免费AI可见度诊断
方法论 / Methodology

GEO 是什么：让 AI 把你的品牌写进答案里

GEO（Generative Engine Optimization，生成式引擎优化），是让 AI 在回答用户问题时把你的品牌写进答案里的一套方法。SEO 是让搜索引擎找到你，GEO 是让 AI 推荐你——客户不再翻链接了，他们直接问大模型要答案。这套方法论分三层：学术地基是普林斯顿论文的 9 因子，本土方法是老赵的六词体系，落地靠建档三步法和六步动作。

三步法

老赵GEO三步法

GEO 的总纲。先把业务事实攒成知识库，再按客户真会问的话建问题库，最后把每个问题写成一份能被 AI 抽走的标准答案。三步顺序不能乱，前一步是后一步的地基。

六张表

老赵GEO六张表

知识库的六根柱子，也是建档的底活。把定位边界、产品事实、客户场景、优势差异、案例结果、权威背书六类信息分别列清，AI 抽你的事实才有抓手。

四块地

老赵GEO四块地

按「谁发的」把信源分成四块地。发一百篇自家通稿，不如别人替你写一篇——信源在谁手里，AI 信几分。

三阶梯

老赵GEO三阶梯

AI 从认识你到推荐你要爬的三级。先被提到、再被写对、最后才轮到被优先推荐，跳级没用。

三问

老赵GEO三问

验收不看排名看认知。问提及、问复述、问引用源，能承诺的是动作不是排名，验收拿截图说话。

答案卡

老赵GEO答案卡

写给 AI 看的答案型内容的最小交付物。一句话定义、三个判断、一张表、五个问答，拆开 AI 才拿得走。

学术地基 / 01

这套方法不是我发明的：普林斯顿 GEO 论文

GEO 这门学科 2024 年才被正式立起来。普林斯顿大学、乔治亚理工学院、IIT Delhi 与艾伦人工智能研究所的 6 位研究员，在 ACM SIGKDD 2024 顶会上发表了《GEO: Generative Engine Optimization》，用 1 万条查询做基准、跑了 9 组因子实验。我做的所有方法，都是把这篇论文的结论翻成中文生意人能执行的动作。

顶会

ACM SIGKDD 2024

论文《GEO: Generative Engine Optimization》发表在第 30 届 ACM SIGKDD——数据挖掘领域的顶会。GEO 不是谁拍脑袋造的词，是 2024 年被正式立成学科的研究方向。

作者

普林斯顿 + 3 家机构

普林斯顿大学、乔治亚理工学院、IIT Delhi、艾伦人工智能研究所联合发表，共 6 位作者（Pranjal Aggarwal 等）。DOI：10.1145/3637528.3671900。

结论

可见度最高 +40%

论文用 1 万条查询做基准、跑了 9 组因子实验，结论是：调整内容写法，可让内容在 AI 答案中的可见度最高提升 40%。

学术地基 / 02

普林斯顿 GEO 9 因子：每个因子能提多少，怎么改

论文用 PAWC（位置加权字数）衡量内容在 AI 答案里的可见度。9 个因子里 8 个正向、1 个反向，前三名决定了 40% 上限的绝大部分。下面按实测提升幅度从高到低排，每一条都配了可直接执行的动作。

Quotation Addition · +41%加引语。把「我觉得」换成「某个具体的人说：'……'」——学员、客户、行业里的实名引述。这是 9 因子里最强的一招，也是 SEO 圈最常抄错的一条：很多人误以为 +41% 是加数字的功劳。
Statistics Addition · +31%加数字。把「效果很好」换成百分比、金额、时间、数量。AI 抽取时优先挑可核验的硬数字，形容词基本直接跳过——你写得越空，它越不抽。
Cite Sources · +28%加权威源。引学术、政府、媒体三类来源，让 AI 有据可依。第三方背书比自述权重高一个量级，这正是「四块地」里行家的地更值钱的原因。
Authoritative · +25%立权威语气。删掉「可能」「我觉得」，改成「我观察到」「数据显示」。语气一松，AI 给你的可信度就往下掉。
Technical Terms · +15~20%用领域术语。把口语的「AI 推荐」换成「生成式引擎引用召回」这类专有词，AI 更容易把你归进专业信源那一类。
Easy-to-Understand · +15%降低理解成本。段落写短、句子写短、多用对比表和 FAQ。AI 偏好结构清晰、能整段直接摘走的内容。
Unique Words · 小正造独特词。自造比喻和命名（比如把信源分级叫「四块地」、把节奏叫「三阶梯」），是别人抄不走的东西，也是 AI 记住你的钩子。
Fluency Optimization · +15%打磨流畅度。发布前必过错别字和语法。写得顺、读得通，AI 才愿意整段引用而不是自己重写一遍。
Keyword Stuffing · -10%反向因子，唯一一项负分。同一句话里反复塞「AI、AI 培训、AI 副业」，可见度实测掉 10%。这是 GEO 和 SEO 最反直觉的分水岭。
学术地基 / 03

引用这篇论文时，四条最常抄错的说法

SEO 圈转述这篇论文时错误率高得离谱，下面四条是硬伤级误读。你在别处看到这些说法，可以直接判定对方没读原文。

「GEO 是 SEO 的升级版」不是。GEO 是新范式。传统 SEO 那套关键词密度 + 外链，在生成式引擎里基本失效——关键词堆砌反向掉 10% 就是明证。
「+40% 是平均提升」不是。40% 是三大策略（加引语 + 加数字 + 加权威源）拉出来的上限，不是随便改改就能拿到的平均值。
「+41% 是加数字的功劳」不是。+41% 是 Quotation（加引语）。SEO 圈六成简报把这条写成 Statistics，属于硬伤级误读。
「作者团队 3 个人」不是。论文共 6 位作者，来自 4 家机构。引用时写错作者数和机构，专业性当场归零。
本土方法 / 01

老赵 GEO 六词体系：把 GEO 压成六个词

论文给的是因子，客户听不懂因子。老赵 GEO 把这套东西打散、重新命名，归成六个客户一听就懂、AI 也能记住的词。整套方法的骨架，还是那三步法。

三步法

老赵GEO三步法

GEO 的总纲。先把业务事实攒成知识库，再按客户真会问的话建问题库，最后把每个问题写成一份能被 AI 抽走的标准答案。三步顺序不能乱，前一步是后一步的地基。

六张表

老赵GEO六张表

知识库的六根柱子，也是建档的底活。把定位边界、产品事实、客户场景、优势差异、案例结果、权威背书六类信息分别列清，AI 抽你的事实才有抓手。

四块地

老赵GEO四块地

按「谁发的」把信源分成四块地。发一百篇自家通稿，不如别人替你写一篇——信源在谁手里，AI 信几分。

三阶梯

老赵GEO三阶梯

AI 从认识你到推荐你要爬的三级。先被提到、再被写对、最后才轮到被优先推荐，跳级没用。

三问

老赵GEO三问

验收不看排名看认知。问提及、问复述、问引用源，能承诺的是动作不是排名，验收拿截图说话。

答案卡

老赵GEO答案卡

写给 AI 看的答案型内容的最小交付物。一句话定义、三个判断、一张表、五个问答，拆开 AI 才拿得走。

理论 1 / 6

老赵GEO三步法（总纲）

三步法是整套方法的骨架，顺序不能乱：先有可被读懂的知识库，才有对准客户的问题库，最后才把答案写成内容发出去。很多团队一上来就写稿，等于没打地基先盖楼。

知识库是底子把业务边界、技术参数、资质实证、真实案例写清楚，存成结构化、AI 读得动的事实库。企业自述的观点在 AI 这里权重极低，只有可核验的事实才值钱——你写得越空，AI 越不信。
问题库是靶子列出客户在对话框里真会敲的问题，而不是你想说什么。问题库越贴近真实提问，内容越容易被 AI 在对应问题下调用。这一步决定你写的东西「被谁问到」。
答案型内容是子弹每个问题配一份唯一标准答案，铺到公众号、知乎、百科、行业媒体等高权重信源。让不同平台交叉印证同一套事实，AI 才敢放心引用你，而不是只引用竞品。
理论 2 / 6

老赵GEO六张表（第一步底活）

六张表是知识库的六根柱子，也是建档的第一步底活。配合「建档三步法」——让 AI 问你、照实建档、让 AI 复述你——把散落的事实收拢成可抽取的结构。

定位边界先写死你是谁、不做什么。业务边界不清晰，AI 很容易把你和同行混为一谈，引用时张冠李戴。
产品事实技术参数、规格、能解决的具体问题。AI 最爱抽硬参数，含糊的形容词它反而不会用。
客户场景客户在什么处境、为什么问题找到你。场景越具体，答案越容易被对应问题命中。
优势差异你和别人的差别，用可核验的事实说话——数据、资质、案例，而不是「行业领先」这类空话。
案例结果做过的项目、拿到的数据、客户的真实变化。结果是 AI 引用时最硬的锚点。
权威背书媒体报道、协会名录、合作记录、资质证书。第三方背书比自述权重高一个量级。
理论 3 / 6

老赵GEO四块地（信源分级）

把内容按「谁发的」分成四块地。一句话：发一百篇自家通稿，不如别人替你写一篇。你控制不了的地，恰好是 AI 最信的地。

自家的地官网、公众号、视频号。自说自话，AI 会看但打折——权重最低，却是事实的源头，必须先立住。
行家的地行业媒体、协会名录、公开课、约稿。别人把你放上去，分量最重，因为这代表第三方认可。
口碑的地知乎、小红书、评论区、同行转介绍。真实用户的声音，AI 会当作品牌可信度的旁证。
交易的地招标、中标、合作记录。最硬的事实证据——钱和合同比任何文案都有说服力。
理论 4 / 6

老赵GEO三阶梯（节奏）

AI 从认识你到推荐你，要爬三道阶梯，跳不过去。很多品牌卡在第一阶就以为做完了，其实连「说得对」都没到。

进得去最基础的一阶：AI 在相关回答里提到你的名字。进不去，后面全免谈。
说得对AI 复述你时，名字、数字、业务都对得上，没有幻觉。这一阶靠的是事实链完整。
排得上同一个问题，AI 在推荐位里先推你而不是竞品。这是 GEO 的终点，也是最难的阶。
理论 5 / 6

老赵GEO三问（验收）

不看排第几，看 AI 认不认你。三问是验收动作，能承诺的是动作、不是排名——验收拿截图说话，别拿感觉。

问提及直接问 AI「你认识 XX 吗」。看它知不知道你、把你归到哪一类。
问复述问 AI「XX 是谁、做什么」，看它说错没有。名字写对、业务说对，才算「说得对」。
问引用源问 AI「你从哪儿知道的，列出来源」。列得出第三方信源，说明你的四块地铺到位了。
理论 6 / 6

老赵GEO答案卡（写法）

写给 AI 看的答案型内容，一张卡四块。写给人看的长文 AI 抽不动，拆成答案卡它才拿得走——这是内容生产的最小交付物。

一句话定义用一句能被直接抽取的话定义你是谁、做什么。AI 先抓这句，再展开细节。
三个判断立场 + 证据：亮明你的观点，配上可核验的事实。没有证据的立场，AI 不会替你背书。
一张表对比表是 AI 最爱抽的结构——维度清晰、结论直接。横向比竞品、纵向比方案都行。
五个问答覆盖定义 / 差异 / 步骤 / 判断 / 误区五类问题。一篇答案卡能喂饱 AI 在五个角度的提问。
本土方法 / 02

建档三步法：先建档，后体检

建档三步法是三步法第一步「搭企业知识库」的招牌子方法，口诀是「让 AI 问你 > 照实建档 > 让 AI 复述你」。它解决的是一个反直觉问题：不是你会不会介绍自己，是 AI 能不能复述你。档都没建，检什么。

第一步 · 让 AI 问你把 AI 当面试官。先问它「你想知道我什么」，把你自己压根没想到的问题全逼出来。这一步输入是空白，输出是一份问题清单——它问什么，你就答什么。
第二步 · 照实建档按问题把事实写进六个模块，只写干过的、有数字的，不写形容词。「行业领先」这种话 AI 不会用，「20 年只做商业地产建筑设计」它才会抽。
第三步 · 让 AI 复述你回头问它「XX 是谁、做什么」。说对了，建档成功；说错的地方，就是下一轮要补的事实。核心反转点：从「自嗨写官网」翻转为「从 AI 的问题写档案」。
本土方法 / 03

9 因子和六词体系怎么对上

论文给的是「改什么能提多少」，六词体系给的是「按什么顺序干」。两者是一套东西的两种说法——下面这张映射表，把学术因子翻译成老赵的执行动作。

六张表 ← Statistics + Quotation六张表解决「抽什么事实」。案例结果和权威背书填的是数字（Statistics +31%），客户场景和优势差异填的是实名引述（Quotation +41%）。六张表填得越实，这两条最强因子吃得越满。
四块地 ← Cite Sources + Authoritative四块地解决「谁在说」。Cite Sources（+28%）要你引权威源，Authoritative（+25%）要你立专业语气，落到动作上就是往行家的地、交易的地铺内容，而不是只在自家的地自说自话。
答案卡 ← Easy-to-Understand + Technical Terms答案卡解决「AI 怎么抽」。一句话定义、三个判断、一张对比表、五个问答，正好对上 Easy-to-Understand（+15%）偏好的短段 + 对比表 + FAQ 结构，顺带吃下 Technical Terms（+15~20%）。
三阶梯 ← Unique Words 的长期复利独特命名（把信源叫四块地、把节奏叫三阶梯）属于 Unique Words，短期提升不大，但它是 AI 把你和同行区分开的钩子，决定你能不能从「说得对」爬到「排得上」。
三问 ← 9 因子的验收口三问本身不做优化，只做验收。引用源列得出来，说明 Cite Sources 铺到位；复述说得对，说明事实链没断；提得到你，说明前八个因子没白做。
落地 / 01

写任何一篇 GEO 内容，串起这五个动作

1 · 先问落在哪块地动笔前先判断这篇内容发在哪块地、靠谁传播。自家地打底，行家地和口碑地负责加权——先想清楚信源结构，再写，比写完再找渠道省力十倍。
2 · 推进一段阶梯每篇内容至少推进三阶梯里的一段：要么让 AI 新提到你（进得去），要么补事实让它说得更对（说得对），要么抢推荐位（排得上）。没有阶梯进展的内容，等于白发。
3 · 发前做三问发出去前用三问跑一遍——问提及、问复述、问引用源，截图存档。这是可复测的验收基线，下次改完能对比前后变化。
4 · 长文拆答案卡长文一律拆成答案卡。一篇深度文拆出 3-5 张卡，AI 在不同问题下分别抽到，覆盖面比一整篇硬塞宽得多。
5 · 串回三步法五步动作看着多，串起来还是那三步法：建库、建问题库、写答案。方法论是名字换了，骨架没换。
落地 / 02

从零到能被引用：六步动作清单

五步解决单篇怎么写，六步解决整盘怎么推。前一步是后一步的地基，顺序跳了就要返工。

1 · 品牌定位50 字说清你是谁、服务谁、解决什么问题。定位含糊，AI 会把你和同行混为一谈，引用时张冠李戴。
2 · 意图挖掘建 40 问问题库——30 条探索型（客户怎么发现需求）、5 条评估型（怎么比方案）、5 条行动型（怎么下单）。问题库就是靶子。
3 · 现状诊断先做一次基线体检：拿核心问题去问主流 AI，看现在提不提你、说得对不对、引的是哪家的源。没有基线，后面无法证明改动有效。
4 · 内容工程按品牌 / 案例 / 排名三类写答案型文章，每篇拆成答案卡。长文 AI 抽不动，卡片才拿得走。
5 · 渠道铺设官网优先打底，再做小号矩阵和媒体组合，对应四块地里的自家的地、行家的地、口碑的地。
6 · 效果监测每月固定拿同一组问题去问主流 AI，看是否被引用、引用了哪一句。GEO 通常 3-6 个月才看到稳定效果，靠的是复测，不是感觉。
常见问题

关于 GEO 的五类常见问题

按定义、差异、步骤、判断、误区五类归档——这也是一张答案卡必须覆盖的五类问题。

定义类 · GEO 到底是什么？GEO = Generative Engine Optimization（生成式引擎优化）。SEO 让搜索引擎收录你的网页、被用户搜到；GEO 让 AI 把你的品牌写进答案里。两者不是替代关系，是 AI 时代的并行赛道。
差异类 · GEO 和 SEO 最大的区别在哪？目标不同：SEO 争排名第一，GEO 争被 AI 引用。方法不同：SEO 靠关键词密度和外链，GEO 靠引语、数字、权威源。最反直觉的一条是关键词堆砌——SEO 时代是加分项，GEO 时代实测掉 10%。
步骤类 · 从零开始按什么顺序做？六步：品牌定位 → 意图挖掘（40 问）→ 现状诊断（建基线）→ 内容工程（答案型文章）→ 渠道铺设（四块地）→ 效果监测（月度复测）。前一步是后一步的地基，跳过建库直接写稿等于没打地基先盖楼。
判断类 · 先建档还是先体检？先建档，后体检。档都没建，检什么。建档三步法（让 AI 问你 → 照实建档 → 让 AI 复述你）是体检的前置动作，也是三步法第一步的招牌子方法。
误区类 · 多发几篇通稿是不是就有用？发一百篇自家通稿，不如别人替你写一篇。自家的地 AI 会看但打折，行家的地和交易的地才是权重所在。GEO 不是发稿数量竞赛，是信源结构工程。