L124 号线 · 获客
GEO：被 AI 推荐
SEO 争的是排第几，GEO 争的是有没有被提到、被怎么说。
第 12 / 20 站阅读约 11 分钟1 个练习
这一站回答
用户问 AI 时，怎么让 AI 提到你、引用你、推荐你，而且说得对？
主线
- 被检索到
- 被选为信源
- 被写进答案
- 被正面推荐
- 用户来找你
AI 的答案从哪来
训练数据
模型的长期记忆。能影响，但要等模型更新，慢且难以控制。
实时检索
联网搜索后综合作答并标注来源。这是 GEO 的主战场，见效相对快。
联网时，AI 大致这样生成答案：
- 理解问题
- 检索
- 挑信源
- 生成答案
- 标注引用
和 SEO 的区别
| SEO | GEO | |
|---|---|---|
| 目标 | 排名靠前、被点击 | 被提及、被引用、被推荐 |
| 用户看到 | 一列链接 | 一段综合好的答案 |
| 竞争单位 | 整个网页 | 段落、事实、观点 |
| 主战场 | 自己的网站 | 自己的网站 + 全网信源 |
| 看结果 | 排第几 | 有没有被提到、被怎么描述 |
四大支柱
技术 · 读得到
不误挡 AI 爬虫，关键内容直接写在 HTML 里，结构清晰，标注更新日期，SEO 打好底。
内容 · 引得动
答案先行，每段能独立成立；事实密集，有数据、价格、案例和来源；定期更新。
实体与信任 · 信得过
品牌、公司、创始人、产品各处说法一致，避免撞名；有第三方背书，经得起尽调。
信源布局 · 遇得到
AI 引用的多是别人怎么说你。官网首发，再按各平台的内容生态分发。
两项研究可以参考：2023 年提出 GEO 概念的论文发现，加入引用来源、统计数据和专家引语，能让内容在 AI 答案中的可见度最多提升约 40%，堆砌关键词基本无效。2026 年一项针对 6 个大模型的受控实验发现，话题匹配、写明价格、时间戳较新是被引用的门槛；只改排版几乎没有影响。
各平台的信源偏好
- 豆包：偏今日头条、抖音等字节系内容
- 腾讯元宝：偏微信公众号等腾讯系内容
- 文心：偏百度百科、百家号、百度知道
- DeepSeek、Kimi、千问：更多依赖开放网页；Kimi 偏长文和研报，千问看重官媒、政务和学术来源
以上来自行业观察，各方统计口径不一，平台也在持续调整，最终以你自己的实测为准。
问题研究：GEO 的起点
| 问题类型 | 例子 | 你要争取的 |
|---|---|---|
| 认知类 | "CRM 是什么" | 被引用为解释来源 |
| 推荐类 | "适合小团队的 CRM 推荐" | 进入推荐名单 |
| 对比类 | "A 和 B 哪个好" | 被准确、公平地比较 |
| 尽调类 | "某某公司靠谱吗" | 说得对、说得正面 |
| 决策类 | "某某多少钱""怎么联系" | 信息准确，找得到你 |
推进与衡量
- 定目标
- 基线探测
- 诊断
- 修地基
- 产内容
- 铺信源
- 复测迭代
一句话记住
SEO 争的是排第几，GEO 争的是有没有被提到、被怎么说。
常见坑
- 批量发软文"投毒"：2026 年央视 3·15 晚会曝光了这类灰产，之后北京开展专项整治，中国广告协会启动了 GEO 行业标准化工作。
- 只测一次就下结论：AI 的回答有随机性，重要问题要多问几次。
- 只盯官网，忽略第三方信源。
- 只看提没提到，不看说得对不对：被负面描述比没被提到更糟。
- 迷信 llms.txt 之类的"秘籍"：有统计显示 97% 的 llms.txt 文件从没被请求过。
- 抛弃 SEO：AI 的联网检索离不开搜索引擎索引。
列 20 个客户可能问 AI 的问题，在 3 个平台各问一遍，记录是否提到你、怎么描述、引用了哪些来源。这就是你的 GEO 基线。
4 号线 · 获客 — 让对的人知道你、信你、来找你