生成式引擎优化（GEO）
行业白皮书

1.1 搜索的三次迁移

互联网信息入口经历了三次迁移：门户/分类目录 → 搜索引擎（十条蓝链）→ 生成式答案引擎（一句话答案）。在前两个时代，企业争夺的是"排名与点击"；在答案引擎时代，AI 直接综合多个信源生成结论并附引用，用户越来越少点进网页。企业争夺的对象随之变成"被写进答案、且被写对"——本白皮书称之为从"流量分配"到"认知占有"的跃迁。

1.2 入口迁移的规模（数据与口径）

这一迁移已有可观测的规模数据，但需严格区分实测与预测：

1.3 零点击与"认知占有"

答案引擎把"检索—筛选—比较—综合"四步压缩成一次对话，大量提问在答案页即被满足（零点击）。这意味着：网页是否被点开不再是唯一目标，品牌信息是否进入 AI 的答案、以什么立场和措辞进入，才是新战场。当用户问"西安哪家做 GEO 比较专业""某产品怎么样"时，AI 给出的那句结论与它引用的信源，直接决定了品牌是否进入候选集。

1.4 哪些企业最先受影响

• 信息型/研究型需求强的行业：高客单、决策周期长，用户习惯先问 AI（To B 制造、专业服务、企业软件、医疗教育咨询）。
• 本地到店与连锁："附近哪家好""西安 XX 推荐"类问题直接带来到店/询盘。
• 品牌词在 AI 中缺失、说错或被竞品占位的企业：基线一测即见，问题越明显、GEO 边际收益越高。

2.1 定义

生成式引擎优化（GEO，Generative Engine Optimization）：面向生成式 AI 搜索与问答场景，通过合规的技术、内容、信源与数据手段，提升企业真实、可核验信息被生成式引擎发现、引用与准确描述的概率的持续活动。其对象是"信源与答案"，产出是"可被长期引用的信息资产"，而非一次性广告位。

信源：生成式引擎检索、筛选并据以生成答案的网页与内容；可见率：在固定问题集的有效样本中，品牌信息被 AI 答案提及的比例（GEO 的北极星指标，详见第 5 章）。

2.2 与相关概念的边界

2.3 企业影响 AI 答案的三条路径

2.4 L1–L4 四层技术框架

2.5 企业就绪度六维自测（简版）

可从六维快速打分（每维 1–5 分，完整版见第 6 章）：①官网可索引性；②实体口径一致性；③内容可引用度；④信源权威度；⑤语料/知识库资产；⑥测量与合规机制。低于 3 分的维度优先补课，通常中国企业的短板集中在②实体一致性与⑤语料资产。

3.1 答案生成的基本流程

一次联网问答通常经历：理解问题 → 检索候选信源 → 按相关性/权威性/时效性筛选排序 → 综合生成答案 → 标注引用来源。GEO 能影响的是"成为高质量候选信源"与"候选信源里的事实是否准确一致"，而不是生成结果本身。

3.2 三维评估与信源六分层

引擎普遍沿三维筛选信源：相关性（是否直接回答该问题、语义是否匹配）、权威性（来源是否官方/专业/被广泛引用）、时效性（信息是否最新、有无日期）。据此可把企业可用信源分为六层：

1. 自有官方层：官网、官方博客、官方文档、llms.txt、结构化数据；
2. 权威第三方层：政府/协会/标准、权威媒体、百科、行业白皮书；
3. 平台生态层：搜索引擎/AI 生态内的认证企业号、官方店铺、地图；
4. 专业社区层：知乎、专业论坛、行业社区的高质量回答；
5. 真实口碑 UGC 层：真实用户评价、案例（须真实，禁止编造）；
6. 多模态层：短视频、图文笔记、播客（靠标题/字幕/标签被理解）。

3.3 八大平台数据源映射（月度维护）

3.4 主动收录与机器可读出口

• 六大站长平台主动提交（百度/必应/360/搜狗/头条/夸克等）XML Sitemap 与核心页；
• Schema.org JSON-LD：Organization、WebSite、FAQPage、Product/Service、Article、BreadcrumbList，标记须与可见内容一致，禁伪造评分/FAQ；
• llms.txt：在站点根目录提供面向 AI 的内容索引（可选但推荐）；
• 完善百科词条、认证企业号、地图 POI，保证名称/地址/电话/营业时间一致（NAP 一致性）。

3.5 实体一致性：置信度的乘数

当官网、百科、公众号、媒体、地图对"品牌全称、产品、成立时间、总部、资质、价格"的表述一字不差且互相印证时，模型对该实体的置信度显著提升；若多处矛盾，模型可能回避或采信错误版本。这正是第 4 章"实体主档＋事实台账"要解决的问题。

4.1 为什么需要语料工程

答案引擎倾向引用"事实清晰、结构规范、来源可信、彼此一致"的内容。零散软文既无法稳定通过信源筛选，也无法验收。企业需要像管理产品数据一样管理语料：分类、分级、标注、质检、入库、使用、归档、销毁全流程留痕。

4.2 语料五分类与 1–5 星可信分级

每条语料按可信度评为 1–5 星，从文本/图文/视频/音频多维度评估内容清晰度、事实可核验性、来源权威性、结构规范度与时效性；高星级语料优先用于私有库与权威信源投放。

4.3 采集、清洗、标注与质检阈值

• 去重：重复/高度重合内容去重率应 >80%，多平台不"一稿群发"；
• 质检抽样：≤500 条全检；>500 条抽 10%；问题率 >3% 扩检至 50%、>5% 全检；高合规行业 100% 全检；
• 标注五字段：来源、采集时间、可信等级、适用场景、有效期；
• 盲审：标注/质检与生产分离，双人复核高风险内容。

4.4 综合可信等级（语料库 1–5 级）

评级可自测或由第三方机构出具；样本分层随机抽取，结论附方法与口径。

4.5 抽样与合格阈值（验收用）

4.6 全生命周期与高合规信源

• 生命周期：采集→清洗→标注→入库→使用→归档→销毁，全链路留痕；
• 留存：按密级与法规保存（参考 10/5/2 年），日志自服务终止起留存不少于 3 年；
• 纠错：发现错误 72 小时内启动；销毁前至少留 6 个月、到期前 30 天预警并出具销毁确认单；
• 高合规行业（医疗/金融/教育/房地产/医美/药品器械/保健食品/特殊化妆品）：仅用白名单三级信源（官方/权威机构/合规专业媒体）、100% 全检、双人复核加专业审核。

5.1 先测量、后建设

开工第一步是回答"AI 现在怎么说你"：在主流引擎上跑固定问题集，记录是否被提及、排在第几、说得对不对、情感倾向、引用了谁。没有基线就无法证明效果，也无法区分"优化起效"与"平台自身变化"。

5.2 九大指标（含可考核/策略属性）

5.3 可复现采集协议

• 样本量：每个问题每引擎每轮有效样本 ≥30（标准差可控制在约 10% 内）；
• 引擎覆盖：≥5 个主流引擎，单一引擎样本占比 ≤80%；
• 城市：≥3 个城市（本地业务须含目标城市），记录 IP/城市；
• 系统：7×24 自动采集，失败率 ≤2%；问题用 Query Card 固化（问题/意图/标准答案/实体/场景）；
• 原始记录：留存引擎、时间戳、城市、问题、完整答案与截图，结案后留存 3 年。

5.4 基线—目标—复测节奏

按周/月出报告；异常结果 3 个工作日内人工复核；事实错误 72 小时启动纠错，并在第 3/7/14 天复测留证。模型版本/底座更新后重跑固定问题集，避免把平台变化误记为优化效果。

5.5 第三方核验

支持客户现场或远程共同复测；如引入第三方监测，采集口径、分组与合并权重必须公开，报告不得只呈现美化截图。跨采集组/分析组合并时须披露权重与规则。

6.1 五步闭环与 12 阶段

① 监测基线 → ② 信息诊断 → ③ 结构化优化与信源铺设 → ④ 佐证与合规校验 → ⑤ 效果复盘与迭代。展开为 12 阶段：需求准入与洽谈、合同与边界、业务材料审核、问题体系与 Query Card、基线测量、就绪度评分、L1 整改、实体/语料建设、L2 内容生产、L3 分发与主动提交、九指标监测、风险处置与复盘。每环都留存口径与样本定义，便于第三方核验。

6.2 第1步 监测基线

产出三样东西：基线看板（九指标现状）、幻觉/错误清单（说错、张冠李戴、过时信息）、竞品占位图（谁被引用、引用了哪些信源）。

6.3 第2步 信息诊断

六维就绪度评分 + L1 技术体检 + 实体一致性核对，输出差距清单与优先级：先补"搜不到/说错"的硬伤，再做份额与心智提升。

6.4 第3步 优化（严格按层推进）

1. L1 整改：可抓取、sitemap/robots、SSR、Schema、站长提交、llms.txt；
2. 实体与语料：建实体主档、事实台账，做语料采集/分级/私有库；
3. L2 内容：按问题矩阵生产事实单元与 FAQ，AI 稿人工核验留版本；
4. L3 分发：六类信源分层铺设、八平台语态改写、自然节奏投放、主动提交。

6.5 第4步 佐证与合规校验

发布前 QA：事实是否与台账一致、数字是否有来源日期、案例是否授权、广告/合作是否显著标识、是否触碰黑帽红线；高合规内容双人复核加专业审核。

6.6 第5步 复盘与零点击 ROI

按月出九指标报告，并做零点击价值归因：品牌词搜索指数、品牌词自然访问、客服"从 AI 了解到我们"的占比、询盘质量变化。归因须同时列出广告投放、市场事件、模型版本更新、竞品动作、季节因素，至少观察一个季度，用趋势而非单点下结论。

6.7 72 小时幻觉纠错 Playbook

6.8 90 天节奏（教学示例）

7.1 基本原则

真实可信、依法合规、公平竞争、用户价值导向、透明可追溯、技术向善。GEO 提升的是概率，技术手段不得替代真实信息。

7.2 不可承诺清单（写入合同）

7.3 黑帽手段清单与风险

• 语料投毒、提示词注入、关键词堆砌、隐藏文本；
• 伪造权威、虚假身份/资质；
• 僵尸号矩阵、刷量、虚假交易/评价/榜单；
• 恶意诋毁竞品、批量生成低质城市页/内容农场。

这些手段短期可能有效，但会被平台识别，导致降权、下架、封号，甚至广告法/反不正当竞争法律责任。大众点评 2025 年处置 1161 万条 AIGC 评价即明确信号^[4]。

7.4 AI 内容、广告与数据合规

• AI 辅助生成内容一律人工事实核验，保留初稿/定稿/审核意见版本；
• 商业推广、付费合作显著标注"广告/商业合作"；
• 数据最小必要收集、跨商客户复用隔离、到期删除并出具销毁确认；供应商尽调；
• 高合规行业适用白名单信源与专业审核，标准不豁免法定责任。

7.5 按 002 选择服务商

标准把服务商分为六类（内容生产型、信源建设型、技术平台型、策略咨询型、数据监测型、综合服务型），按五维度评估，每维权重不低于 10%，结果分 A/B/C/D，评估结果有效期 2 年（到期复审，注意"两年"是评估有效期、不是标准复审周期）。

7.6 按 003 计价

计价按诊断、语料/内容、信源、技术、监测、培训、合规等单元组合，可采用固定、绩效或混合模式；混合计价中固定成本（语料+内容+监测）占比通常不低于 30%，以避免纯绩效诱发刷量；报价单须含范围、口径、指标、数据归属、付款、违约等八类必备字段，效果数据不得与交易/评价捆绑造假。

8.1 分行业打法矩阵

8.2 本地 GEO 与城市站点

本地业务的关键是"城市+业务"实体的一致性与真实佐证：地图 POI、百科地区词、认证企业号、本地上门/团队/案例、真实评价。城市站点/地区页只在确有本地实体与内容时建设；批量生成千篇一律城市页属低质重复，可能被降权。

8.3 多模态 GEO

AI 主要通过标题、封面文字、前 3 秒口播、字幕 ASR、话题标签、简介理解视频。把图文事实单元改造成短视频时，这些文本须直接给出结论与品牌/产品实体名；图文、短视频、音频的实体口径保持一致。

8.4 私有 RAG 与智能体

把分级语料投喂给自有 AI 客服/销售助手，对接企业微信、CRM、OA；商品/服务做成结构化 feed，便于被智能体通过 API/MCP 调用。以召回率、命中率、拒答率、语义一致性验收知识库，而非凭感觉。

8.5 西安区域实践

西安及陕西市场的 AI 搜索渗透率、品类可见率基线、区域市场规模等，目前无权威公开数据。闪引 GEO 将按第 5 章协议开展区域自测并在 V1.1 发布。在自有数据发布前，本报告不以"西安第一/最大"等无依据表述宣传。

8.6 企业 90 天行动清单

1. 第 1 周：确定唯一官网主域与统一实体口径（收口多域名/多邮箱）；
2. 第 1–2 周：跑一次八平台基线测量，拿到可见率与幻觉清单；
3. 第 3–4 周：L1 整改（sitemap、Schema、站长提交、llms.txt）；
4. 第 3–6 周：建实体主档、事实台账与私有知识库；
5. 第 4–10 周：按问题矩阵生产事实单元/FAQ，铺设六类信源；
6. 第 8 周起：九指标周/月监测，72 小时纠错，第 3/7/14 天复测；
7. 第 90 天：前后对照＋零点击 ROI 复盘，确定下季度计划。