原文链接：https://moz.com/blog/generative-engine-optimization
一些营销人员认为生成式引擎优化 (GEO) 只是一个暂时炒作的流行语。但这是一个错误，因为LLM搜索正变得越来越流行。
许多网站正因谷歌的AI概览而损失点击量，而像ChatGPT、Gemini和Perplexity这样的LLM工具正逐渐改变用户搜索信息的方式。
如果你不针对AI搜索进行优化，你将错失可能带来转化的潜在流量。
在Exposure Ninja，我们一直在跨行业试验GEO，测试在这些新的搜索平台中获得可见性的有效方法。
在本指南中，我将详细介绍我们用于优化生成式搜索的实用策略，以及你如何复制我们的流程，以提高你的品牌在AI搜索功能中的可见性。”
什么是生成式引擎优化 (GEO)
生成式引擎优化是一种策略，旨在优化你的内容，使其适用于像谷歌的AI概览、ChatGPT、Gemini、Perplexity以及其他生成答案而非链接的生成式模型这样的LLM工具。
虽然SEO专注于搜索引擎，但GEO会调整你的内容，使其能够被AI生成的回复引用、总结或作为特色内容展示。为了实现这个目标，你的内容需要以大型语言模型能够处理的方式进行构建。
你可能还会听到它被称为LLMO、GSO或AI搜索优化。它们都旨在让你的内容在生成式引擎中被突出显示，以回答用户的问题。
GEO与传统SEO的区别是什么
虽然GEO建立在你现有的SEO策略之上，但你优化的信号以及你衡量成功的方式是不同的。
以下是它们的比较：”
“生成式引擎是如何工作的？
如果你想让你的内容出现在生成式搜索结果中，你需要了解这些引擎是如何生成答案的。它们不仅仅是扫描关键词，而是分解查询，找到最佳来源，并每次生成独特的信息。”
生成式引擎会改写查询
当你在像ChatGPT或Perplexity这样的AI工具中输入一个冗长而复杂的问题时，它会将提示分解成更小的、类似搜索的查询，并在其模型中运行这些查询。这包括其内部训练数据，以及（取决于引擎）像网络这样的外部来源。”
“模型会总结每个结果，然后将其重新组合成一个回复。生成式引擎允许用户使用更长的句子、多个思路，甚至整个段落进行搜索，因为模型会将输入分解成它可以处理的块。
Perplexity是少数几个展示其底层工作原理的平台之一。它在后台运行多次网络搜索，并在输出中直接引用来源，从而更容易理解信息是如何收集和用于形成最终答案的。”
ChatGPT最近发布的o3模型经过训练，在生成答案之前会先“思考”，并且在处理用户查询时，它会向搜索者展示它的思考过程。
基于引擎的训练和访问权限提供不同的输出
并非所有的生成式引擎都以相同的方式工作。有些更依赖网络结果，而另一些则更依赖预先训练的数据集。它们在后台也使用不同的搜索引擎或抓取方法。以下是我们目前所了解的关于ChatGPT、Gemini和Perplexity如何创建这些输出的信息：
由于这些引擎使用不同的数据和方法来检索和总结内容，同一个问题在不同的平台提问可能会产生不同的答案。即使它们引用了来源，这些引用也会有所不同，因此AI优化需要足够广泛，才能覆盖不同的平台。
输出是生成的，而不是复制的
生成式引擎不会从数据库中复制粘贴回复。它们每次都基于数据中的模式创建新的回复。它们可能会在多次搜索中引用同一个页面，但它们的语言是即时生成的。
当你开启个性化设置时，像ChatGPT这样的LLM引擎可以根据你的搜索历史或偏好定制回复，从而使返回的内容更加多样化。”
如何找到优化AI概览的机会
如果你已经在使用STAT追踪自然排名，只需几个筛选器，你就能发现AI概览 (AIO) 的优化机会。以下是识别AI概览排名机会的工作流程：
第一步：找到已排在前10位的关键词
首先，将你的数据集缩小到你的网站已排在第1-10位的关键词。即使这些内容尚未出现在AI概览中，这也为你提供了一个接近成功的优质内容基础。
在STAT中，进入你的项目视图，并筛选你的关键词集中排名前10位的关键词。
第二步：添加“AI概览”SERP功能筛选器
接下来，通过添加“AI概览”的SERP功能筛选器，找出触发AI概览的前10个关键词。
如果你的内容已列在AI概览中，那很棒。如果不是，那就是一个优化的机会。
第三步：按“自有”与“非自有”AI概览进行细分
现在，将你的列表分为：
- 自有AI概览：你的内容被AI概览引用。
- 非自有AI概览：AI概览存在，但你的内容未被包含在内。
这有助于你将精力集中在尚未认领的机会上，即你已经排在前10名，但未在AI概览摘要中被引用的情况。
第四步：优先考虑高价值、商业意图的查询
创建要针对AI概览优化的目标关键词列表。
专注于与收入相关的关键词：
- 具有购买或研究意图的关键词
- 品牌产品或服务查询
- 具有高转化潜力的页面
提示：查看GA4中非自有AI概览与你最高价值着陆页之间的重叠。这些是GEO优化的首要目标。
如何在生成式AI搜索中出现
以下是我们Exposure Ninja使用的核对清单，以帮助我们的客户在AI结果中获得引用。
极度精准匹配
我们做的第一件事是将我们发布的信息与我们试图获得排名的短语进行极度精准的匹配。
例如，我们写了一篇关于“什么是数字公关”的文章，并注意到AI概览的文本取自引言部分，我们在其中包含了关键词“数字公共关系”。”
“直接回答问题，并使用项目符号分解关键信息
确保你的内容简洁易懂。正如人们难以理解过于复杂的信息一样，AI也更难理解结构不清晰的内容。它会寻找可识别的模式和直接的语言来准确解读你的信息。
例如，在下面的截图中，我们与DSLD Mortgage合作创建了一份关于抵押贷款支付的指南。
我们最大的改动之一是重写了引言段落，使其直截了当，易于AI理解。
我们还使用项目符号构建了关键部分，以突出我们认为与常见的AI概览问题相关的特定要点。这帮助我们预测了用户可能会提出的后续查询类型。
我们通过让一位抵押贷款专业人士作为作者撰写内容，并采用第一人称视角，使内容更具个性化。作者的专业知识提高了内容的E-E-A-T（经验、专业知识、权威性和可信度），这是高质量内容的重要信号。
这是Moz关于如何优化内容以提升E-E-A-T的出色解释。”
最后，我们将信息分解为简单的格式，更新了结构化数据（schema），并确保页面结构支持AI抓取。
在常规自然搜索和本地搜索中获得良好排名
你需要在传统搜索中具有可见性，才能在生成式搜索中获得引用。如果没有这个基础，你的内容不太可能出现在AI概览中或被生成式引擎引用。
本地SEO在这里也起着关键作用。谷歌的地图包（map packs）、商家引用（business citations）和优化的服务页面在被选中方面发挥着重要作用，尤其是在像Gemini这样的平台中。
例如，当你搜索“McCallen人身伤害律师”时，Patino律师事务所在该关键词的谷歌地图包中排名靠前。”
他们还在Gemini上针对许多相关的本地搜索查询显示出来。
我们认为Gemini直接从Patino Law的Google商家档案中提取了一些数据，包括位置、联系信息和评价。
这表明，一个优化的Google商家档案、积极的第三方评价和本地内容如何影响你在生成式回复中的显示方式。
被引用为数据或研究来源
生成式引擎优先考虑感觉权威的信息，这包括数据。但有趣的是，数据来源不一定总是品牌本身。
在一个从ChatGPT提取的例子中，联合利华在一段关于微塑料的对话中被引用。然而，被引用的研究甚至不是由联合利华发布的。这是一项第三方研究，在相关的背景下提到了联合利华。
由于AI模型高度重视研究内容，它们通常会将这类引用置于更传统的品牌宣传之上。
这里的关键很简单：如果你想影响你的品牌在AI答案中的呈现方式，你需要与强大且有充分证据支持的研究联系起来，即使你不是发布者。这包括：
- 委托或合作进行第三方研究
- 在现有的数据主导内容中获得报道或引用
- 发布你自己的有研究支持的思想领导力内容
正如史蒂夫·雷森曾在Moz的一项研究中说过的：“如果你想创作获得大量分享和链接的内容，那就专注于形成观点、权威且有充分研究和证据支持的内容。
同样适用于GEO，数据、统计数据和独立验证有助于你的品牌被纳入答案，尤其当你的网站在传统SEO意义上并非最具权威的来源时。
通过公关和定位影响品牌认知
一些品牌已经因其在媒体、第三方内容和用户讨论中的定位而在生成式搜索中胜出。
一个突出的例子是The Ordinary。多年来，他们始终如一地占据着两个品牌定位： “最具性价比的护肤品”和“科学支持的护肤品”。
这些短语反映了人们自然的搜索方式以及竞争对手的定位方式。The Ordinary将它们融入了每一个接触点，包括新闻稿、产品描述、采访和网红营销活动。
这些E-E-A-T信号和高调的品牌提及有助于The Ordinary更频繁地出现在AI搜索功能中。
这种模式也延伸到了Reddit帖子和博客内容，用户在讨论中呼应了该品牌的语言。这种有机的强化，加上持续的公关活动，即使该品牌不是数据来源，也有助于其出现在AI生成的回复中。
需要明确的是，你不需要进行多年的公关活动才能获得类似的结果。你需要的是一个可重复的市场定位信息以及一个将其传播到可信、可索引来源的策略。
以下是如何做到这一点：
- 选择一到两个与搜索行为一致的关键定位短语。
- 在所有信息传递中围绕这些短语进行创作，从作者简介到标准文本。
- 向已经报道你所在领域的媒体推介思想领导力和产品综述。
- 利用像Reddit和Quora这样的平台，挖掘社区主导的关于你品牌的讨论，并强化你的定位。
重要的是，你的品牌在不同平台、被LLM已经信任的人和出版物以相同的方式进行描述。如果你能塑造这种认知，AI引擎就会将其延续下去。”
“你应该追踪哪些GEO指标？
在生成式搜索中，你找不到传统的关键词排名。没有平均排名、SERP功能框或展示次数等指标。但这并不意味着你无法追踪GEO，只是需要一种不同的方法。
以下是我们在Exposure Ninja追踪生成式引擎表现的方式以及你应该衡量的指标。
追踪你在AI概览中的出现情况
首先，确定你的哪些目标关键词会触发谷歌的AI概览。你可以使用像STAT这样的工具来监测你拥有的和非拥有的AIO（AI概览）出现情况。
设置一个自定义的活动来追踪你出现在AI概览中的次数，以及这个数字是否随着时间的推移而增加。
我们为重要区域的客户手动执行此操作，比较每个季度初和季度末的覆盖率。这很简单但非常有效。
监测来自AI平台的引荐流量
使用GA4来筛选和分组来自ChatGPT、Bing、Gemini和其他AI引擎的流量。
在我们的工作流程中，我们为每个平台创建了自定义的渠道分组，以便我们可以单独追踪流量来源，并了解流量的增长来自何处。
设置 > 渠道分组 > 添加 将其拖到顶部 如果出现新的生成式AI平台，则需要更新此列表
此设置使我们能够：
- 追踪来自每个AI引擎的总流量
- 可视化随时间推移的表现趋势
- 根据驱动结果的因素优先进行优化
别忘了增加你的GA4表格的行数限制，因为默认情况下，AI流量通常显示在底部。
衡量来自AI引荐的会话和转化
你无法在生成式搜索中追踪特定的关键词，但你可以追踪结果。在Looker Studio中，我们展示GEO着陆页，并显示哪些AI平台带来了最多的转化。
如果大多数用户都是通过相同的URL进入你的网站，这表明生成式引擎正在引用这些页面。按平台细分这些数据，以查看ChatGPT、Perplexity或其他工具的表现最佳，并相应地调整你的策略。
在一份客户报告中，我们发现所有来自AI搜索的流量中有52%来自ChatGPT。这一洞察促使我们将重点转向更符合LLM（大型语言模型）友好的文案和格式。
分析AI平台上的品牌情感和准确性
除了流量之外，了解生成式搜索平台如何描述你的品牌以及这些信息是否准确也很重要。
我们在ChatGPT、Gemini和Perplexity内部进行人工品牌审核，以检查：
- 正确或过时的描述
- 缺失的关键产品信息
- 跨平台的不一致信息
这有助于我们在不实信息传播之前发现需要改进信息传递、填补内容空白或纠正错误信息的领域。为了清晰起见，我们在面向客户的报告中总结这些发现，并提供示例查询和屏幕截图。”
优化生成式搜索时要避免的错误
在生成式引擎中获得引用与SEO遵循不同的规则。事实上，一些在传统搜索中有效的策略并不能帮助你在ChatGPT、Gemini和Perplexity中获得可见性。
以下是要避免的事项：
假设SEO排名等同于AI可见性
在谷歌中排名靠前并不意味着你的内容会出现在生成式答案中。AI引擎使用不同的输入，并且经过训练来识别模式，而不是位置。
将屏幕截图、图表或产品图片作为关键答案
视觉元素很少出现在AI聊天结果中。一些平台可能会抓取视频，但图表和屏幕截图等图片很少被引用。如果你的价值不在文本中，那么它很可能不会被看到。
在你的页面和网站上复制答案
在同一页面（正文和FAQ）或多个页面上重复相同的答案会混淆大型语言模型。这使得生成式引擎更难检测相关性和意图。
发布大量未经编辑的AI内容
AI引擎不会奖励数量。未经编辑或模板化的内容更有可能被忽略或标记为低价值。生成式搜索依赖于清晰度和上下文。如果你的文案缺乏这两者，它就不会被选中。
用重复的品牌提及来刷LLM
在每个内容中塞入相同的品牌短语并不能提高你的可见性。事实上，它可能会产生相反的效果。生成式引擎寻找可信来源中的自然信号。你提升品牌权威的策略应该感觉自然，而不是强加的。
依赖关键词而不是权威性
如果你只关注关键词而不建立品牌信誉，你将无法从生成式搜索平台获得太多价值。正如Chima Mmeje在她犀利的观点中所说，你需要一个整合的数字策略，优先考虑品牌和SEO，而不是孤立地进行。
总结：立即开始优化生成式引擎
你不必在GEO和SEO之间做出选择，因为你可以同时进行优化。使用STAT查找AI概览机会，投资数字公关以增加品牌提及，并追踪正确的绩效指标。