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。
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与内容营销协同：一套内容同时赋能AI推荐与品牌增长
很多企业把 GEO 和内容营销当成两套独立的工作，实际上两者高度协同：一套设计得当的内容，既是 GEO 的高质量信源，也能带来自然流量和用户价值。
GEO效果追踪方法论：建立科学的AI推荐率监测与分析体系
GEO 的价值最终要通过数据证明。本文介绍效果追踪的核心方法：推荐率的标准化测量、竞品对照框架、AI 线索来源溯源，帮助企业建立一套完整的监测体系。
问答内容GEO价值最大化指南：FAQ怎么写才能被AI高频引用
问答式内容是 GEO 中被 AI 引用概率最高的内容类型之一。本文解析 FAQ 在 AI 推荐机制中的特殊价值，并给出一套可执行的高被引 FAQ 写作方法。
多模态GEO优化入门：图片与视频内容如何影响AI推荐排名
随着主流 AI 多模态能力的升级，图片、视频等非文本内容正在越来越多地影响 AI 的推荐决策。本文介绍多模态内容在 GEO 中的作用机制与企业的布局方式。
AI查询意图分类解析：四大意图类型与对应的GEO内容策略
理解用户向 AI 提问时的真实意图，是制定有效 GEO 内容策略的前提。本文把 AI 商业查询按意图分为四类，解析每类下用户的决策状态与对应的内容打法。
品牌AI形象健康度自查手册：8个维度量化评估你的GEO现状
很多企业不知道自己的品牌在 AI 大模型中是什么形象，也不知道如何量化评估。本文提供一套 8 个维度的自查方法，不借助专业工具也能做出初步诊断。
结构化数据在GEO优化中的实战应用：让AI精准理解你的品牌
Schema.org 结构化数据是帮助 AI 精准理解品牌信息的重要技术手段。本文介绍 Organization、FAQPage、Article 等核心类型的实战配置方法。
AI联网搜索能力解析：实时检索如何改变GEO优化的核心策略
主流 AI 的联网搜索能力正在从「可选功能」变成「默认标配」。这意味着 GEO 从影响训练数据，扩展为实时影响 AI 的搜索结果。本文解析联网 AI 的内容处理机制及其对策略的影响。
本地服务企业GEO优化实战：8周执行路径拆解
本地服务类企业（装修、口腔、教育、法律等）是 GEO 收益最明显的行业之一。本文拆解从 AI 可见度诊断到持续复测的 8 周执行路径，供同类企业参考。
GEO与SEO的核心差异：从被搜索到被推荐
很多企业主在了解 GEO 时会问：它和 SEO 有什么本质区别？简单说，SEO 让你出现在搜索结果页，GEO 让 AI 主动推荐你。本文从技术逻辑、评分机制、效果衡量三个维度做对比。
企业官网GEO优化清单：15个必做技术配置，系统提升AI可读性
企业官网是 GEO 的核心阵地之一。本文提供一份完整的官网 GEO 技术配置清单，涵盖可抓取性、结构化数据、内容架构三大模块共 15 个配置项。
GEO语义词体系构建指南：系统规划品牌AI覆盖版图
语义词体系是 GEO 的基础。它决定了品牌能在哪些 AI 查询场景中被推荐、被推荐的频率有多高。本文介绍如何从零开始构建品牌的 GEO 语义词体系。
GEO内容生产方法论：创作AI大模型「偏爱」的高权重品牌内容
GEO 的核心是内容，但并非所有内容都会被 AI 当成高价值信源。本文介绍内容结构设计、事实密度与权威背书的写法，帮助企业创作真正能提升 AI 推荐率的品牌内容。
大乐GEO技术解析：如何实现AI大模型的语义精准覆盖
大乐GEO 的工作方法由语义结构梳理、权威信源建设、平台适配三部分构成，并用固定问题集复测验收。本文说明每一部分做什么、依据什么、边界在哪里。
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.