GEO Wiki
How generative engines pick sources, and what to do about it.
Articles are currently published in Simplified Chinese only. Titles and full text below are in Chinese. Browse the Chinese blog →
Evidence-led writing on how AI answers get made.
品牌实体与知识图谱：AI 怎样认出一个品牌，实体优化该做什么
AI 把两家名字相近的公司说混、把成立年份说错，多半不是措辞问题，而是品牌实体没有立稳。本文解释品牌实体与知识图谱的关系，说明哪些事实最能帮 AI 识别品牌，以及实体优化能做到和做不到的事。
AI 声量份额怎么算：竞品在 AI 回答里占多少，才是可以比较的数字
被点名率会随整个品类一起涨跌，AI 声量份额看的是被说出口的品牌名里有多少属于自己。本文讲清楚它的计算口径、对称计数为什么要紧、最常见的几种算高方式，以及这个数字说明不了什么。
GEO 服务验收怎么写进合同：效果验收标准该落在哪几条
签 GEO 服务合同时最容易被一笔带过的是验收。本文从民法典对质量条款的规定出发，结合生成式答案本身会波动的研究，说明 GEO 合同里验收标准该约定什么、不能约定什么，以及怎样核对服务商交来的数字。
robots.txt AI 爬虫设置：允许还是屏蔽，两边各要付什么代价
robots.txt 里允许还是屏蔽 AI 爬虫，很多站点是跟风决定的。本文依据 RFC 9309 与各平台官方文档，拆开训练与检索两类爬虫，说明屏蔽 AI 爬虫的影响，以及放行之后仍然抓不到的原因。
AI 回答品牌信息错误怎么办：AI 幻觉的来路与纠正顺序
AI 回答里把品牌的成立年份、服务范围或地址说错，多数不是随机失误，而是材料缺口或旧信源在起作用。本文按研究数据拆开 AI 幻觉与品牌信息错误的几种来路，给出从源头往回改的纠正顺序，以及怎样确认它真的改了。
GEO 多久见效：把效果周期拆成几段时钟来看
GEO 多长时间有效果，没有人能给出一个固定数字。本文依据 Google、OpenAI、DeepSeek 的官方文档与相关研究，把 GEO 效果周期拆成抓取、检索、模型更新和测量几段，说明每一段由什么决定、哪些环节会拖慢。
AI 爬虫与 JavaScript 渲染：客户端渲染的页面为什么 AI 抓不到
浏览器里内容完整的页面，AI 爬虫拿到的可能只是一个空壳。本文依据 Google、百度与 OpenAI 的官方文档，说明 AI 爬虫与 JavaScript 渲染的关系、页面可渲染性的自查方法，以及改造的代价。
长尾问题与 AI 推荐：为什么具体问题里更容易被点名
品类大词里挤不进 AI 答案的品牌，在具体的长尾问题里往往还有位置。本文结合 Pew 搜索行为数据与三篇研究，说明模型为什么在长尾问题上更依赖检索到的材料，以及这套思路的边界在哪里。
llms.txt 有没有用：官方文档怎么说，llms.txt 怎么写才不白写
llms.txt 有没有用？Google 搜索文档说进入 AI 功能不需要它，Chrome Lighthouse 却把它列为检查项。本文按官方文档梳理它的现状、国内平台的空白，以及值得写的 llms.txt 长什么样。
GEO 基线测量怎么做：做 GEO 之前先测什么，AI 可见度基线为什么必须先于一切改动
做 GEO 之前先测什么？答案是一份可重复的 AI 可见度基线。本文讲清 GEO 基线测量的问题集怎么来、为什么要冻结、每题为什么至少测三次，以及基线能回答和不能回答的问题。
为什么 GEO 的评分不能交给大模型：规则判定与模型生成怎么分工
用大模型给站点打分，分数每次都可能不同，拿它做验收等于没有验收。本文说明哪些环节用固定规则、哪些环节用模型、引用怎么数，以及这套分工要付的代价。
GEO 效果归因怎么做：这次变化到底是谁带来的
数字动了不等于工作有效。模型版本更新、竞品动作、问法漂移和模型自身的随机性都会造成变化。本文给出四个干扰源的排除方法、对照组的设法，以及不能归因的情况。
生成式引擎优化的研究到底说了什么：GEO 原理、结论与样本边界
生成式引擎优化这个词出自一篇 2023 年的论文。本文把 GEO 研究结论逐项拆开：哪些写法被证明有效，关键词堆砌为什么失灵，这些实验的样本是谁，以及结论搬到国内平台时哪些地方不能直接套用。
GEO 和内容营销怎么协同：一套内容两用，但有三件事会打起来
GEO 不需要另起一套内容，需要的是在现有流程里加三个动作。本文讲一套内容两用的具体做法、谁写谁审、排期怎么排，以及 KPI 怎么分才不会两边都说自己没问题。
什么样的内容会被 AI 引用：GEO 内容生产的四个硬标准
被引用的内容有共同特征：具体、可单独摘出、每个主张后面有东西、写明了不适用的情况。本文给出四个可检查的标准、长度的定法，以及哪几类内容在 GEO 里是负资产。
本地服务 GEO 怎么做：附近哪家这类问题的候选池比你想的小
本地问题的候选集很短，一致性比内容量更要紧。本文讲本地提问的三个特点、地址与名称口径怎么统一、本地印证从哪来、按地区批量生成页面的边界，以及八周能做完什么。
AI 怎么描述你的品牌：被提到不等于被说好，语境质量怎么自查
只统计被点名次数会把负面提及和被当反例一起算成进展。本文把答案里的语境分成六类，给出不用工具的打标签方法、一张半天能填完的自查表，以及这份自查说明不了什么。
AI 会读图片和视频吗：图文与视频内容要补哪些文本才可能被引用
生成式回答是文本，图片与视频里的信息只有存在文本等价物时才有机会进入答案。本文讲四个可以补文本的位置、alt 与文字稿的取舍，以及哪些做法纯属白费。
AI 联网搜索怎么改变 GEO：这一次回答有没有查网页，决定了能不能被影响
同一个问题，模型联网检索和依赖记忆回答，品牌能被影响的空间完全不同。本文讲怎么判断走的是哪条路、联网后能介入的三个环节，以及为什么检索候选池不能算作引用。
AI 查询意图分类：什么问题会触发 AI 回答，四类意图各要什么内容
用户向 AI 提问时的意图决定了答案形态，也决定了哪种内容有机会被引用。本文按认知、对比、决策、执行四类拆开，并说明为什么长尾问题比品类大词更值得先做。
结构化数据对 AI 回答有没有用：Schema.org 该配哪几个类型，又该跳过哪几个
结构化数据常被当成 GEO 的万能解。本文分清它确定有用、可能有用和基本无用的三部分，给出 Organization、FAQPage、Article 的字段取舍，以及三处最常见的配置错误。
FAQ 怎么写才会被 AI 引用：问答内容的取材、写法与三种白写的情况
问答是性价比最高的 GEO 内容形态，因为它的结构和生成式回答的需求天然对齐。本文讲问题从哪里来、答案要满足什么条件、标记起什么作用，以及哪三种 FAQ 写了也没用。
GEO 与 SEO 的区别到底在哪：SEO 做得好，AI 就会推荐你吗
GEO 和 SEO 有什么不同？差别不在「被搜索」与「被推荐」这句对仗，而在优化对象、衡量口径和失败的样子。本文逐项对比，并说明已有 SEO 团队的企业该从哪一步接上。
企业官网 GEO 配置清单：15 项检查，先解决 AI 爬虫抓不到的问题
官网 GEO 的前置条件不是内容，是能不能被抓到、被读懂。本文给出可抓取性、机器可读、可引用性三组共 15 项检查，标明哪几项最常不过关，以及做完之后不会发生什么。
GEO 语义词体系怎么建：从客户原话到可复测的词组表
语义词体系不是一张关键词表。本文给出从收集真实问法、归并成语义词组、判断哪些现在打得动，到配材料清单与保证可复测的五个步骤，以及该推翻重做的信号。
Questions teams ask before they start
What do you publish here?
Method notes on how generative engines pick sources, platform-specific observations, and industry developments that change how GEO work should be done.
Can I reprint these articles?
Yes, with attribution and a link back to the original. If you syndicate to another platform, set a canonical link to the original URL so the two copies do not compete.
How often is this updated?
There is no fixed publishing schedule. Method notes go out once the method has been verified; platform observations go out once a change in behaviour is reproducible. Content published to hit a frequency target is not usable material, for readers or for models.
How are the conclusions here arrived at?
From running the same question set across every platform we cover and recording what the answers cite. Articles state when the measurement was taken. Platform behaviour changes with model versions, so conclusions older than that date need re-verification.
Can we contribute an article?
Yes. Contact us by phone or WeChat with the topic and the raw data you can supply. We do not accept purely promotional submissions.
How do the three sections differ?
Technical notes cover one mechanism per piece. Industry news records changes on the platforms and in the field. Company news carries service updates and announcements. To run a full engagement in order, start from the guides in the learning centre instead.
Find out where your brand actually stands in AI answers.
An AI visibility diagnosis across the platforms your customers use, on your real questions. No charge for the first look.