搜索框里敲下的那个问题，越来越多地得到一段流畅的文字，而不是十条蓝链接。生成式引擎优化（GEO）是让网站内容被豆包、DeepSeek、百度 AI 摘要、ChatGPT 等生成式 AI 系统准确理解并优先引用的结构化优化方法——它的目标不是排名，而是成为 AI 生成答案时选用的原材料。2024 年，这个概念由普林斯顿大学研究团队首次以学术方式加以定义和量化，把原本散落在从业者经验里的优化直觉，变成了可测量、可复现的研究结论。这篇文章把那份研究讲清楚，同时补上它在中国市场落地时面临的真实差距。

GEO 研究的起点：Princeton 团队做了什么

生成式引擎优化这个概念的学术起点，是一篇题为「GEO: Generative Engine Optimization」的论文，由普林斯顿大学、佐治亚理工、印度理工德里分校和艾伦人工智能研究所的研究人员联合完成，2024 年于 ACM SIGKDD 年会正式收录。

研究团队构建了一个名为 GEO-bench 的基准测试框架，覆盖 10,000 条查询请求、9 个不同数据集、25 个领域，横跨信息类（约 80%）、交易类和导航类三种查询意图。核心问题只有一个：对内容做哪些改动，能让 AI 系统在生成答案时更多地引用这段内容？

测试流程模拟了真实的 AI 搜索管道——先由检索系统拉取排名靠前的网页，再由大语言模型合成带引用标注的回答。这个「检索 + 合成」的两阶段结构，正是今天主流 AI 搜索的底层逻辑，无论豆包还是 Perplexity，本质上都是这套流程。研究测试了 9 种内容改写策略，以「内容被纳入最终回答的比例」（Inclusion Rate）和「按排名加权的词汇占比」（Position-Adjusted Word Count）为主要评估维度。

这是 GEO 领域迄今最系统的量化研究框架。它的价值不只在于结论，更在于：把「AI 引用」从玄学变成了有控制变量的实验命题。

核心发现：哪些内容特征提升 AI 引用率

Princeton 研究里，三种优化策略的效果最为突出，且全部指向内容的信息质量，而非形式技巧：添加统计数据（Statistics Addition）平均提升 Position-Adjusted Word Count 约 41%；引用外部可信来源（Cite Sources）带来约 40% 的可见度改善；嵌入专家或权威人士的引述（Quotation Addition）约提升 30%。

有一个细节很容易被忽略：Cite Sources 对原本排名靠后（第 5 位）页面的效果，远比对头部页面更显著——相对提升可高达 115.1%。这意味着哪怕你的网站目前 SEO 权重不高，通过在内容里引用可核验的外部来源，AI 系统识别到你的概率仍然可以大幅改善。

反向维度同样值得关注。Semrush 2025 年的研究发现，促销语气与 AI 引用率呈明显负相关，相关系数约为 -0.26。写得越像广告，AI 越倾向于跳过。纯粹的关键词密度提升和流畅度优化，在这套框架里几乎无效。

Ahrefs 2025 年对 1,000 个域名的分析则揭示了另一个反常识结论：品牌提及（brand mentions）与 AI 引用概率的相关性（0.664）远高于外链数量（0.218）。这和传统 SEO 的权重逻辑几乎是倒置的——外链仍然有价值，但在 AI 引用逻辑里，「有多少平台在提到你的品牌名」比「有多少网站链向你」更关键。

「内容的信息增益是 AI 引用的核心驱动力。独家项目数据、经过实践检验的判断、可核验的具体数字——这些比任何通识内容都更容易进入 AI 的引用候选池。没有信息增益的内容，结构再好也很难被选中。」

——云享耕科技创始人徐勇，基于 30+ 个中小企业网站 AIGEO 优化项目的实践归纳，2026

中国市场的 AIGEO 特殊性

Princeton 研究的实验背景是英语语境，主要测试对象为 ChatGPT 和 Perplexity。中国市场的 AI 搜索生态与此有几处关键差异，不加以区分就容易把全球结论直接套用，出现水土不服。

先看流量规模。QuestMobile 2026 年一季度数据显示，中国 AI 原生 APP 月活用户规模已达 4.4 亿，豆包以 3.45 亿月活稳居第一，通义千问 1.66 亿，DeepSeek 1.27 亿，三者活跃率分别为 33.5%、17.1% 和 21%。这说明 AI 问答在中国已经不是小众行为——对中小企业来说，被这三个平台「认识」，正在变成和百度收录同等重要的事。

第一个特殊性：百度生态的权重不可忽视。百度于 2026 年 4 月升级 AI 搜索引擎，以 Master Agent 为核心，将搜索体验从「找到、知道」全面推进到「得到、做到」；文心大模型 5.1 在 2026 年 5 月登上 LMArena 搜索榜国内第一。百度 AI 摘要在引用来源时，对百家号内容、百度百科词条和百度地图商户信息的权重，明显高于对普通外站的依赖。这意味着，在百度系平台上的存在感，直接决定能否进入百度 AI 的引用候选。

第二个特殊性：中文信息密度更高，答案长度标准不同。Princeton 研究建议「40–150 字的自包含答案」，但中文的信息密度通常比英文高出约 30–50%。同样的判断，中文 30–60 字往往就能说清楚。越短越干净，不等于越好，但刻意拉长以「对齐英文标准」，在中文语境下反而是反效果。

第三个特殊性：平台生态更碎片化，引用逻辑各有不同。英语世界可以把精力主要集中在 Google 和 ChatGPT；中国企业同时面对百度 AI 摘要、豆包、通义千问、DeepSeek、Kimi 五个以上主流入口。每个平台的爬取策略和内容偏好，目前都没有官方的完整文档可查。这让中国市场的 AIGEO 在执行层面必须做更宽的基础覆盖，而不是单点优化。

还有一个不能回避的现状：llms.txt 这个文件在部分境外 AI 公司中已有认知，但国内主流 AI 平台尚未公开确认其支持规范。目前部署 llms.txt 的主要意义，更多来自面向未来的可扩展性，而非即时的引用率提升。

从全球研究到本地操作：中国中小企业的 AIGEO 优先级

把研究结论翻译成可落地的动作，需要按照投入产出比做取舍。以下四层优先级，在中国市场的实操性最强。

第一层：内容写法先行。Princeton 研究里效果最好的三个动作——添加统计数据、引用权威来源、嵌入专家判断——在写作阶段就能实现，无需技术资源。每篇文章和每个服务页面的第一段，都应该用 40–80 字内可独立成答案的陈述直接回应核心问题。这是成本最低、门槛最低的单一改变。

第二层：结构化数据就位。FAQPage Schema 让 AI 直接抽取问答对；Organization Schema 加上 sameAs 字段，帮助 AI 建立对企业实体的基础认知。这两类 JSON-LD 配置，是内容结构从「AI 难以提取」到「AI 可直接读取」的最快路径。

第三层：百度系平台优先补全。百度地图商户、百家号认证账号、百度百科词条，是被百度 AI 摘要引用概率最高的三个本地平台。多数中小企业在这三个地方要么信息缺失，要么与官网内容不一致——而信息不一致，在 AI 实体识别逻辑里是信任扣分项。

第四层：内容集群构建。单篇文章无法形成主题权威。同一主题下多篇相关文章通过内链相互强化，才能让 AI 识别到「这个网站在这个话题上有系统性积累」。一个 Hub 主题页加上 5–10 篇 Spoke 文章，是中小企业建立细分主题权威的最小可行单元。具体的服务配置方式，见 企业 AIGEO 优化服务；更完整的四步落地逻辑，见 AIGEO 四步落地框架。

这四层有先后，也有叠加。不需要等前一层做完才启动下一层——但如果资源只够做一件事，先从内容写法改起，效果最直接。

当前局限与诚实判断

任何快速演变中的领域，都有必要对局限性做公开说明。GEO 也不例外，甚至更需要。

Princeton 研究的实验设置是英语查询加 GPT-3.5-turbo 合成，这套结论迁移到中文环境、迁移到豆包/DeepSeek 等不同架构的模型时，具体系数会有多大偏差，目前缺乏独立的系统性验证。「添加统计数据提升 41%」这个数字，是特定实验条件下的相对变化，不是对每一个具体网站的效果承诺。

其次，AI 引用不等于流量，更不等于转化。Seer Interactive 2025 年的研究数据显示，Google AI Overview 出现的搜索词，平均点击率下降约 58%。被 AI 引用的内容会出现在回答里，但用户可能直接获取答案后就不再点击来源。AIGEO 的核心价值在于品牌曝光和认知建立，而非可以预测的直接流量指标。

第三，这个领域的引用逻辑在持续快速变化。今天有效的优化动作，6 个月后可能因模型更新或平台策略调整而失效。GEO 还没有足够长的历史数据来支撑确定性的因果结论。对于已经在做 SEO 和内容的中小企业，大部分 AIGEO 改进动作和 SEO 最佳实践高度重合，边际成本很低——值得做，但目前不值得为它削减传统 SEO 的基本盘。两件事同时推进，是当下最稳健的选择。

Q：GEO 和 SEO 的本质区别是什么？

A：SEO 的目标是在排名列表里出现足够靠前，吸引用户点击进入网站；GEO 的目标是成为 AI 合成答案时选用的内容来源，让品牌名和核心观点出现在 AI 的回答文字里。前者以点击为终点，后者以引用为终点。两者共享「内容质量」这个底层基础，但评估逻辑和优化动作有明显差异，需要分开建设。

Q：中国本土 AI 平台的爬取规则和 ChatGPT 一样吗？

A：不完全一样。各平台爬虫的 User-Agent 标识不同，对结构化数据的识别能力和内容偏好也存在差异。目前可以确认对多数平台有效的基础配置：robots.txt 对主流 AI 爬虫开放、FAQPage Schema 格式正确、核心页面加载速度正常（移动端 LCP 低于 2.5 秒）。平台专项优化目前仍在摸索阶段，不建议过早押注单一平台。

Q：不懂技术的企业主，第一步从哪里开始做 AIGEO？

A：从内容写法开始。把官网每个服务页的第一段，改成「开门见山直接回答这个页面解决什么问题」的格式——不铺背景，不堆形容词，40–80 字内给出清晰结论。这一步不需要任何技术改动，却是所有 AIGEO 改进里投入产出比最高的单一动作。AIGEO 优化专题里有自查清单可供参考。

Q：AIGEO 效果多久能看到？

A：比 SEO 的时间轴更难预估，因为没有可以追踪的「AI 排名」系统。结构化数据配置完成后，搜索引擎通常在 2–4 周内重新爬取；AI 问答平台的引用变化更难量化观察。建议把「是否被 AI 平台引用」作为品牌认知度的长期追踪指标，而不是按月计算投入产出的短期 KPI。

本文首发于云享耕科技

参考文献

Aggarwal, Pranjal et al. GEO: Generative Engine Optimization. ACM SIGKDD (2024). arXiv:2311.09735

Ahrefs. Do Backlinks Still Matter in AI Search? Insights from 1,000 Domains (2025)

Semrush. AI Visibility and Citation Signals Research (2025)

QuestMobile. 2026 年一季度 AI 应用价值榜（2026）

Seer Interactive. Google AI Overview CTR Impact Study (2025)

百度. 文心大模型 5.1 发布说明（2026）