> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # GEO 指南: 如何让 AI 引用你的内容 - URL: https://www.hubwiz.com/blog/geo-guide-how-to-get-quoted-by-ai/ - Published: 2026-05-10T21:09:48.000Z - Updated: 2026-05-10T21:09:48.000Z - Description: 在 AI 回答中被提及是品牌和影响者新的声量指标。被 AI 忽视就像过去出现在 Google 搜索结果第五页一样。我们还不确定如何针对 AI 进行优化，但一些指南已经开始出现。唯一确定的建议是跟踪这个领域，并监控你自己的内容在各大 AI 工具中的出现情况。 - Author: admin - Tags: SEO, MARKETING, #Import 2026-10-14 14:41 优化网页内容以供人类读者阅读，长期以来一直是可用性和 SEO 的关键焦点。现在我们面临一个新的挑战：针对 AI 回答引擎进行优化，以便我们的网站真正被 AI 生成的回答引用。 用户越来越多地从 AI 回答引擎（如 ChatGPT、Perplexity 和 Google 的 Gemini/SGE）获取信息，往往从不点击传统搜索结果。这种转变要求内容创作者从"如何在 Google 上排名？"转变为优先考虑"如何被 AI 引用？"。 > 剧透：抵制创建垃圾式 AI 诱饵内容的冲动——机器人可能会注意到，用户也不会喜欢。 ## 1、叫它什么？GEO 还是 AEO？ 这种范式转变的一个主要症状是大量令人困惑的新术语突然涌现，每个咨询公司都在进行词汇膨胀，试图为自己的解决方案建立品牌。行业专业人士现在面临着首字母缩写词汤，包括 AEO（Answer Engine Optimization）、GEO（Generative Engine Optimization）、AIO（AI Optimization）、LLMO（Large Language Model Optimization）、AISO（AI Search Optimization）甚至 GSO（Generative Search Optimization）。 我原本倾向于 AEO，因为我从以使用为中心的角度来看，从搜索结果到回答的转变是决定性特征。 然而，我也很务实（也是 Jakob 定律的提出者），所以我将遵循多数人的意见，使用互联网上最常用的术语，因为那是读者最可能理解的。**GEO 似乎是赢家**，这就是我在本文中使用的术语。 除了简单地遵循其他影响者的写作，在讨论品牌需要影响 AI 时偏好"GEO"还有一个概念上的理由： 更强的 AI，包括推理模型，不仅仅是提取答案；它通过消费、理解和综合多个信息源来生成新的、综合性的回复。它*生成*，而不是简单地*提取*。这个生成过程整合了许多贡献者，而不是突出单一来源。因此，"generative"捕捉到了品牌所面临的现实：你不会成为唯一的答案，但你可以争取被纳入综合结果中。 AEO 的策略（构建清晰的内容结构、使用 schema、直接回答问题）是 GEO 的基础。然而，GEO 扩展了这个策略，包括更广泛的策略集，专注于建立跨平台权威性、展示可验证的可信度，以及管理品牌的整个数字实体以影响 AI 模型的思考和交流方式。 GEO 就是它了，亲爱的们。 ## 2、新的引用游戏：AI 工具如何选择信息源 在我们优化任何东西之前，我们需要了解 AI 引擎如何选择和引用信息源。最近的分析显示，不同 AI 平台有截然不同的引用模式： **ChatGPT** 严重偏袒几个大型网站。在[一项对 3000 万 AI 引用的研究](https://www.tryprofound.com/blog/ai-platform-citation-patterns?ref=hubwiz.com)中，ChatGPT 引用最多的来源中近 48% 是 Wikipedia。Reddit 排在遥远的第二位（约 11%），之后是 *Forbes*、*TechRadar*、*NerdWallet* 等知名媒体的混合。ChatGPT 显然倾向于广泛的、据推测权威的来源（Wikipedia 用于事实，Reddit 用于社区讨论）。[另一项研究发现](https://seranking.com/blog/chatgpt-vs-perplexity-vs-google-vs-bing-comparison-research/?ref=hubwiz.com)，ChatGPT 通常生成最长的回答，引用最多，平均每个回答约有 10 个参考，经常每句话都附带来源。就好像 ChatGPT 想展示它的全部作业：详尽但有时过度。有趣的是，尽管 YouTube 由 OpenAI 的死对头 Google 拥有，但 YouTube 链接是 ChatGPT 回答中引用最多的单个域名（约占总引用的 11.3%），表明 AI 经常从视频字幕或描述中获取信息。 **Google 的 AI Overviews** 倾向于更广泛地引用，但仍然偏向高权威性和社交内容。Google AI Overviews 中引用最多的来源是 Reddit（约占顶级引用的 21%），YouTube 次之（约 19%）。专业的问答和分析网站如 Quora 和 LinkedIn 也很突出。Google 的 AI 摘要也倾向于列出许多来源（平均 9.26 个链接），本质上是在 AI 简短回答末尾附带一袋参考。就好像 AI 在说："这是你的答案，顺便说一句，我浏览了这大约 9 篇文章来得到它。"Google 的方法似乎倾向于包容性引用，可能是为了预先应对透明度的批评。值得注意的是，Google 的 AI 经常引用相对较*旧*的来源，其引用的域名中有近一半超过 15 年历史，反映了 Google 对老牌网站的信任（也许还有对现有索引排序的偏见）。 **Bing Chat**（通过 GPT-4 的 Microsoft AI，有时在搜索中被称为"Copilot"）在引用方面要保守得多。它通常给出简洁的回答，平均只引用约 3 个来源。这些回答简短而切中要害（平均约 400 个字符）——与 ChatGPT 冗长的文章形成鲜明对比。据报道，Bing 引用最多的域名是 *WikiHow*（约 6.3% 的引用），显示出对分步指南内容的偏好。（是的，Bing 的 AI 显然*真的*喜欢那些带插图的 DIY 指南，可能是因为 WikiHow 页面的结构精确地回答了程序性问题。）Wikipedia 也有出现，但有趣的是，Bing 使用 YouTube 远少于其他平台（不到其引用的 1%），可能反映了 Bing 偏好文本密集型网站或仅仅是查询类型的差异。总体而言，Bing 引用较少，通常是高度相关的页面，可能从查询的前几个 Bing 搜索结果中提取。[一项分析发现](https://www.seerinteractive.com/insights/87-percent-of-searchgpt-citations-match-bings-top-results?ref=hubwiz.com)，ChatGPT 引用的网页内容中有 87% 来自同一查询的 Bing 前 10 搜索结果（ChatGPT 的网页模式本质上依赖 Bing）。如果你在 Bing 上排名良好，你大大增加了被 ChatGPT 浏览模式引用的机会。 **Perplexity** 以总是提供来源而闻名。它每个回答显示约 4-5 个引用（始终约 5 个链接），通常是社区或小众来源。事实上，[Reddit 主导了 Perplexity 的引用](https://www.tryprofound.com/blog/ai-platform-citation-patterns?ref=hubwiz.com)（占其前十大来源列表的 46.7%），远超任何其他平台。它喜欢论坛、评论和用户生成的内容。 总之，引用行为各不相同：ChatGPT 和 Perplexity 输出较长的回答，引用较多，包括小众来源，而 Bing 挑剔且简洁，Google 的 SGE 试图全面但仍然偏向高权威性和多媒体来源。这意味着你*在哪里*集中优化可能取决于你关心*哪个 AI*。如果你想被所有人引用，你需要全面覆盖：在 Wikipedia 上为 ChatGPT 服务，在 Reddit 或社区讨论中为 Perplexity 服务，为 Bing 提供结构化的指南或 FAQ 内容，并为 Google 的系统维护整体权威信号。 这些研究的另一个洞察：**AI 仍然压倒性地以英语为中心**。在 [Profound 2025 年 6 月的分析](https://www.tryprofound.com/blog/ai-platform-citation-patterns?ref=hubwiz.com)中，超过 80% 的引用来自 .com 域名，约 11% 来自 .org（例如 Wikipedia）——即 91% 来自主要英语/全球网站。特定国家的域名（如 .uk、.br、.ca）总共仅占约 3.5%。这不意味着 AI 从不引用非英语内容，但它凸显了聚合数据中的英语偏见。 ## 3、（推测性）如何制作 AI 想引用的内容 现在来回答百万美元的问题（考虑到公司在这方面的投资，字面意义上的百万美元）：**如何呈现你的内容以最大化 AI 在其回答中包含或引用它的可能性？** 没有官方的"AI 排名算法"被发布，所以我们必须依赖可信的推测和新兴的最佳实践。 以下是**推测性策略**。它们基于我们对 LLM 的了解和上述引用模式，但我不确定它们是否有效。把它们当作你应该用自己的内容测试的假设。 **为可扫读性构建内容结构（为人类和机器人）**。讽刺的是，增强人类可用性的相同原则（清晰的结构、标题、要点、简洁的章节）也使内容更易被 AI 消化。大型语言模型"阅读"整个页面，但它们在组织良好的信息上表现更好。[一个指南建议](https://www.tryprofound.com/guides/answer-engine-optimization-aeo-guide-for-marketers-2025?ref=hubwiz.com)使用描述性标题、列表和表格，以便 AI 可以轻松抓取事实。例如，在顶部包含一个快速的"要点"要点列表，或为产品比较添加优缺点表格。想象一个 AI 扫描你的文章；如果它能快速找到直接回答问题的片段（得益于粗体副标题或整齐的列表），它更有可能逐字使用它。*推测：* 你页面上格式良好的 FAQ 部分，以问题作为标题、答案在下方，如果用户问那些确切的（或语义相似的）问题，可能会被直接拉入 AI 的回答中。简而言之，为扫描者写作：无论是人类的还是硅基的。（我总是说用户不阅读，他们扫描；好吧，AI *确实*阅读，但它们奖励易于解析的内容。） **覆盖问题的广度（语义 SEO → 语义 GEO）**。传统 SEO 通常针对单一关键词。GEO 受益于全面覆盖一个主题，因为 AI 综合答案时会从多个角度提取。一篇充分探讨某主题各个方面、回答相关后续问题并预测"人们还会问"变体的文章，比一篇狭隘的文章更有可能被引用。这意味着不仅要回答"什么是 X？"，还要回答"X 如何与 Y 比较？"、"何时使用 X？"、"X 的优缺点是什么？"——所有这些都在一篇权威文章中。给 AI 丰富的语义上下文来抓取。 **使用专业词汇，甚至不惜使用行话**。在传统的网页可用性中，我曾经建议尽量减少行话，因为许多人类可能不理解。AI 理解一切，使用精确和技术上准确的词汇可能使你的内容更有可能匹配 AI 对问题的内部模型。 **利用结构化数据**。AI 模型目前大致像人类一样阅读网页（或通过搜索引擎的索引），但提供机器可读的提示不会有害且可能有帮助。使用 schema 标记（如 FAQ schema、HowTo schema、产品规格）可能使基于搜索引擎的 AI 更容易识别相关部分。例如，Google 的生成式搜索[可以利用其知识图谱](https://www.seo.com/basics/how-search-engines-work/sge-ranking-factors/?ref=hubwiz.com)和结构化数据。如果你的内容被清晰地标记（例如带有 schema 的 FAQ 块），AI 可能会直接提取这些答案。 **速度要快**。AI 系统通常在严格的检索超时下运行，有时短至 1-5 秒。加载缓慢的页面可能会被截断或完全忽略。这使得优化 Core Web Vitals 和整体页面速度比以往更加关键。 **跨漏斗的整体视角**。GEO 需要从优化单个网页转变为优化品牌作为整体实体。AI 通过综合来自每个公开来源的信息来构建对品牌、产品或个人的理解。因此，全面的 GEO 策略必须远远超出企业网站的边界。 - 论坛和社区：AI 模型在评估公众情绪和真实世界体验时严重权衡社区驱动的来源，如 Reddit 和 Quora。 - 数字公关和新闻提及：在信誉良好的行业出版物和新闻媒体中获得赢得媒体、署名文章和专家提及，为品牌实体建立了显著的权威性。 - 评论和社交证明：第三方评论网站上的用户生成内容和社交媒体平台上的讨论，为 AI 模型提供了关于产品质量和客户满意度的宝贵数据。 - 视频和多媒体：YouTube 等平台上的内容是 AI 的另一个丰富数据源，扩大了品牌的数字足迹。 **创建比较性和超级latives内容**。许多 AI 查询隐含地请求比较或"最佳"选项。AI 喜欢综合比较，它喜欢从已经比较过事物的人那里提取。以结构化方式明确比较选项的内容被选中的机会更高。例如，发布"X vs Y"比较图表或带有清晰排名/标准的"\[类别\] 中前 10 名产品"列表，对回答引擎来说可能是金矿。预测比较性问题并回答它们。给 AI 一个容易引用的表格或列表，它可能就会这么做。 （以上策略是推测性的，但它们本质上是使你的内容**清晰、全面和上下文相关**。值得注意的是，这些品质同样改善人类可用性。你应该问："我们如何让 AI 从我们的页面中提取正确答案变得轻松？"答案与让人类轻松提取信息的答案惊人地一致，这不应该令人惊讶。一个在人类策划内容上训练的 AI 模型可能与人类用户有相似的品味：它"喜欢"直截了当且权威的内容。这是好消息：对 AI 有益的东西很大程度上也是对人类读者有益的。） ## 4、GEO 初创公司和服务 > *免责声明：* 我无法为这里列出的任何公司担保。我没有尝试过它们，但它们说明了 GEO 日益增长的重要性以及在哪里可以找到帮助。 技术淘金热催生了工具制造商和顾问。2000 年代，SEO 机构激增，承诺\*"保证在 Google 排名第一！"\* 现在 2025 年，GEO 初创公司类似地激增，承诺破解 AI 算法并让品牌被 ChatGPT 提及。 **Profound** 开创了这个领域，定位自己为 AI 可见性数据强国。CEO James Cadwallader 称 AI 搜索转变为一场\*"权力的游戏式的权力转移"\*——对信息分配权易手的戏剧性但准确的描述。Profound 筹集了 2000 万美元来应对风投称之为品牌迫切担忧的"火烧眉毛的问题"。Profound 跟踪品牌在 AI 回答中的提及，以强分析为基础。他们分析了 3000 万引用以识别模式。他们的仪表板可能会报告："你的竞争对手出现在 15% 的'最佳 CRM 软件'ChatGPT 回答中；你出现在 0%。" **Bluefish AI** 筹集了 500 万美元，专注于品牌控制和安全。他们跟踪 AI 表现，管理品牌安全（确保 AI 不会歪曲你），并促进 AI 参与。如果 AI 散布关于你公司的错误信息，Bluefish 会提醒你纠正来源。这是一个新的 PR 前沿。 **Athena**（AthenaHQ）从 Y Combinator 毕业，获得 220 万美元融资。他们自称"世界最快的生成式优化平台"，声称拥有 70+ 客户和 10 倍 AI 流量提升。Athena 摄取数百万 AI 回答，将它们映射到 300,000+ 引用来源。 衡量成功仍然困难。[AI 结果是概率性的](https://www.uxtigers.com/post/ai-uncertainty-ux?ref=hubwiz.com)，因为相同的提示会产生不同的回答。这些公司可能类似于早期的 SEO 顾问，声称对本来就会发生的改进或无法明确归因的改进的功劳。买者自负。 然而，考虑到这是多么新，即使测量基线也是有价值的。如果不出其他原因，一个说\*"本周你的品牌在关于主题 X 的 AI 回答中出现了 5%"\* 的仪表板是一个新的 KPI，CMO 应该跟踪。它是**新的声量**指标。 ## 5、GEO 指标 向 AI 综合回答的转变需要改变绩效衡量的方式。严重依赖点击和网站流量的传统 SEO 指标不再足以捕捉完整的图景。 GEO 的基本前提是，即使用户从不点击进入品牌网站，也可以取得成功。AI 可以引用品牌的数据，将其产品作为解决方案提及，或使用其内容来形成答案，以品牌知名度、权威建设和对用户的影响力形式交付重大价值，而你的网站分析不会记录到任何一次点击。 仅依赖自然流量、点击率（CTR）和关键词排名等指标，将对品牌在 AI 驱动渠道中的表现提供不完整且可能误导性的评估。一种成功在 AI Overviews 中赢得引用的策略，如果仅通过持平或下降的自然流量趋势来判断，可能看起来是失败的。 投资回报率（ROI）也应该重新思考。GEO 的价值通常是间接的，将衡量框架从直接 ROI 转变为归因 ROI。用户可能看到品牌被 AI 引用，不点击提供的链接，但在当天晚些时候对该公司执行品牌搜索。或者，他们可能只是对品牌的权威性形成更积极的认知，从而在数周后影响购买决策。 这种用户旅程**打破了传统的最后点击归因**模型。解决方案是采用更复杂的衡量方式，将 GEO 投资与滞后的品牌级指标联系起来。跟踪品牌搜索量变化、直接网站流量甚至销售周期速度的变化，可以帮助将价值归因回最初不可点击的 AI 提及。 我们需要一套新的 GEO 指标仪表板，包括以下（可能还有更多尚未发现的）： - **引用频率**：GEO 的主要指标。跟踪品牌、其内容或其数据在 ChatGPT、Perplexity 和 AI Overviews 等平台上的 AI 生成回答中被引用为来源的频率。 - **AI 中的声量份额（SOV）**：衡量品牌在给定一组主题或查询的 AI 回答中的可见性，相对于其竞争对手。 - **提及的情感和准确性**：对品牌在 AI 回答中如何被描绘的定性分析。提及是正面的吗？信息准确吗？ - **来自 AI 的推荐流量**：当 AI 平台确实提供可点击的来源链接时，跟踪此推荐流量的数量和质量是影响的直接衡量。 - **品牌搜索提升**：随时间监控品牌搜索查询量，以识别与不可点击的 AI 回答中可见性增加的相关性。 ## 6、AI 优化会破坏回答质量吗？ 来自 SEO 垃圾的教训。 这是一个与搜索引擎一样古老的故事：一旦人们弄清楚排名如何运作，他们就会钻系统的空子，有时以牺牲质量为代价。在网页搜索中，这导致了 SEO 垃圾：链接农场、关键词堆砌、存在的唯一目的是获取点击的低价值页面。Google 花了几十年调整算法（Panda、Penguin 等）来惩罚这些策略并奖励真正有用的内容。现在，有了 AI 生成的回答，我们面临同样的风险吗？生成式引擎优化会降低 AI 回答质量吗？ 风险是真实的。我们已经看到了早期的端倪。不法行为者可以重新发布他人的内容，如果原始内容对 AI 来说不太容易访问，AI 可能会"认为"副本是来源。这正是 SEO 垃圾发送者所做的：抓取内容以获取广告流量。现在动机可能是抓取内容以获取 *AI 引用流量*。AI 公司需要快速堵住这些漏洞，否则我们将陷入复制内容的逐底竞争。 主要 AI 提供商当然*意识到*这些问题。他们不希望自己的回答变成废话，也不希望自己的信誉暴跌。例如，Google 明确表示其搜索生成式体验\*"根植于我们的核心搜索排名和质量系统。"\* 他们仍然使用垃圾检测、PageRank、有用内容系统和其他排名信号来[决定信任哪些来源](https://www.seo.com/basics/how-search-engines-work/sge-ranking-factors/?ref=hubwiz.com)。如果一个网站被正常的 Google 搜索标记为低质量，它不太可能被 Google AI 突出引用。 **OpenAI 和其他公司**面临更严峻的挑战，因为 ChatGPT 最初构建时并没有"可信来源"的概念，只是从模式中生成文本。现在 ChatGPT 可以浏览和引用，OpenAI 可能没有 Google 和 Bing 拥有的完整排名技术栈。他们需要加强这方面，也许通过整合更多 Bing 的排名或开发自己的可信度评分。 用户体验必须仍然是 AI 服务和追逐 GEO 的品牌的首要考量：回答质量就是产品。如果 GEO 策略开始损害用户体验，预计 AI 制造商会无情地调整算法——类似于 Google 2010 年代初对降低搜索结果可用性的内容农场的打击。 我的建议：如果你正在为 AI 进行优化，以真正提供价值的方式来做。这通常与被引用*和*正确一致。如果你尝试黑帽技巧（例如，在页面上隐形塞入大量问题关键词，或自动生成 100 个质量可疑的问答对），它可能在短暂的时间内有效，但随着 AI 变得更聪明，你很可能会被淘汰。 归根结底，AI 引用带来了用户的注意力。当用户跟随该引用（是的，用户确实会出于好奇或怀疑点击它们）时，他们最好落在一个令人满意的页面上。如果不是，AI 最终会了解到你的页面实际上并不有帮助。GEO 的未来将奖励那些通过成为最佳答案而*赢得*引用的人，而不是那些最激进优化的人。 ## 7、为你的内容策略做好面向未来的准备 AI 已来，并将持续存在。它会变得更聪明，我们不知道用户在 2030 年将如何使用超级智能。但以下核心理念可以作为品牌数字策略面向 AI 和 GEO 未来保障的路线图： **拥抱基础**：不要放弃[传统 SEO](https://www.uxtigers.com/post/seo-ux?ref=hubwiz.com)。相反，加倍投入技术卓越性、高质量内容和建立权威性。SEO 是被构建在其之上的生成式引擎考虑的入场费。 **像图书管理员一样思考，而不仅仅是发布者**：战略目标不再仅仅是发布页面，而是构建一个全面的、权威的和结构良好的企业知识库。你的目标是成为你领域中 AI 模型寻求可信信息时转向的最可靠、最可引用的来源。 **投资网站之外**：生成式 AI 用来确定可信度的重要信号部分存在于你自有资产之外。分配资源积极管理你的品牌在整个数字生态系统中的声誉和存在，包括评论网站、论坛、社交媒体和数字公关。 **调整你的衡量框架**：超越基于点击的指标。开始构建跟踪新 KPI（如引用频率和 AI 中的声量份额）的能力。开发可以将 GEO 投资与滞后的关键品牌级指标（如品牌搜索提升和客户转化质量）联系起来的归因模型。 **优先考虑道德和可信度**：在 AI 综合和潜在错误信息的时代，可信度是品牌最有价值的资产。避免捷径和"黑帽"策略。（AI *终将*变得足够聪明看穿它们。）专注于建立真正的、可验证的权威性。在新的格局中，你的声誉不仅仅是品牌属性；它是直接而强大的排名因素。 --- 原文链接: [GEO Guidelines: How to Get Quoted by AI Through Generative Engine Optimization](https://jakobnielsenphd.substack.com/p/geo) 汇智网翻译整理，转载请标明出处