Auto-sync: 2026-04-26 08:02

This commit is contained in:
2026-04-26 08:02:48 +08:00
parent 22f77e0660
commit c073392db8
70 changed files with 3766 additions and 25 deletions

View File

@@ -0,0 +1,46 @@
---
title: "Generative Engine Optimization (GEO)"
type: concept
tags: ["AI", "SEO", "marketing", "visibility", "generative-AI"]
last_updated: 2026-04-26
---
## Definition
Generative Engine Optimization (GEO) 是针对生成式 AI 引擎的可见性优化策略通过信号工程signal engineering提升品牌内容在 AI 生成答案中被引用的概率。GEO 是 AEOAnswer Engine Optimization的更广泛范畴不仅限于问答式 AI而是覆盖所有类型的生成式 AI 引擎。
## Core Pillars
1. **Authority Signals**:建立内容权威性(引用来源数量、内容深度、专家署名)
2. **Structure Signals**:使用 AI 友好的内容结构标题层级、列表、表格、Schema
3. **Entity Signals**:清晰的实体标注和知识图谱关联
4. **Quantity Signals**:大量相关内容覆盖,增大被 AI 发现和引用的概率
5. **Distinctiveness Signals**:差异化内容,避免同质化
## GEO Techniques
### Quantitative Expansion
创建大量相关主题的补充内容,覆盖长尾查询,增加被 AI 引用的表面积。
### Quotable Generation
生成容易被直接引用的精炼陈述,适合作为 AI 答案中的引用来源。
### Statistical Amplification
在内容中加入数据、统计数字、研究发现——AI 倾向于引用有具体数字支撑的内容。
### Technical Style Matching
研究目标 AI 平台的引用偏好调整内容风格ChatGPT 偏好权威性来源Claude 偏好平衡分析Perplexity 偏好时效性和多样性)。
### Source Diversity
跨多个平台和渠道发布内容,增大被不同 AI 引擎训练数据覆盖的概率。
## Related Concepts
- [[Answer Engine Optimization (AEO)]]GEO 的子集,专注问答式 AI
- [[Citation Rate]]:衡量 GEO 效果的量化指标
- [[Entity Optimization]]GEO 的核心技术之一
- [[Platform-Specific Patterns]]:不同 AI 引擎的引用偏好差异
## Sources
- [[AI Citation Strategist]]