当客户开始问 AI 而不是搜索：GEO 是什么,企业怎么准备

一位企业主想给公司挑一套知识库工具。放在两年前,他会搜「企业知识库 推荐」,然后逐个点开首页的十条链接。现在,他越来越可能直接问 AI:「50 人的贸易公司,想把产品资料和报价单管起来,选什么方案?」AI 给出一段综合了多个来源的回答——他从头到尾没有见到「搜索结果页」。

对靠内容获客的企业,这带来一个新问题:当客户在 AI 的答案里完成第一轮认知,你的内容,凭什么被 AI 引用?

搜索正在变成「直接给答案」

变化有清楚的时间线。Google 在 2024 年 5 月的 I/O 大会上推出 AI Overviews(AI 概览),在传统搜索结果上方直接生成答案摘要;到 2025 年 5 月,Google 公布这项功能的月活用户已超过 15 亿,覆盖 200 多个国家和地区。同月的 2025 年 5 月 20 日,Google 又在美国全面上线 AI Mode——一个独立的对话式搜索标签页,官方称其查询长度约为传统搜索的二到三倍:用户开始用完整的问题提问,而不是敲几个关键词。

国内的节奏类似。2025 年 11 月 13 日的百度世界大会上,百度方面披露,其搜索结果中绝大部分已由 AI 生成,首条结果的富媒体覆盖率达到 70%。两条线索指向同一个方向:答案层正在截留原本流向网页列表的注意力。用户拿到答案就离开,点进具体网站的动作在减少——除非,你的内容成为答案的一部分。

GEO:为「被 AI 引用」而做的内容优化

这个课题已经有了名字和方法论。2023 年 11 月,来自普林斯顿大学、佐治亚理工学院、艾伦人工智能研究所和印度理工学院德里分校的研究者公开了论文《GEO: Generative Engine Optimization》,该论文于 2024 年 8 月在国际数据挖掘会议 KDD 2024 上正式发表。GEO(生成式引擎优化)由此得名,指的是一系列让内容更容易被生成式引擎检索、理解并在答案中引用的做法。

这项研究在 9 个领域、一万条查询上做了系统测试,结论值得记住:在内容中加入统计数据、标注引用来源、加入权威引述等手法,最多可以把内容在 AI 答案中的可见度提升约 40%。换句话说,同样的信息,组织方式不同,被 AI 引用的概率显著不同——这正是企业可以着手的空间。

GEO 叠加在 SEO 之上,不是替代它

一个容易误解的地方:GEO 不是「SEO 过时了」的故事。生成式引擎的答案仍然建立在检索之上——先检索网页,再基于检索结果组织回答,这套「先检索、再生成」的机制与RAG(检索增强生成)同理。你的内容先要能被抓取、被收录、被理解,才谈得上被引用;可抓取性、结构化数据、加载速度这些 SEO 基本功,依然是入场券。

变化在于竞争的单位。SEO 争的是结果页上的一个排名位;GEO 争的是答案里的一次引用。排名位有十个,答案里的引用位往往只有两三个——竞争更集中,对内容质量的要求反而更高了。

企业现在能做的五类动作

结合论文验证过的手法和内容运营的常识,值得投入的动作集中在五类:

• 开头直答:每篇内容的开头,用两三句话直接回答标题提出的问题,让人和机器都能立刻抓到结论;
• 结构清晰:小标题分节,一节说清一件事,机器按段落理解和摘取内容,清晰的结构就是被正确引用的前提;
• 给数据与出处:有数字、有来源的表述,比空泛的形容更容易被引用,这是论文中效果最明显的手法之一;
• 引述与署名:写明作者、机构、发布与更新时间,给引擎判断可信度的信号;
• 保持更新:生成式引擎偏好新鲜、仍在维护的内容,过期信息会被逐渐挤出答案。

这五类动作没有一条是投机技巧,本质都是把内容做得更可验证、更好引用。本站文章顶部的「核心结论」摘要框,就是同一个思路的实践——让人和机器都能在三秒内看懂这篇文章回答了什么问题。

同样要说清楚的:不确定性

有两点必须交代。第一,AI 引擎的引用机制是黑盒:哪些内容被选中、权重如何分配,平台没有完整公开,而且规则变化的速度远快于传统搜索。第二,论文里的「约 40%」是特定测试环境下的研究结论,不是对任何一家企业的效果预测。

因此,对市面上「保证被 AI 推荐」「AI 搜索排名包首位」之类的服务要保持警惕——在一个机制不透明、变化又快的系统里,没有人能保证结果。GEO 值得投入,但要以「提高概率」的心态去做,而不是花钱购买一个确定性。

答案变了,功课没变

回到开头那位企业主。他在 AI 的答案里完成了第一轮筛选,而答案引用了谁,取决于谁的内容直接、可信、有出处、持续更新。这些功课在AI 内容营销的框架里本来就该做——GEO 没有发明新的美德,它只是让老实做内容的企业,多了一个被看见的入口。与其等机制明朗,不如现在就把每一篇内容写成「值得被引用」的样子:机制再怎么变,这件事都不亏。