从一条CEO推文出发：生成式引擎优化的证据、方法与边界
一、开篇
2025年4月，部署平台Vercel的CEO Guillermo Rauch公开了一组内部数据：来自ChatGPT的新用户注册占比达到了10%——一个月前，这个数字是4.8%；六个月前，还不到1%。半年，十倍。
同一时期，硬币的另一面也在发生。SEO工具商Ahrefs分析了30万个关键词后发现：当谷歌搜索结果页出现AI Overviews（AI生成的摘要）时，排名第一的网页点击率比没有摘要时低34.5%；2026年初基于2025年12月数据的复测中，这个降幅扩大到了58%。换句话说，过去每100次会落到第一名网站的点击，如今有58次留在了AI的回答里。
一边是品牌从AI回答中收获指数级的新增用户，一边是传统搜索流量塌方。值得注意的是，这两件事发生在同一批用户身上——他们没有消失，只是换了一种获取答案的方式。而Vercel和那些流量塌方的网站之间的差别，不在产品好坏，而在于：当AI替用户整理答案时，它能不能找到、理解并信任你的内容。
这中间究竟发生了什么？企业又该做什么？这篇文章试着把这件事讲清楚。
图1 ｜ 同一时期的两条曲线：左为Vercel新注册中ChatGPT来源占比，右为Ahrefs测得的搜索第一名点击率
二、正在发生的变化：从“搜索”到“提问”
过去二十年，用户获取信息的动作是固定的：输入关键词，浏览十条蓝色链接，点开两三个网页，自己拼出答案。现在，越来越多人省掉了后面所有步骤——直接用一句完整的话向AI提问，然后阅读一段整理好的回答。
这个迁移的速度比多数企业的预期要快。Gartner早在2024年初就预测：到2026年，传统搜索引擎的搜索量将因AI聊天机器人和虚拟助手而下降25%。贝恩公司2025年的消费者调研给出了更直接的画像：约80%的消费者在至少40%的搜索中依赖“零点击”结果——答案直接出现在结果页上，用户不再点进任何网站；与之对应，网站自然流量整体下滑了15%到25%。
皮尤研究中心则用真实浏览数据验证了这个行为变化。2025年，他们分析了900名美国成年人授权共享的上网记录：当搜索结果页出现AI摘要时，用户点击传统搜索结果链接的比例只有8%，而没有AI摘要时是15%——几乎腰斩。更扎心的是，AI摘要里引用的来源链接，只有1%的访问会被点开。
图2 ｜ 皮尤研究中心对900名美国成年人真实浏览数据的分析（2025年）
对企业来说，这个变化带来一道更残酷的数学题。一页搜索结果有十个自然排名位置，竞争虽然激烈，但好歹有十个席位；而AI的一段回答里，通常只会明确提到两三个品牌或来源。席位从十个缩到两三个，“被AI提到”正在变成一种比“搜索排名第一”更稀缺的资源。
三、从SEO到GEO：竞争逻辑变了
要争夺这种新的稀缺资源，老办法不够用了，于是有了一个新词：GEO。
GEO，全称Generative Engine Optimization（生成式引擎优化），指通过优化品牌的内容与信息布局，提升品牌在AI生成回答中被提及、被引用、被推荐的概率。它与SEO是近亲，但优化对象、入选逻辑、流量模型和衡量方式都不一样：
| 维度 | SEO（搜索引擎优化） | GEO（生成式引擎优化） |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其中“流量模型”这一行的变化，过去更多是行业推测，现在有了实验级的硬证据。2026年，印度商学院的Saharsh Agarwal与卡内基梅隆大学的Ananya Sen发布了第一个针对AI Overviews的随机田野实验：他们为1065名美国用户的浏览器装上插件，随机决定谁能看到AI摘要、谁的摘要被实时移除，再追踪两周的真实浏览行为。结果是：AI摘要使站外自然点击减少38%（平均每次搜索从0.61次降至0.38次），零点击搜索的比例从54%升至72%。同样重要的是另一个发现——移除AI摘要并没有降低用户对搜索体验的满意度。也就是说，用户对“不点网页”这件事，适应得相当好。
图3 ｜ ISB与CMU的随机田野实验：AI摘要对零点击比例与站外点击的因果影响
这组数据说明，GEO争夺的不只是流量，更是“被推荐权”和用户的心智入口：当点击越来越少，品牌在AI回答中被怎样描述，可能就是用户做决策前看到的全部信息。
需要先说清楚的是：GEO不是SEO的替代品，而是叠加在SEO之上的一层新竞争。AI检索内容时仍大量依赖传统搜索引擎的索引，一个对搜索引擎不友好的网站，对AI同样不友好。先有SEO的基础，再谈GEO的增量。
四、AI是如何“选中”一条内容的
要做GEO，得先理解AI是怎么生成一条带推荐的回答的。
主流AI产品在回答需要实时信息的问题时，普遍采用一种叫“检索增强生成”（RAG）的机制，过程大致分三步。第一步，AI把用户的问题改写成若干条更适合搜索引擎的查询语句，发给搜索引擎；第二步，搜索引擎返回一批候选网页，AI快速“阅读”这些内容，从中挑出与问题最相关的事实、数据和观点；第三步，AI把挑出来的信息组织成一段连贯的回答，并在相应位置标注引用来源。
注意这个过程里的因果关系：AI不是在“排序网页”，而是在“挑选材料写作文”。一段内容要进入最终回答，必须连续通过五道关口——
图4 ｜ 一条内容进入AI回答的五道关口，以及每一关的典型卡点
- 被发现：
内容首先要能被检索系统抓取和访问。典型卡点：网站屏蔽了AI爬虫、关键信息依赖客户端JS渲染导致爬虫读不到、内容只存在于封闭平台之内。 - 被召回：
内容要与用户的真实问法在语义上匹配。典型卡点：企业写的是“产品参数表”，用户问的是“小户型装修选哪种门”，两者对不上。 - 被理解：
模型要能从内容中提取出明确的结论。典型卡点：通篇形容词，“品质卓越、匠心工艺”，模型找不到一句可以直接复述的事实。 - 被引用：
内容要有足够的可信度证据，让模型敢用。典型卡点：没有数据、没有出处、没有作者与时间，模型宁可选一篇带统计数字的第三方测评。 - 被推荐：
在“哪家好”这类问题上，模型会综合全网信息对品牌形成稳定认知。典型卡点：品牌在权威媒体、测评、问答平台上的信息稀疏，甚至互相矛盾。
这个五关模型不是凭感觉列的清单，它有学术研究背书。2024年，普林斯顿大学与印度理工学院德里分校等机构的研究者在数据挖掘领域顶级会议KDD上发表论文《GEO: Generative Engine Optimization》——这是第一个系统研究“如何提升内容在生成式引擎中可见度”的大规模学术工作。研究团队搭建了一个贴近当时Bing Chat、Perplexity等产品工作流程的模拟生成式引擎，构建了覆盖25个领域、共1万条查询的测试基准GEO-bench，逐一测试了9种内容优化策略的效果。
结论有三条特别值得企业记住。
第一，优化是真实有效的：恰当的GEO方法最高可将内容在AI回答中的可见度提升约40%；研究者在真实产品Perplexity.ai上复测，提升幅度最高也有37%。
第二，有效的策略高度集中在“提高内容的可信度与信息密度”上：按论文的“位置加权词数”指标计算，添加权威引言带来约41%的提升，添加统计数据约31%，引用可靠来源约27%；而SEO时代的经典动作——关键词堆砌——不仅没有收益，可见度反而比不优化还低了约8%。
图5 ｜ 普林斯顿论文对九种策略的实测：依据论文表1“位置加权词数”指标计算
第三，GEO对“弱势内容”的杠杆最大：对在传统搜索中仅排第五位的网页，引用可靠来源等优化能把它在AI回答中的可见度最高提升115%。换句话说，在AI的回答里，中小品牌第一次有了与行业巨头同台的现实机会——前提是内容质量过硬。
论文还有一个容易被忽略的发现：不同领域的有效策略并不相同——例如事实型问题更吃统计数据，观点型问题更吃权威引言。这意味着GEO没有万能模板，需要在自己的行业里做测试。这正是下一节要讲的。
五、企业如何开展GEO
把前面的机制翻译成行动，是五个步骤。每一步，都配有一个海外已被验证的做法作参照。
第一步：建立用户问题库。GEO的起点不是写内容，而是搞清楚用户在AI里到底怎么问。按“了解—比较—决策—售后”四个阶段，结合场景、产品和人群，把用户可能的问法整理成一张问题矩阵。比如一家做室内门的企业，要覆盖的不只是“某某品牌木门怎么样”，更包括“小户型选什么门”“木门和铝合金门哪个隔音好”“门变形了怎么办”这类不带品牌词的真实问题——AI时代的提问比搜索时代更长、更口语化，问题库也要照这个样子建。
第二步：进行基线测试。动手优化之前，先量出现状。金融科技公司Ramp的做法值得参照：他们先用监测工具系统性地分析真实用户在AI里如何提问、自己和竞品在这些回答中被提及的情况、AI引用的都是哪些来源——结果发现自己在“应付账款软件”这个核心赛道的AI可见度只有3.2%，在金融科技品牌中排第19位。这个难看的基线，恰恰成了后面所有动作的依据：缺什么内容、对手强在哪、AI信任哪些信源，一目了然。基线测试的操作并不复杂：拿问题库里的问题，在目标AI平台上逐一提问，记录品牌提及、竞品表现、引用来源和错误信息，并定期重复。
第三步：建设内容底座。这一步的核心原则是：把模糊的宣传话术，改成可验证、可引用的事实表达。普林斯顿论文已经指明了改写方向——给内容补上统计数据、权威引言和可靠出处。例如“行业领先的静音技术”是话术；“经某检测机构测试，关门噪音31分贝，低于行业平均39分贝”才是AI敢引用的事实。
内容之前还有技术层。Vercel的工程实践是个好例子：他们发现AI爬虫普遍不执行JS，于是把文档全部改为静态HTML输出，确保爬虫直接读到完整内容；再优化内容结构——清晰的标题层级，每个章节直接回答一个开发者会问的具体问题。先让AI“读得到”，再让AI“读得懂”，最后才谈“愿意引用”。
第四步：布局外部内容。只优化官网，天花板很低。公关公司爱德曼（Edelman）的研究发现：在大模型中驱动品牌可见度的引用，最高可有90%来自媒体报道等“挣得媒体”（earned media）渠道，而非品牌官网；媒体监测平台Muck Rack在2026年5月对AI引用的分析也给出了相近的数字——84%的引用来自第三方编辑内容。原因不难理解：对AI来说，品牌自己说自己好是广告，第三方说你好才是证据。所以GEO的内容布局必须沿着用户的决策路径展开：行业媒体的深度报道、垂直平台的测评对比、问答社区的专业回答、机构的检测报告——不同平台承担不同的“作证”角色，而不是把同一篇官网文章到处复制。
第五步：持续追踪与迭代。AI的回答是流动的：模型在更新，信源在变化，竞品在行动。Vercel给自己定的节奏是按30天、90天、180天周期复审内容——核对事实是否过时、补充新数据、刷新发布时间，因为他们发现过时的内容会持续失去AI的引用。对多数企业，可执行的版本是：每月用问题库复测一轮目标问题，每季度做一次内容体检，把测试中暴露的薄弱场景和错误信息列入下个周期的内容计划。
六、如何判断GEO是否有效
GEO最常被质疑的一点是“效果说不清”。其实它可以被衡量，只是衡量的指标与SEO不同。建议从四个维度看：
可见性。目标问题中品牌被提及的比例、被引用的比例、出现在推荐中的位置、问题库的覆盖率。这个维度有可对标的真实参照：前面提到的Ramp，在完成基线测试并针对性重写内容（包括“中小企业应付账款软件”等目标页面）之后，一个月内AI搜索可见度从3.2%升至22.2%，新内容带来的引用量翻倍，其中两个目标页面贡献了300多次引用，品牌在金融科技应付账款赛道的可见度排名从第19位升到第8位。
图6 ｜ Ramp案例的一个月变化（数据为Profound官方案例所载企业自报数据）
准确性。AI对品牌的描述是否正确，有没有过时信息、张冠李戴或负面误解。这个维度常被忽略，但一条错误的AI回答可能比“不被提及”伤害更大。
稳定性。更换问法、更换平台、间隔时间重测，品牌的出现是否稳定。AI回答天然带有随机性，单次出现可能是运气，持续出现才是资产。
业务价值。官网直接流量、咨询量、线索量和转化率的变化。这是开篇那条推文的回收处：Vercel把“来自ChatGPT的注册占比”当作核心追踪指标，看着它从不到1%涨到10%；表单工具Tally则在同一时期发现ChatGPT和Perplexity成为其最大的获客渠道，帮助公司在4个月内把ARR（年度经常性收入）从200万美元做到300万美元。还要注意一点：AI带来的转化往往“量少质高”——用户带着AI给出的结论而来，决策路径更短，所以不能只看流量绝对值，更要看线索质量。
七、GEO的边界与误区
写到这里，必须泼几盆冷水，否则前面的内容会变成又一篇行业软文。
GEO不是批量发低质文章。普林斯顿研究中，关键词堆砌不仅没有任何收益，在主要可见度指标上反而比不做优化还低约8%。而国内今年的教训更直接——2026年央视315晚会曝光了打着“GEO”旗号的灰色产业链：一些机构在低门槛内容平台批量投放AI生成的虚假测评和软文，“污染”AI的检索信源，甚至能让AI推荐根本不存在的产品，报价不过几千元一年。这种做法在业内被称作“黑帽GEO”或“AI投毒”，与本文讨论的GEO是两回事：前者靠造假污染信源，迟早被平台反制并反噬品牌信誉；后者靠真实、可验证的优质内容去争取AI的信任。315之后，可以预见各AI平台会持续收紧对低质信源的权重——这对认真做内容的企业反而是利好。
GEO不是立刻见效的广告投放。它更像内容资产的长期建设：从基线测试到内容上线、再到被AI收录与引用，以月为单位计算。Ramp“一个月见效”的前提，是它本身已有完整的内容团队和高权威度的域名基础。预算有限的企业，更应该把GEO理解为“把本来就该做的内容做对”，而不是一笔立竿见影的投放。
最后是数据诚实度声明。第一，文中Vercel、Tally的增长数据为企业自报，Ramp案例来自其服务商Profound的官方案例库，均未经独立第三方审计——它们能说明趋势和量级，不应被当作精确承诺。第二，AI回答存在天然波动，跨平台、跨时间的归因都比传统SEO更难，任何“保证提及率”的承诺都值得警惕。第三，本文引用的实证研究与案例主要来自ChatGPT、Perplexity、Google AI Overviews生态；国内豆包、Kimi、元宝、DeepSeek等平台的信源偏好和引用机制可能不同（例如有国内报道指出，部分大模型的引用高度集中于少数内容平台），方法论是相通的，但具体数字需要在重新验证之后，才能作为决策依据。
八、结语：下一次用户问AI的时候
回到开篇那条推文。Rauch公布的10%，六个月前还不到1%——这场变化最值得警惕的不是它的方向，而是它的速度：等数据明显到所有人都看见时，先动手的企业已经在AI的答案里坐稳了位置。
用户获取信息的方式正在改变，而且这个改变不会逆转。过去，企业要让用户在搜索结果里看到自己；现在，企业还要让AI在合适的问题下理解自己、引用自己、推荐自己。
下一次用户向AI提问“哪家好”的时候，你的品牌准备好出现在答案里了吗？
参考来源
-
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. KDD 2024（第30届ACM SIGKDD知识发现与数据挖掘大会论文集）. https://doi.org/10.1145/3637528.3671900 -
Agarwal, S., & Sen, A. (2026). Google AI Overviews and Publisher Traffic: Evidence from a Field Experiment. SSRN工作论文（印度商学院 × 卡内基梅隆大学）. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6513059； -
Search Engine Journal：Study Confirms Google AI Overviews Cut Organic Clicks 38%，https://www.searchenginejournal.com/ai-overviews-cut-organic-clicks-38-field-study-finds/573145/ -
How we’re adapting SEO for LLMs and AI search（2025）. https://vercel.com/blog/how-were-adapting-seo-for-llms-and-ai-search -
How Ramp Increased AI Brand Visibility 7x in Accounts Payable. https://www.tryprofound.com/customers/ramp-case-study -
Ahrefs（Ryan Law & Xibeijia Guan）：AI Overviews Reduce Clicks by 34.5%（2025年4月）. https://ahrefs.com/blog/ai-overviews-reduce-clicks/；基于2025年12月数据的复测更新（2026年2月发布，降幅58%）：https://ahrefs.com/blog/ai-overviews-reduce-clicks-update/ -
Google users are less likely to click on links when an AI summary appears in the results. https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ -
Gartner Predicts Search Engine Volume Will Drop 25% by 2026 Due to AI Chatbots and Other Virtual Agents. 见 Gartner预测，由于AI聊天机器人和其他虚拟代理的出现，到2026年搜索引擎销量将下降25% -
Goodbye Clicks, Hello AI: Zero-Click Search Redefines Marketing. https://www.bain.com/insights/goodbye-clicks-hello-ai-zero-click-search-redefines-marketing/ -
How Brands Can Stay Visible in an AI-Driven Search World. https://www.edelman.com/insights/how-brands-stay-visible-ai-search； -
另见https://www.edelman.com/news-awards/edelman-introduces-geosight -
钛媒体：央视315曝光AI“投毒”，我们和几位GEO从业者聊了聊（2026年3月）. https://www.tmtpost.com/7915179.html -
虎嗅：315晚会曝光GEO“AI投毒”现象引发行业争议（2026年3月）. https://www.huxiu.com/article/4842414.html -
21世纪经济报道：315晚会曝光AI“投毒”灰产链，暴露大模型背后算法高危漏洞（2026年3月）. https://www.21jingji.com/article/20260316/herald/8cf9afdb3bc8ba06b10b2f89aef3bc17.html
