随着 AI 技术的发展，生成式引擎优化（GEO）正在重塑搜索规则。本文将探讨 GEO 如何动摇传统 SEO 市场，以及品牌如何通过 GEO 优化内容以提升在 AI 生成答案中的引用率。

5月28日知名风险投资机构a16z发布的文章，探讨了GEO如何重塑搜索规则，指出随着大语言模型（LLM）驱动的搜索方式兴起，品牌需要通过GEO优化内容以提升在AI生成答案中的引用率。

文章中的几个关键点如下：

1. GEO正在一步步动摇800亿美元的SEO市场

2.GEO要求品牌内容更具结构性、易于解析。注重语义密度而非关键词重复

3.大模型订阅付费，与传统搜索引擎广告变现的商业模式不同，因此带来一系列的变化。

4.品牌方开始重视用AI工具监控和优化在GEO中的表现，竞争被AI大模型“引用”以及“记忆”的机会。以下是原文翻译，并在每个章节后面增加了我的解读，仅供参考。

二十多年来，SEO一直是线上“被看到”的默认策略。因此催生了一套完整的产业链，包括关键词堆砌者、反向链接中间商、内容优化师和监测工具提供者，以及运营它们的专业人士和机构。

但在2025年，搜索已经从传统浏览器转向LLM平台。

随着苹果宣布Perplexity和Claude等AI原生搜索引擎将内置于Safari，谷歌的分发垄断地位受到质疑。价值超过800亿美元的SEO市场正在被动摇。

Hanni备注：谷歌也正在改变，搜索页面顶层最显著位置增加了Google’s AI Overviews。

一种新的范式正在出现，它不是由页面排名驱动，而是由语言模型驱动。我们正在进入搜索的第二幕：生成式引擎优化（GEO）。

1. 从链接到语言模型

SEO建立在链接之上，GEO建立在语言之上。

在SEO时代，网站可见性意味着在结果页面上排名靠前。页面排名由基于关键词匹配、内容深度和广度、反向链接、用户体验参与度等因素的网站索引确定。

今天，随着GPT-4o、Gemini和Claude等LLM充当人们查找信息的界面，可见性意味着直接出现在答案本身中，而不是在结果页面上排名靠前。随着答案格式的改变，我们的搜索方式也在改变。

AI原生搜索正变得碎片化，分散在Instagram、亚马逊和Siri等平台上，每个平台都由不同的模型和用户意图驱动。

查询更长（平均23个单词，而之前为4个），会话更深入（平均6分钟），响应因上下文和来源而异。与传统搜索不同，LLM可以记住、推理并以个性化的多源综合方式做出响应。这从根本上改变了内容被发现的方式以及需要优化的方式。

传统 SEO 奖励精确性和重复性；生成式引擎优先考虑结构性强、易于解析且意义密集（不仅仅是关键词）的内容。诸如“总而言之”之类的短语或项目符号格式有助于 LLM 有效地提取和复制内容。

还值得注意的是，LLM 市场在商业模式和激励机制方面也与传统搜索市场根本不同。

像 Google 这样的经典搜索引擎通过广告将用户流量货币化；用户用他们的数据和注意力来支付。相比之下，大多数 LLM 都是付费的、订阅驱动的服务。

这种结构性转变影响了内容的引用方式：模型提供商减少了展示第三方内容的动机，除非它能增加用户体验或加强产品价值。虽然广告市场最终可能会在 LLM 界面上出现，但其规则、激励机制和参与者可能与传统搜索大不相同。

与此同时，LLM 界面价值的一个新兴信号是出站点击量。例如，ChatGPT 已经为成千上万个不同的域名带来了推荐流量。

Hanni备注：大模型付费模式决定了并不靠广告带来收入，这是与搜索引擎提供商最大的不同。大模型更重视是不是能带给用户更好的使用体验，吸引订阅与续费，因此权威、高质量、有价值的内容一定是GEO更偏爱的。

2.从排名到模型相关性

现在不仅仅是点击率，而是参考率：您的品牌或内容在模型生成的答案中被引用或用作来源的频率。

在人工智能生成输出的世界中，GEO意味着优化模型选择引用的内容，而不仅仅考虑是否出现在传统的搜索中或出现的位置排位。这种转变正在改变我们定义和衡量品牌知名度和绩效的方式。

像Profound、Goodie和Daydream这样的新平台已经使品牌能够分析它们在GEO中的显示方式，跟踪用户的看法，并了解还有哪些发布者正在做GEO。

这些平台通过微调模型以反映与品牌相关的提示语言、策略性地注入更优的SEO关键词以及大规模使用合成的内容来工作。然后，输出成可视化的仪表板，帮助营销团队监控可见性、消息传递一致性和竞争品牌声量份额。

加拿大鹅（Canada Goose）使用了一种这样的工具来深入了解大型语言模型如何引用该品牌——不仅仅是在温暖或防水等产品功能方面，还在于品牌认知本身。

重要的不是用户如何发现这个品牌，而是模型是否自发地提到了该品牌，这是人工智能时代未经提示的品牌意识指标。

这种监控正变得与传统的SEO仪表板一样重要。像Ahrefs的品牌雷达这样的工具现在可以跟踪人工智能概述中的品牌提及，帮助公司了解它们是如何被生成引擎构建和记住的。Semrush还拥有一个专门的人工智能工具包，旨在帮助品牌跟踪跨生成平台的认知度，优化内容以提高人工智能可见性，并快速响应大型语言模型输出中的提及，这表明传统的SEO参与者正在适应GEO时代。

我们正在看到一种新型品牌战略的出现：这种战略不仅考虑公众的认知，还考虑模型中的认知。您的品牌如何在人工智能层中被编码是新的竞争优势。

当然，GEO 仍处于实验阶段，很像 SEO 的早期阶段。每次重大模型更新，我们都有可能重新学习（或忘记）如何最好地与这些系统交互。正如谷歌的搜索算法更新曾经导致公司争先恐后地应对波动的排名一样，LLM 提供商仍在调整其模型引用的内容背后的规则。

多种思想流派正在涌现：一些 GEO 策略已得到较好的理解，例如，在 LLM 引用的源文档中被提及。而另一些假设则更具推测性，例如模型是否优先考虑新闻内容而非社交媒体，或者偏好如何随不同的训练集而变化。

Hanni备注：了解人们在大模型中询问怎样的问题？他们需要什么样的产品？他们也许面临着什么难点或问题？品牌方对GEO的监测，不仅可以优化内容，提升品牌的可见度，也是一种了解用户、洞察需求、收集反馈的渠道。

3. SEO 时代的教训

尽管规模庞大，SEO 从未产生垄断性的赢家。

像 Semrush、Ahrefs、Moz 和 Similarweb 这样的工具帮助公司进行 SEO 和关键词研究，它们本身都很成功，但没有一个能够掌握整个堆栈（或者像 Similarweb 那样通过收购来实现增长）。每个公司都开辟了一个利基市场：反向链接分析、流量监控、关键词情报、技术审核等。

SEO 一直是分散的。这项工作分布在各个机构、内部团队和自由职业者之间。数据混乱，排名是推断出来的，而不是经过验证的。

谷歌掌握着算法的钥匙，但没有哪个供应商控制着界面。即使在 SEO 的鼎盛时期，最大的 SEO 参与者也是工具提供商。他们没有用户参与度、数据控制或网络效应来成为 SEO 活动集中的枢纽。点击流数据——用户在浏览网站时点击链接的记录——可以说是了解真实用户行为的最清晰的窗口。

但从历史上看，这些数据一直难以获取，被锁定在 ISP、SDK、浏览器扩展和数据经纪人背后。这使得在没有深入的基础设施或特权访问的情况下，几乎不可能构建准确、可扩展的见解。

GEO 改变了这一点。

Hanni备注：但当前来看，GEO对于内容的选取方式也依然在黑箱子里，未来会发展如何？

4.如何获得提及：GEO工具的兴起

这不仅仅是工具的转变，更是一个平台的机会。 最引人注目的 GEO 公司不会止步于监测与衡量。 他们将微调自己的模型，从跨垂直领域的数十亿隐式提示中学习。 他们将拥有这个循环——洞察力、创意输入、反馈、迭代——凭借差异化的技术，不仅观察 LLM 的行为，而且塑造它。 他们还将找到一种方法来捕获点击流数据，并结合第一方和第三方数据源。

在 GEO 中获胜的平台将超越品牌分析，并提供采取行动的基础设施：实时生成广告活动、优化模型内存以及每天迭代，随着 LLM 行为的变化而变化。 这些系统将是可操作的。

这释放了比可见性更广泛的机会。 如果 GEO 是品牌确保其在 AI 响应中被引用的方式，那么它也是管理其与 AI 层持续关系的方式。 GEO 成为与 LLM 交互的记录系统，允许品牌跟踪生成平台上的存在、性能和结果。 拥有该层，你就拥有了它背后的预算。

这就是垄断的潜力：不仅仅是提供洞察力，而是成为渠道。 如果 SEO 是一个去中心化的、数据相邻的市场，那么 GEO 可以是相反的——中心化的、API 驱动，并直接嵌入到品牌工作流程中。

最终，GEO 本身可能是一个最明显的楔子，尤其是在我们看到搜索行为转变的情况下，但最终，它实际上是进入更广泛的效果营销的楔子。 为 GEO 提供支持的相同品牌指南和对用户数据的理解可以为增长营销提供支持。

这就是建立大型企业的方式，因为软件产品能够测试多个渠道、迭代并在它们之间进行优化。 人工智能使营销人员能够自主营销。

时机很重要。 搜索才刚刚开始转变，但广告资金流动很快，尤其是在存在套利的情况下。 在 2000 年代，那是 Google 的 Adwords。 在 2010 年代，它是 Facebook 的定位引擎。 现在，在 2025 年，它是 LLM 以及帮助品牌导航其内容如何被这些模型摄取和引用的平台。 换句话说，GEO 是进入模型思想的竞争。

在人工智能是商业和发现的前门的时代，营销人员的问题是：模型会记住你吗？