via https://digiday.com/media/geo-hype-busted-experts-call-it-more-seo-than-new-discipline/
“GEO”这个缩写正大量涌入许多媒体高层的收件箱，供应商们争先恐后地想要搭上这波关注热潮。GEO是”生成引擎优化”（generative engine optimization）的简称，越来越多的供应商正在推销他们的GEO服务，旨在为聊天机器人和AI搜索引擎优化内容，声称可以帮助品牌和媒体公司在AI生成的答案中提高曝光度。
然而，SEO老手表示，围绕这些AI曝光度服务所兴起的新产业，可能并不像表面上看来那么具有革命性。他们指出，许多GEO策略与传统的搜索优化并没有太大不同，尽管自然存在一些关键差异。
以下是关于GEO的一些误解：
迷思：GEO并非另起炉灶，重新发明SEO
多数GEO策略依赖的基础与SEO相同。大语言模型（LLM）通常会从搜索结果中排名高、具权威性的网络内容摄取信息。GEO应被视为SEO的延伸，而非一套完全独立的策略。
SEO机构uSERP的联合创始人兼首席执行官Jeremy Moser表示，GEO有80%是良好、基础的SEO。他最近告诉Digiday：”如果一个GEO服务没有坦诚告知你，在AI搜索曝光度的成功中有80%来自良好的基础SEO，那他们就是在卖蛇油。”
SEO专家们正在警告出版商和品牌，要当心围绕GEO的炒作循环。他们表示，许多AI曝光度策略的运作方式，与过去的趋势相似。一个恰当的例子是：先前围绕Google的”加速移动页面”（AMP）和”精选摘要”的优化策略，曾被当作需要特定投资和专业知识的截然不同的新领域来推销。当时出现了专门的供应商、新的职位头衔，也划分了预算。实际上，这两者都是同一套底层搜索优化逻辑的演进——以让Google算法偏好的方式来组织你的内容。
GEO正遵循着相同的模式。效果营销机构Amsive的SEO策略与研究副总裁Lily Ray表示：”我们都经历过这种事无数次了，这就是为什么这对我们来说很令人沮丧。”
当然，也存在一些差异。例如，”查询扇出”（query fan-out）是一种在查询时，LLM检索和处理信息所使用的特定技术方法。这与SEO所基于的”爬行-索引-排名”模型是完全不同的检索架构。
最终目标大致相同：SEO旨在帮助网页在搜索结果中获得更高排名，而GEO则专注于让内容在AI生成的答案中被引用或摘要，后者更重视可提取的信息而非可点击的链接。
然而，价值交换有所不同：内容营销与SEO机构iPullRank的创始人兼首席执行官Michael King表示，传统搜索主要是一个导流（推荐流量）渠道，而AI搜索则扮演着品牌曝光渠道的角色，因为它能导向其他网站的流量非常有限。
迷思：如果你精通SEO，就等于精通GEO
尽管有些被当作GEO优化的东西，确实是重新包装的SEO（例如内容清晰度、权威性、信号、引用建立），但GEO中更具技术性的部分——特别是任何涉及LLM查询的”检索增强生成”（RAG）架构——确实是全新的领域，需要SEO团队具备专业知识和额外资源。
不过，GEO和SEO的基础是相同的：清晰的内容结构和标题、权威的来源和领域专业知识，对搜索排名和AI曝光度都有帮助——在不同网站和平台上的品牌提及，以及遵守搜索垃圾政策也是如此。Ray表示，良好的SEO实践做法，应该能让出版商和品牌在AI搜索曝光度上获得回报。
然而，确实存在一些关键差异。出版商和品牌应考虑他们的内容如何被LLM摄取、他们是否想封锁AI的爬取和抓取（例如在付费墙内容周围），以及他们的内容对LLM来说是否易于理解。例如，网页上过多的JavaScript会使LLM难以理解其中的内容。
King表示，其他独特的策略包括”内容分块”（content chunking，即将内容分解成区块，让LLM更容易摄取），以及在YouTube和Reddit等平台上分享视频和内容，以增加被AI引用的机会。
迷思：存在成熟的GEO策略，能保证被AI提及
大语言模型如何选择何时以及如何提及和引用某些出版商或品牌，仍然是一个”黑箱”。AI生成的摘要会因提示词和模型而异。LLM是概率性的，而非确定性的，其内部不存在像Google搜索排名那样稳定的排名系统。
那些声称知道如何针对AI进行优化，甚至能为品牌或出版商衡量AI可见度的公司，实际上是收集提示词数据，创建特定的提示词或主题类别，然后通过引用跟踪来查看公司被提及的频率。但这仍然相当难以预测。
传统的SEO涉及监控网站针对特定关键词在搜索引擎结果页面上的排名位置。而引用跟踪衡量的是AI系统如何生成答案，以及它们选择链接到哪些来源，这意味着公司竞争的是”影响力”，而非搜索排名中的”位置”。
AI生成的摘要是对开放式提示词的回应，而非传统SEO中那种固定的关键词，这意味着用户的输入可以千变万化。对于热门搜索关键词，有大量的数据可供参考，但对于究竟哪些提示词会触发AI生成答案中的引用，数据就要模糊得多。这使得公司更难理解自己被引用的原因或时机。虽然与AI平台的内容授权协议曾被视为提高出版商在AI搜索中被引用率策略的一部分，但推荐流量数据显示，即使是签订了这些协议的公司，其点击率也在下降。
迷思：AI可见度就是新的流量
在LLM中被提及或引用，并不会转化为显著的推荐流量（至少目前还没有）。
Similarweb最近的一份报告数据显示，路透社和《卫报》等出版商是ChatGPT和Perplexity等LLM中提及最多的新闻媒体，但从这些平台过来的推荐流量，还不到它们总流量的1%。
所以，并非如此。在AI中拥有高可见度，并不能解决许多出版商在搜索和社交媒体流量波动中面临的推荐流量困境（尽管它可能有助于提高品牌知名度）。
不过，有一些迹象表明，来自AI搜索聊天机器人的受众更有可能转化，并在网站上停留更长时间。《华盛顿邮报》的首席营收官Karl Wells表示，从AI平台访问《华盛顿邮报》网站的人，比从搜索或社交媒体过来的人在网站上停留的时间更长，并且与传统搜索相比，其订阅转化率要高出四到五倍。
迷思：GEO只是搜索领域的问题
虽然一些工具承诺提供”GEO优化的内容”，但其基本原理与标准SEO相同。清晰的问答结构、简洁的陈述句、定义明确的实体、结构化数据标记以及干净无歧义的散文，确实有助于LLM准确地检索和摘要内容。
但这并不意味着这种情况会长期如此。King认为，传统SEO侧重于针对特定关键词优化内容，而AI搜索则是跨多种关键词检索信息。这意味着出版商和品牌需要考虑声誉管理——他们的品牌在哪些地方以及如何出现在各种被LLM抓取的平台上。他补充说，与LLM的直接集成也是GEO独有的，需要更多的技术和工程资源，因为LLM可以从它们有权访问的提要中抽取信息，并可能因此优先考虑这些内容。
King将此比作针对每个平台的具体社交媒体策略的演变。”当社交媒体刚兴起时，它就像一个营销渠道或功能，你很容易就可以……让内容策略师来负责，”他说。”但社交媒体营销人员足够聪明，他们会说，’不，这是另一回事。每个渠道都需要它自己的关注。它需要自己的团队。它需要自己的内容。所有内容都需要因渠道而异。’”
迷思：GEO供应商能够清晰追踪AI可见度
这是个模糊的领域。许多AI可见度工具无法访问用户在AI搜索工具中输入的实际提示词。相反，它们通常依赖逆向推导——通过分析模式和输出结果来推断哪些品牌、出版商或内容被呈现出来。
为此，它们经常使用合成数据，即模拟旨在模拟用户行为的搜索和查询。它们还使用数据建模，通过算法估算哪些内容可能出现在回复中。它们还会使用聚类分析法，即将相似的输出结果分组，以识别哪些出版商或品牌最常被提及的趋势。
它们无法获取用户在AI搜索工具中输入的真实提示词。