你可能希望这样做。

步骤 7：为机器可读性和可引用性创建内容

编写 LLMs 能理解并愿意引用的内容。目前还没有人完美地解决这个问题，但以下方法似乎有效：

使用陈述性和事实性语言。例如，不要写“我们觉得这双鞋对顾客来说不错”，而是写“96% 的买家表示对这双鞋感到满意”。
添加结构化数据标记（Schema）。这一话题曾多次被讨论。最近，必应（Bing）首席产品经理 Fabrice Canel 确认，结构化数据标记有助于 LLM 理解您的内容。
如果您希望内容被现有 AI Overviews 引用，请确保内容长度与现有内容相当。虽然不应直接复制现有 AI Overviews，但高余弦相似度有助于提升引用概率。对于技术控：是的，考虑到归一化，当然可以使用点积代替余弦相似度。
如果你在内容中使用了专业术语，请进行解释。最好用一句简单的话说明。
为长段落文本、评论列表、表格、视频及其他难以引用的内容格式添加摘要。

步骤8：优化你的内容

如果我们参考《GEO: Generative Engine Optimization》（arXiv:2311.09735）、《What Evidence Do Language Models Find Convincing? 》（arXiv:2402.11782v1）以及类似的科学研究，答案是明确的。这取决于具体情况！