GEO：当客户开始问 AI，而不是搜 Google

我们最近注意到一个变化：客户来找我们之前，已经先问过 AI 了。

不是搜 Google，是直接问"帮我推荐几家做 XX 的中国供应商"。然后 AI 给了几个名字。

这件事对跨境生意的影响，比多数人以为的要大。

从 SEO 到 GEO，竞争目标变了

GEO（Generative Engine Optimization，生成式引擎优化）这个概念，来自 2024 年 6 月一篇由普林斯顿等机构研究者发表的论文。论文验证了几件事确实有效——引用来源、引用权威观点、加入统计数据，可以把内容在生成式引擎里的可见度提升 30%–40%。

但要说清楚一件事：SEO 是 GEO 的基础，不是它的对立面。

AI 生成答案时，是通过检索增强生成（RAG）实时去传统搜索引擎捞数据的。你的 SEO 排名不好，AI 根本看不见你。做扎实 SEO，已经相当于完成了一大半 GEO 的工作。

AI 是怎么决定引用谁的

理解这一点，比记一百条技巧有用。

生成式搜索普遍是两阶段：

1. 检索阶段：把你的问题向量化，去索引里找相关文档——这一步仍然高度依赖传统 SEO。
2. 生成阶段：对捞回来的文档重排序，评估可信度，然后决定引用哪几个来源写进答案。

所以你要优化的不是"关键词密度"，而是两件事：让机器能读懂你，让机器愿意相信你。

六件被验证过有效的事

按我们的判断，权重从高到低：

1. 可溯源、可验证的事实内容——给出具体数字、具体来源、具体时间。模糊的形容句，AI 引用不了。
2. 引用来源（Citation）——你的内容自己就带引用，AI 更容易把你当成可信节点。
3. 统计数据（Statistics）——"我们测试了 47 个新品"比"我们测试了很多新品"强得多。
4. 结构化呈现——清晰的标题层级、表格、列表。AI 分块（chunking）时更容易提取。
5. 答案优先结构——先给结论，再给论证。别铺垫三段才说重点。
6. 引用权威观点——引用行业公认的来源。

内容工程：从「写文章」转向「设计知识单元」

这是观念上最大的转变。

过去我们写一篇 3000 字的大文章，希望客户从头读到尾。现在更有效的做法是：把内容拆成一个个能被独立引用的知识单元。

每个单元应该：

• 有一个能被单独提问的小标题（最好是问题形式）
• 第一段就给出答案
• 包含具体数字或步骤
• 不依赖上下文也能读懂

FAQ 是 GEO 里性价比最高的数据结构，因为它的形态天然就是「问题 → 直接答案」。这也是我们为什么在官网和每篇文章里都放 FAQ。

跨境卖家现在能做的几件具体的事

1. 让 AI 爬虫进得来

检查你的 robots.txt，确认没有屏蔽 GPTBot、ClaudeBot、PerplexityBot 这类 AI 爬虫。很多站点的默认配置是挡住的。

2. 加结构化数据（Schema.org）

至少加上 Organization、Product、FAQPage、Article。这不是加分项，是让机器理解你的基础语言。

3. 统一品牌实体信息

AI 判断你是不是一个"真实存在的实体"，很大程度看你在不同地方的说法一不一致。官网、LinkedIn、展会页面、第三方平台上的公司名、地址、业务描述，最好完全一致。

4. Listing 内容 AI 化

把产品描述从"形容词堆砌"改成"可被引用事实"：适用什么场景、解决什么问题、有什么具体参数限制。

5. 累积品牌提及

在 GEO 里，被别人提到（mention）可能比外链更有效。行业文章、播客、论坛回答、YouTube 描述——这些都会成为 AI 判断你权威性的依据。

6. 建一个 llms.txt

这是一个新兴的约定：在站点根目录放一个给 AI 看的纯文本说明，告诉它你是谁、你能做什么、你有哪些核心内容。成本极低，值得先占个位。

一条红线

GEO 有一个明确的黑帽禁区：AI 投毒——用大量虚假内容去污染 AI 的训练或检索结果。

这在国内已经被监管明确点名，属于违法。短期可能有效，长期一定反噬。

我们不做，也不建议任何人做。

最后

AI 搜索不会完全取代传统搜索，但它正在切走越来越大的一块。

现在开始做 GEO 的人还不多——这恰恰是它值得做的原因。

*这是 iSeacat「内容」系统的公开笔记之一。我们正在把自己的官网也当作 GEO 的实验场，踩到的坑会继续写在这里。*