关键词堆了十年，AI 一来全废了——GEO 入门指南

2024 年，普林斯顿的研究人员做了个实验——他们想搞清楚一件事：在 AI 搜索时代，什么样的内容更容易被 ChatGPT 引用？

这就是 GEO（Generative Engine Optimization，生成式引擎优化）的起点。

他们建了个叫 GEO-bench 的基准，一万条查询，覆盖 8 个领域。把同一段内容用 9 种方式改写，投给 ChatGPT、Perplexity 和 Google 的 AI 概览，看哪种最容易被 AI 引用。

结果让 SEO 从业者浑身一凉。

关键词堆砌法，引用率比啥也不做还低 10%。

反而是加统计数据、引用专家观点、标明信息来源——这些传统 SEO 不怎么在乎的事，让 AI 引用率暴涨 40%。

干了十年的 SEO 经验，到这儿直接反转了。

● ● ●

什么是 GEO？传统搜索和 AI 搜索的区别

先搞清楚发生了什么。

传统搜索的逻辑：你搜「最好的 CRM」，Google 给你 10 个链接。你点进去看，它赚广告费。

AI 搜索的逻辑：你问「什么 CRM 最好」，ChatGPT 直接告诉你答案。「Salesforce 适合大企业，HubSpot 对中小企业更友好，因为它们分别……」

你没点任何链接。你也不需要点。

这就是零点击搜索。2025 年 3 月的数据，美国 58.5% 的搜索不产生任何点击。移动端这个数字是 75%。全球，65% 的搜索用户直接拿到答案就走。

AI Overviews 出现后，Google 搜索结果顶部位置的点击率从 7.3% 掉到 2.6%。一年，砍掉三分之二。

这不是未来的问题。是已经发生的问题。

而 GEO（生成式引擎优化）解决的正是这个新麻烦：你排第一没用，AI 得引用你才行。

● ● ●

SEO 教你堆词，GEO 教你堆数据

普林斯顿那篇 KDD 2024 论文是整个 GEO 领域的起点。

他们系统测了 9 种优化策略在 LLM 里的引用效果。9 种，5 种管用。按效果排：

+41%：加统计数据。 不是「这个市场很大」，是「2025 年市场规模 127 亿美元，年增速 34%」。

+30%：引用可信来源。 写上「据 McKinsey 2024 报告」比不写多三成引用率。更有意思的是，同样的操作，传统搜索排第 5 的网站效果是 +115%，第 1 名却可能往下掉。GEO 是个均衡器，小玩家反而更容易翻身。

+28%：加入专家引述。 一句「我们问了 Salesforce 的前 CTO」比十段自说自话管用。

+20%：流畅度优化。 短段落，2-4 句一段。清晰的标题层级。直接回答开头。

负效果：关键词堆砌。 在 Perplexity 上比啥也不干差 10%。AI 不需要你重复关键词。它自己会做语义理解。你塞得越多，它越觉得你是垃圾。

你看，GEO 最反直觉的地方就在这儿。SEO 让你对着机器写，GEO 让你对着人写。数据、引用、专家观点，这些东西传统爬虫不 care，但 AI 把它们当「这个来源可信」的信号。

● ● ●

GEO 优化策略：谁说小网站没有翻身机会

普林斯顿研究里最让人意外的发现不是哪个策略最有效，而是谁受益最大。

同一个「引用来源」策略：

• Google 排名第 1 的网站：AI 引用率可能略微下降
• Google 排名第 5 的网站：AI 引用率暴涨 115%

为什么？LLM 选引用来源的时候，不是在找「排名最高的」，是在找「最可信、最具体、最好引用的」。

大网站的护城河是域名权威，是海量外链。但这些在 LLM 眼里全是噪音。它只关心「这段话本身能不能引用」。

这意味着一件大事：GEO 时代，内容的单位不是页面，是段落。

你不需要整站牛逼。只要有一页上有一段写得好——自带数据、带来源、结构清晰——AI 就可能单独引用这一段。

现实已经验证了。

一家网络安全公司在 2024 年 Q4 做了 GEO 优化。没有新增任何内容，只是重构了核心页面的结构，加了 Schema 标记和权威信号。4 个月后，AI 提及数从零涨到 108 条，月度受众从 415K 涨到 652K。而他们的引用页面数反而少了 18 页。把低质量内容删了，把资源和信号集中到少数几篇高质量页面上。

Amazon 重构了产品描述的结构，AI 引用量涨了 800%。Healthline 给医学文章加了专家验证段落和对照表格，AI 引用 +218%，推荐流量 +43%。

2025 年上半年，早期做 GEO 的品牌整体实现了 LLM 推荐流量同比增长 800%。32% 的销售合格线索直接归因于 AI 搜索。

这不是 SEO 的「补充」。这是一条平行赛道，而且窗户期很短。

● ● ●

GEO 怎么做：四件事，今天就能做

不想读论文，只想立刻动手？这里有四个最低成本的 GEO 优化动作，适合任何有内容的网站。

先把 Schema 标记加上。 FAQPage、Article、HowTo 的 JSON-LD 结构化数据扔进 HTML。LLM 会解析这些标记来理解你的内容结构。再在站点根目录放一个 llms.txt 文件，告诉 AI 爬虫你哪些内容最重要。

去 Bing 认领你的网站。 ChatGPT Search 的搜索后端是 Bing。你的网站得被 Bing 收了，才有机会出现在 ChatGPT 的回答里。上 Bing Webmaster Tools，验证域名，提交 sitemap。半小时的事。

检查 robots.txt。 确保 GPTBot、PerplexityBot、ClaudeBot 没被你禁用。很多网站在 ChatGPT 刚出来那年把 AI 爬虫全禁了，至今没改回去。

改写 3 篇核心文章。 选你最重要的三篇，按这个结构重写：开头直接给答案，每个论点配一个数据加来源，引用一句外部专家的话，段落控制在 2-4 句。你不需要任何付费工具。前三步是纯技术动作，最后一步是写作习惯。效果至少 +30%。

● ● ●

GEO 的局限：当然，不是银弹

三个现实限制要说清楚。

效果归因仍然靠猜。 从「AI 引用了我的文章」到「用户因此付费」，中间的追踪链路目前基本不存在。你能看到 AI 引用数涨了，能看到网站流量涨了，但它们之间是不是因果关系——证明不了。

平台是个黑盒。 各家的 LLM 引用机制不透明。今天有效的策略，明天换个模型可能就变了。GPT-5 出来以后，普林斯顿那 9 条策略还能打吗？我不知道，你也不知道。

中文 GEO 完全是空白。 现有研究和工具几乎全是英文世界的。Kimi、DeepSeek、文心一言的引用规律什么样，没人系统研究过。如果你做的是中文内容，目前只能拿英文的结论推测。

GEO 最讽刺的地方是：SEO 搞了几十年，终于搞明白了「用户体验」才是排名之本。然后 AI 来了。

AI 不在乎你的域名权重。不在乎你的外链数量。甚至不在乎你在 Google 排第几。

它只在乎一件事：这段话值不值得引用。

而让它觉得「值得引用」的方法，恰好也是让你的读者觉得「值得读完」的方法——数据，不要形容词。专家，不要自卖自夸。来源，不要玄学。

折腾了十年的关键词密度和锚文本优化之后，最后的赢家反而是好好写内容的人。

你觉得这是好事还是坏事？评论区聊聊。如果你已经在做 GEO 相关尝试，说说你踩过的坑。