从核心概念、论文方法到平台能力 —— GEO 生成式引擎优化的完整术语表,持续更新。
Generative Engine Optimization
生成式引擎优化。针对 AI 搜索引擎(豆包/DeepSeek/Kimi 等)的内容优化方法学,目标是让品牌在 AI 回答用户问题时被准确提及、推荐、引用。由 KDD 2024 论文首次系统提出。
SEO versus GEO
SEO 优化的是搜索引擎排名(蓝色链接位置);GEO 优化的是 AI 对话引擎的语义引用(回答正文中被提到的方式)。SEO 时代用户先看 10 个链接,GEO 时代 AI 直接给一个答案。
Answer Engine Optimization
答案引擎优化。与 GEO 高度同义的海外叫法,强调"让品牌成为 AI 给出的那个答案"。国内语境下 GEO / AEO / AI 搜索优化指向同一件事:在生成式 AI 的回答中赢得提及与引用。
AI Search Optimization
让品牌内容更容易被豆包、DeepSeek、Kimi 等 AI 搜索工具检索、理解并写进回答的优化方法,是 GEO 在国内市场的通俗说法。核心动作:结构化内容、权威信源布局、持续监测复盘。
Generative Search
用户提问后由大模型直接生成一段完整答案(而非返回链接列表)的搜索形态。豆包、DeepSeek 联网、秘塔等均属此类。生成式搜索决定了「答案里有没有你」取代「排名第几」成为新的流量入口。
AI Citation Monitoring
追踪 AI 搜索引擎对品牌的真实引用情况,包括是否提及、命中类型(直接/间接)、情感、推荐位排名、信源等多维数据。
9-Dim GEO Index
铭文鼎成提出的 GEO 综合评分体系:提及率 20% + 推荐位排名 12% + 引用强度 12% + 稳定性 12% + 情感正向率 10% + 平台覆盖率 10% + 直接命中率 8% + 自有信源被引率 8% + 联网引用率 8%,加权综合 0-100 分。
Position-Adjusted Word Count
位置加权词频。KDD 2024 论文提出的核心指标,衡量品牌信息在 AI 答案中的位置质量。前段高权重,后段低权重。
Query Fanout Expansion
查询扩散矩阵。把客户的 1 个核心问题扩展为 25 个变体(5×5 矩阵),覆盖客户决策全旅程:推荐型/对比型/场景型/避坑型/价格型。
Lift Comparison
提升度。文章发布前 vs 后的 GEO 指数差值,衡量单篇内容的真实 ROI。
Structured Data Markup
结构化数据标记。在 HTML 的 <head> 注入 JSON-LD 让 AI/搜索引擎正确理解页面内容(产品/FAQ/组织/面包屑等),GEO 必备。
Quotation Addition (+42.6%)
KDD 2024 实证最高收益方法。在正文加入带引号的专家/客户直接引述。AI 倾向把带引号的整段拿来复用,品牌名一并复述。
Statistics Addition (+32.8%)
每个核心论点配具体数字 + 单位 + 时间。如「服务很多企业」改为「已为 37 家落地 AI,平均缩短 40% 评审周期」。
Fluency Optimization (+28.7%)
句子短而清晰,平均长度 ≤30 字。减少被动句和「致力于/秉持/打造/赋能」类套话。
Cite Sources (+27.7%)
正文引用 2-3 处权威来源(政府报告/行业协会/权威媒体),用「据 XX 报告」「YYYY 年 ZZ 数据」格式。
Technical Terms (+18.5%)
适度补充本行业 3-5 个专业术语 + 简短解释,既体现深度又不致难懂。
Easy to Understand (+13.8%)
复杂概念用「打个比方」「就像...」通俗表达包装,C 端用户读得懂。
Authoritative Tone (+11.8%)
用自信、确定的措辞,避免「可能/也许/大概/或许」等弱化词。
Unique Words (+6.2%)
避免万能词,用本品牌/本行业独特表达。
Keyword Stuffing (-8.7%)
⚠ 反模式。同一关键词在 1 个段落内重复 ≥5 次。论文实证导致 AI 引用率下降 8.7%。
Qualitative Overload
⚠ 反模式。「致力于/极致/卓越/打造/赋能/全方位/一站式」等定性副词在段落内 ≥5 处。AI 倾向跳过定性表达,缺少量化数据支撑。
Direct Mention
实体名(含别名)原样出现在 AI 回答中。最强的引用证据。
Indirect Mention
未出现实体名,但通过明确描述指代了该企业(如"上海某家做工业激光的厂家"恰好对应实体)。
Stability
同一 query 多次采样间的波动程度反比。AI 答案漂移 40-60% 普遍存在,通过均值+标准差+95% 置信区间量化。
Residential IP Sampling
通过用户家用/办公电脑组成的节点池采样,每次请求带真实 Chrome + 真实 cookies + 真实 IP,与用户真实体验一致,绕过数据中心 IP 限流。
Sentence-level Attribution
把 AI 回答拆成句子,每句标注来自哪些 URL 或 AI 自身概括。直接看到"AI 这句话引自哪里"。
Two-stage Semantic Judgment
阶段 1:规则粗筛(字符串/别名/同名歧义过滤)+ 阶段 2:LLM 精判(直接/间接/位置/情感/置信度)。低置信自动折扣,不虚高。
Gap Query
竞品独占的查询 — AI 推荐了竞品但没推荐你。GEO 优化的最优先攻克方向。
Lead Query
你独占的查询 — AI 只推荐你不推竞品。要守住护城河,持续巩固内容。
Shared Query
你和竞品都被 AI 推荐 — 排名和强度是这里的重点优化项。
Miss Query
你和竞品都没被推荐 — 整个行业的内容空缺,新进入者机会窗口。
GEO Content Generation
基于 KDD 2024 论文方法生成 AI 友好内容。选题挖掘 → 文章生成(1500-3500 字)→ Schema.org JSON-LD → 多平台适配。
Industry Profile
行业适配配置文件。8 大行业(法律/医美/SaaS/制造/教育/餐饮/咨询/连锁)各自的 ~50 个论文级问题模板 + 维度权重 + 推荐方法系数。
Content as Data
区块化建站的核心理念:页面 = 一组结构化区块([{类型, 内容}]),内容与版式解耦。换风格 / 重新生成只换布局,不毁手填文字,并能精确导出 Schema.org 结构化数据。
AI-Native Website
以"被 AI 引用"为第一目标设计的官网:答案优先首屏、FAQ 必出、结构化数据自动注入、llms.txt 清单、静态渲染对爬虫友好。不是给人看得好看,而是让 AI 读得懂、引得到。
LLMs Manifest
放在网站根目录、专给 AI 爬虫看的 Markdown 清单(类比 robots.txt)。列出站点核心信息、页面、产品/服务、客户案例、FAQ,让 AI 一眼看懂"这家公司是谁、卖什么、服务过谁"。
GEO Audit
对网页"可被 AI 引用性"的体检评分:结构化数据、FAQ、元信息、标题层级、内容充实度、可引用结构(列表/表格)六维加权,像红绿灯一样在发布前告诉你"AI 会不会引用这页"。
Answer-First
首屏 / 段首直接给出"是谁、解决什么、关键数据"的完整答案,而不是层层铺垫。AI 抽取答案时优先复用自包含、有主语、带数据的句子。
EEAT Signals
经验 / 专业 / 权威 / 可信(Experience, Expertise, Authoritativeness, Trust)。作者署名+资质、引用来源、更新日期、真实数据、客户证言 —— AI 更愿引用带这些信号的内容。
Product & Offer Markup
Schema.org 的产品结构化:Product(名称/图片/规格 additionalProperty)+ Offer(价格/币种/库存)。价格必须是数字(¥9,800 → 9800),让 AI 能直接回答"这东西多少钱"。
GEO Chatbot / AI Concierge
挂在官网的 AI 客服机器人,基于企业自己的知识库(产品/案例/FAQ)做 RAG 检索增强问答。既承接访客咨询,又把每条真实提问回流成 GEO 选题。开箱即用,一键开关。
RAG Guardrails
AI 客服的防幻觉边界:只用检索到的企业知识作答,检索不到就如实说"暂无资料"并引导转人工,绝不编造价格/承诺/资质。让 AI 客服敢真正上线。
Question Flywheel
AI 客服沉淀的访客真实提问 → 自动聚类成高频问题 → 一键转成 GEO 选题与文章 → 内容反哺 AI 引用与客服知识库。访客问得越多,内容越准,形成正向循环。
Smart Business Card
AI 可引用的在线企业名片:结构化呈现品牌、产品、联系方式与小程序码,自带 Schema.org 标记,既方便人转发,也方便 AI 抓取引用。切换品牌时内容自动同步。
Visitor Radar
智能名片 / 落地页的访客行为追踪:谁看了、看了多久、点了哪个产品、留没留资。把"被动等咨询"变成"主动看意向"。
Expert Review & Distribution
真人行业专家对 GEO 文章做事实核查与润色,再代发到权威媒体 / 行业站,补足自动生成内容缺失的权威信源(EEAT)。按月配额:入门版 1 篇、专业版 4 篇,可加购。
Media Placement
把 GEO 文章分发到第三方媒体与平台,扩大被 AI 抓取引用的信源面。AI 更信任"多个独立站点都提到"的品牌。
Managed GEO Proposal
输入任意网址,一键生成该网站的可视化 GEO 优化提案:现状评分、六维诊断、优先动作清单,可分享、可导出 PDF。销售 / 代运营开口的第一份材料。
Lift Re-measurement
文章发布后自动安排二次采样,对比发布前后的 9 维 GEO 指数,量化"这篇内容到底带来多少 AI 引用提升"。让内容 ROI 可证明,而不是凭感觉。
Proof of Impact
把 Lift 复测、引用变化、竞争声量趋势打包成可分享的成效报告。对内汇报、对外签单都有据可依,替代"我觉得有效"。
Article Import
把平台外已有的文章手动导入系统,纳入多平台投放与 AI 引用监测。不强制内容必须由平台生成,存量内容也能进入 GEO 闭环。
Keyword Universe
Query Fanout 的可视化星图:把核心问题扩散出的几十个查询变体,按推荐 / 对比 / 场景 / 避坑 / 价格分成"星系",一眼看到客户决策旅程里你被 AI 覆盖与缺失的位置。
Live Sampling Feed
采样节点正在跑哪个平台、哪个 query、命中没命中,以事件流形式实时滚动呈现。让"AI 引用监测"从黑盒变成看得见的过程。
Trust Theater
采样过程的可视化证据:每次采样可附真实录屏与截图,证明数据来自真人浏览器里 AI 的真实回答,而非后台估算。眼见为实,杜绝"刷数据"质疑。
Priority Rotation
监测查询的智能调度:高价值 / 易波动的 query 测得更勤,稳定的 query 降频,在有限采样配额下把算力花在最该盯的查询上。
Share of Voice
声量占比。在一组共同查询里,AI 答案提及你 vs 提及竞品的比例。GEO 时代的"市场份额",直观看到你在 AI 心智里占了多大盘子。
Multi-Brand Workspace
一个账号下管理多个品牌 / 门店 / 子公司,每个品牌有独立的资料库、内容、监测与配额,一处总览所有品牌的 GEO 健康分,一键切换、归档与回收站。代理公司和多门店企业无需来回登录切号。
Brand RBAC
品牌内的团队权限模型:管理员 / 主管 / 编辑 / 查看 四种角色,按品牌精细授权 —— 谁能改资料、谁只能写文章、谁仅可查看。让内容生产像团队一样分工协作。
Content Plan Canvas
把选题 → 文体 → 受众 → 提示词拖成一张可视化画布,节点里直接选参数、点一下批量生成。团队协同排期,一眼看清这个月的内容计划。
Content Journey Attribution
追踪单篇内容从发布到被 AI 引用的全链路,量化它带来的 GEO 指数提升(Lift)。把"这篇内容到底有没有用"从凭感觉变成有数字,内容 ROI 可证明。
Channel Distribution
面向代运营 / 营销服务商的合作模式:用白标平台把 GEO 打包成自己的服务卖给客户。分一级渠道商(加盟费 5 万 · 渠道专属价 · 可在所辖省份招募认证服务商)与二级渠道商(加盟费 3 万 · 渠道专属价 · 平台直签、与一级平级、不招下级)两档。含白标交付、客户健康总览、方法论模板、代操作留痕与一键提案。
White-Label Delivery
报告、AI 原生站、智能名片、对客分享链接默认走服务商自己的品牌名与 Logo。客户看到的是"你的 GEO 服务",而非底层平台,品牌一致性不打折。
Discounted Wholesale Pricing
渠道商按档位享受平台功能的折扣采购价(一级渠道商 渠道专属价、二级渠道商 渠道专属价)。卖给客户的价格由渠道商自定,差价即利润。商业模式为「一次性加盟费 + 折扣拿货价」,已取消早期的按月额度池模式。
Acting-as Audit Trail
服务商替客户操作时全程标记、可追溯,客户侧可见"服务商代为操作"。既保证规模化交付效率,又让代运营关系透明可信。
Brand Narrative Consistency
AI 生成回答时会跨多个来源比对一个品牌的说法。若官网、文章、AI 原生站对同一事实(定位 / 成立年份 / 核心数据)口径不一,AI 难以形成稳定可信的认知,引用率随之下降。平台「口径一致性体检」自动跨资产揪出自相矛盾处并给修复建议。
Per-Platform Playbook
不同 AI 平台引用的信源结构不同。基于你自己的监测数据反推每个平台(豆包 / DeepSeek / 通义 / 秘塔等)更常引用哪类第三方信源、对你的提及率与自有官网被引率,给出逐平台的内容投放打法 —— 而非照搬无出处的偏好表。
Content Journey Attribution
把一篇内容从选题 → 创作 → 全渠道分发 → 被 AI 引用 → GEO 提升缝成一条可追踪的线,用发布前后的 Lift 量化单篇 ROI,让「这篇到底有没有用」从凭感觉变成有数字。
Entity Grounding (knowsAbout)
通过 Schema.org 的 knowsAbout / about 字段,把品牌的核心词、品类、产品显式声明为结构化实体,帮 AI 准确把内容挂到你这个品牌实体上、在相关提问里更容易把你想起来。
Citation-Learning Flywheel
持续采集 AI 答案里真正被引用的内容,拆解它们的结构与信号,纯客观沉淀成「什么样的内容更容易被引」的策略数据,再反哺下一批文章生成。监测得越久,生成越准,形成越用越强的护城河。区别于客服侧的「问题飞轮」,这条飞轮学的是 AI 引用规律本身。
Per-Brand Playbook Profile
为每个品牌单独建立的 GEO 内容策略画像(geo_playbook):结合所在行业、地域、产品与自身被引数据,推导出这个品牌专属的选题方向、信源梯队与表达风格。因此同一套引擎为不同品牌生成的文章因品牌而异,而非套同一个模板。护城河是每个品牌的被引策略数据,而非提示词文本。
Knowledge Relation Graph (GraphRAG)
把品牌官网与资料解析成「实体—关系」网络(产品、人物、案例、概念之间显式连线),让 AI 客服与文章生成不只做关键词检索,而是顺着关系图谱做 GraphRAG 多跳推理,答案更连贯、更懂业务上下文。可在平台里直观查看品牌的知识关系网。
Knowledge Unit
品牌建设的最小语义颗粒。把官网、产品资料、文档拆解成一个个结构化知识单元(一段事实 / 一条卖点 / 一个案例),既是知识图谱的节点,也是 AI 客服检索与文章取材的来源。平台会显示每个单元被多少篇内容取用,让品牌资产「被用了多少」一目了然。
AI Impression Word Cloud
把多个 AI 平台谈论你品牌时反复出现的高频词汇,聚成一张词云。直观看到「AI 眼里你是谁」—— 是被贴上了专业、性价比、某品类领先这些标签,还是和你想要的定位有偏差,为内容口径校准提供依据。
First-Position Recommendation Rate
在 AI 给出的推荐 / 榜单类回答里,你被排在第一位(首推)的占比。提及只是入场券,首位才最可能被用户直接采纳。它是衡量 GEO 心智强度的关键指标,也是 9 维 GEO 指数中「推荐位排名」的直观抓手。
Retrieval Rerank
AI 客服与知识检索的二次精排环节。先用向量检索粗召回一批候选知识,再用专门的 rerank 重排模型按与问题的真实相关度重新打分排序,把最该用的那条顶到最前。相比只看向量相似度,显著降低答非所问与幻觉。可在平台为该环节单独选配模型。
Brand House
品牌的结构化事实底座:把定位、核心价值、产品 / 服务、目标客户、差异点、关键数据等一次性梳理成一处权威来源。所有 GEO 内容(文章、AI 原生站、客服、名片)都从品牌屋取同一口径,保证 AI 跨来源比对时认知一致,是品牌建设的起点。
Localized GEO
围绕「行业 × 城市 × 决策词」做本地化的 GEO 优化:在内容与监测里显式注入所在地信息(如「上海做工业激光的厂家」),让品牌在带地域意图的提问中被 AI 优先想到。平台的地域监测会自动生成一批本地化查询并纳入采样,看清你在目标区域的 AI 可见度。