GEO 是什么？
GEO（Generative Engine Optimization，生成式引擎优化）是一套可复核的实践：改进内容结构、可访问性与权威信号，提高品牌或页面在生成式 AI 答案中被提及、正确描述，或被当作引用信源的概率。
学术上，该术语由 Aggarwal 等人在 KDD 2024 论文（arXiv:2311.09735） 中系统提出；商业实践范围更宽。Google 搜索中心 亦强调：面向生成式 AI 搜索体验的优化，根基仍是对用户有帮助、可抓取、可信的内容——从搜索角度看属于 SEO 的延伸，而不是另一套神秘算法。
对品牌团队更直白的说法是：当客户向豆包、DeepSeek、通义、元宝或 ChatGPT 提问「怎么选」「和谁比」「有没有替代」时，你有没有被说到、说对、以及答案依据了哪类页面。
GEO 和 SEO 有什么区别？
SEO 优化搜索结果页（蓝链）的排名与点击；GEO 优化生成式答案里的品牌占位、表述与信源。成功单位不同：一次点击 vs 一次提及/引用（很多场景是零点击）。
二者共用可抓取、清晰结构、权威与体验等基础，但 KPI 必须分流。共用品牌实体与事实底座，再分别排期，比「二选一」成本更低。更完整的并行排期见 GEO 与 SEO 如何并行；可复核采样口径见 2026 Q3 方法报告。
一个可核对的例子
假设品类题是「1.5 匹空调怎么选」。SEO 关心你的对比页是否进前十；GEO 关心：豆包有没有把你写进推荐名单、排第几、引用的是测评还是官网首页。
若三个引擎里有两个完全未出现，优先补「可抽取的选型事实表 + 第三方测评」；不要先开一轮无关资讯软文。补完后用同一题集、同一引擎名单复测，看提及与引用是否移动。
- 反例：只发品牌故事，题里仍无人提到你。
- 反例：提及率升高，但全来自低意图长尾题，高意图对比题仍空白。
- 正例：先锁 15 道高意图题 → 建基线 → 按引用类型补证据 → 双周复测。
GEO 不是什么
不是训练语料操控，也不是提示词工程。不是「发得越多越好」，更不是无法复核的排行榜营销。
有效闭环是：固定问题集建基线 → 按引用缺口补可抽取证据 → 同口径复测 → 用证据包（题、引擎、日期、原件）汇报，而不是一张截图。
如何开始做 GEO？
第一步只做三件事：写出 10–20 条高意图题（选型 / 对比 / 替代）；选好目标用户真实会用的引擎；跑一轮基线，标出「未出现」与「被说混」的题。
第二步只改一类变量（例如补一类测评信源），再复测。需要工具时再用可见性监测或免费诊断；先方法，再产品。
- 本周：定题集与引擎名单，不要频繁改。
- 下周：按缺口写 1–2 篇可引用事实页或对接第三方测评。
- 双周：同口径复测，决定下一轮补什么类型的证据。