核心策略与原理
基于 Princeton GEO 论文（arXiv 2311.09735，KDD 2024）+ Google AI 优化指南（2026-07-10）+ llmstxt.org v1.7.0 社区提案编写
速查
- Princeton 三大 top 策略：Cite Sources（引用源）/ Quotation Addition（引语）/ Statistics Addition（统计）——对低排名站点尤其有效
- 整体效果：可见度提升 up to 40%，真实引擎 Perplexity.ai 上 up to 37%
- 低排名红利：Rank-5 站点 Cite Sources +115.1% / Quotation +99.7% / Statistics +97.9%
- 反效果：Keyword Stuffing（关键词堆砌）约 -10%——传统 SEO 手段在 GEO 中失效
- Authoritative（权威语气）/ Fluency Optimization：中等效果
- 引用 ≠ 推荐：被引用为信息来源 ≠ 被背书
- 第三方露出：Wikipedia / Reddit / 评测站比自有站更重要
- 清晰问答结构：H1/H2 + 段落 + FAQPage schema，利于 RAG 切片与抽取
- GEO ≠ SEO 替代：Google 官方明确「GEO/AEO 仍是 SEO」
- llms.txt 规范：H1（必需）+ blockquote 摘要 + H2 文件列表（
[name](url): 备注） - Google 不用 llms.txt：社区提案，对 Claude/Perplexity 文档生态有价值
- AI 爬虫区分：搜索露出 ≠ 训练；可独立放行 / 拒绝
GEO 概念深入
为何需要 GEO
生成式引擎（ChatGPT / Perplexity / Gemini / AI Overviews）的回答机制与传统搜索根本不同——它们用 RAG（Retrieval-Augmented Generation）/ grounding 检索相关网页，再生成一段富文本回答，把信息来源作为内联引用展示。这带来两个变化：
- 用户行为变化：直接读 AI 回答，不再像传统搜索那样看 10 条蓝色链接点链接进站
- 可见度模型变化：从「平均排名」转向「富文本内联引用」——位置、引用长度、引用风格都成为可见度维度
传统搜索平均排名 = 可见度；生成式引擎中「平均排名」不再是唯一指标，需看引用位置与篇幅。
Google 生成式搜索的两个底层机制
- RAG / grounding：基于核心排名系统检索网页，再用检索到的内容生成回答——这意味着「被核心排名系统收录 + 有 snippet 资格」是进入生成式回答的前提
- Query fan-out：模型并发派生相关子查询扩展召回。例如「修草坪杂草」会派生「最佳除草剂」「无化学除草方法」「预防杂草再生」等子查询
理解 RAG + fan-out 才能理解「为何基础 SEO 仍是地基」——AI 引擎复用核心排名系统的检索结果，做不好基础 SEO 就进不了候选池。
llmstxt.org 完整规范
llms.txt（llmstxt.org，v1.7.0）是 Jeremy Howard / Answer.AI 于 2024-09-03 提出的社区提案，为大语言模型提供一个简洁、markdown 化的站点摄入入口。非 IETF / W3C 官方 Web 标准。
文件结构
部署在站点根路径 /llms.txt（可选子路径），完整结构如下：
# {项目名} ← H1：唯一必需段
> {项目摘要} ← blockquote：一句话说明
{详细说明，任意非标题段落} ← 可选段落
## {段落标题} ← H2：分段的文件列表（零或多个）
- [{文件名}]({url}): {备注} ← 每项 markdown 超链接 + 可选备注
## Optional ← H2 Optional 段：特殊语义
- [{次要文件}]({url}): {备注}各段说明
| 段 | 必需 | 作用 |
|---|---|---|
| H1 标题 | 是 | 项目名，唯一必需段 |
| blockquote 摘要 | 否 | 项目一句话摘要 |
| 详细说明段落 | 否 | 任意非标题段落，补充说明 |
| H2 文件列表 | 否 | 零或多个 H2 分段，每项为 markdown 超链接 |
| ## Optional 段 | 否 | 特殊语义：需要短上下文时可跳过该段 URL |
.md 扩展名约定
建议为每个对 LLM 有用的页面在同 URL 后追加 .md 提供 markdown 纯文本版：
https://example.com/docs/api→https://example.com/docs/api.md- 无文件名 URL（如
https://example.com/）→ 追加index.html.md
llms-full.txt（可选伴随文件）
把重要文档拼接为单个全量文件，给 AI 爬虫一个高信令的单一摄入资源。非 llmstxt.org 强制项，是社区常见实践。
与相邻文件的区别
| 文件 | 目的 | 谁遵守 |
|---|---|---|
robots.txt | 控制爬虫访问（allow / disallow） | 所有 HTTP 爬虫 |
sitemap.xml | 全量页面索引，告诉爬虫有哪些 URL | 传统搜索引擎 |
llms.txt | 简洁 markdown 化内容摄入入口，面向 LLM inference（用户按需查询时） | 部分 LLM 生态（Perplexity / OpenAI / Anthropic 文档站） |
llms.txt 主要面向 inference（用户按需查询时）而非 training（模型训练）。Google 官方明确不使用它——做了对 Google 排名无增益。
Princeton GEO 研究
9 种优化方法及效果排序
Princeton 论文系统对比了 9 种优化方法在 GEO-bench（跨多领域大规模查询集 + 相关网页源）上的效果：
| 方法 | 中文 | 效果档位 | 说明 |
|---|---|---|---|
| Cite Sources | 引用源 | Top-performing | 添加权威来源链接 / 出处 |
| Quotation Addition | 引语 | Top-performing | 加入专家 / 一手当事人的直接引语 |
| Statistics Addition | 统计 | Top-performing | 加可验证的统计数字 |
| Authoritative | 权威语气 | 中等 | 用肯定、权威的语气陈述 |
| Fluency Optimization | 流畅度优化 | 中等 | 提升语言流畅性 |
| Easy-to-Understand | 易理解 | 中等 | 简化表达 |
| Unique Words | 独特词 | 弱 | 提升词汇独特性 |
| Technical Terms | 技术术语 | 弱 | 加入专业术语 |
| Keyword Stuffing | 关键词堆砌 | 负效果（约 -10%） | 传统 SEO 手段，GEO 中表现差 |
关键实证数字
- 整体可见度提升：up to 40%（在 GEO-bench 上的综合表现）
- 真实引擎 Perplexity.ai 上：up to 37%（验证实验室效果可迁移到真实引擎）
- 低排名站点获益最大：
- Rank-5 站点 Cite Sources +115.1%
- Rank-5 站点 Quotation Addition +99.7%
- Rank-5 站点 Statistics Addition +97.9%
为何引用 / 统计 / 引语效果最好？生成式引擎偏好可核验、可归因的事实依据。低排名站点原本缺乏权威信号，加入可验证引用后相对提升反而最大。
论文版本
- 2023-11 v1 首发
- 2024-06 v3 修订
- KDD 2024 正式发表，是 GEO 学科奠基论文（227+ 引用）
引用 ≠ 推荐
这是 GEO 中最容易混淆的概念：
- Citation（引用）：AI 引擎把你的内容作为信息来源列出，可能伴随「据 X 称」「来源：X」等措辞
- Recommendation（推荐）：AI 引擎主动推荐你的产品 / 观点 / 服务
两者并不等价。引擎可能：
- 引用后给负面评价：「据 X 站点声称 A 方法有效，但 Y 研究表明该方法有副作用」
- 引用后给中立陈述：「关于此问题，X 与 Y 给出了不同观点」
- 引用作为背景：仅作为讨论素材，并非主张其正确性
引用只带来曝光不等于转化。GEO 优化者必须区分「citation」与「recommendation」，不要把「被引用次数」直接等同于「被背书次数」。
第三方露出比自有站更重要
AI 引擎常从高权威第三方站取材，自有站被引难度更高。Princeton 与 Google 都间接印证：核心排名系统 + 高权威来源偏好，使得 Wikipedia / Reddit / 评测站 / 行业媒体在 AI 回答中占比远超普通自有站。
经营第三方高权重露出
- Wikipedia：高权威 + 结构化内容，AI 引擎核心取材源之一
- Reddit：用户讨论 + 真实使用经验，Perplexity / ChatGPT 经常引用 Reddit 帖子
- 评测站（G2 / Trustpilot / Capterra）：产品类查询的重要取材源
- 行业媒体（TechCrunch / The Verge 等）：新闻类查询的核心来源
- GitHub / Stack Overflow：开发者技术类查询的高权威来源
对很多企业，经营 Wikipedia / Reddit / GitHub 等第三方高权重露出比堆自有站内容更有效。这条策略与「让 AI 引擎引用自有站」并不冲突——多渠道露出。
清晰问答结构
Google 官方强调：按段落 / 章节 + 标题提供清晰结构，既利于人类阅读，也利于 RAG 检索切片与生成引擎抽取。
工程动作
- H1 / H2 / H3 标题层级清晰：每段聚焦一个问题或主题
- 段落短小聚焦：方便 RAG 切片器把内容切成独立语义单元
- FAQPage / HowTo schema（JSON-LD）：声明问答对与步骤式教学，便于 AI 抽取
- 直接回答体：在标题后第一段直接给出答案，再展开细节
- 列表 / 表格：结构化信息比连续段落更易被抽取
<!-- FAQPage schema 示例 -->
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [{
"@type": "Question",
"name": "GEO 是什么？",
"acceptedAnswer": {
"@type": "Answer",
"text": "GEO 是生成式引擎优化，目标是让内容被 AI 搜索引擎引用。"
}
}]
}
</script>Google 官方明确：生成式 AI 搜索不要求特殊 schema。FAQPage / HowTo 主要服务于传统 rich results，是整体 SEO 的一部分，不要当作 GEO 独门秘籍。
AI 搜索 vs 传统 SEO 区别
可见度模型差异
| 维度 | 传统搜索 | 生成式引擎 |
|---|---|---|
| 排序形态 | 线性排名列表（10 条蓝色链接） | 富文本内联引用 |
| 可见度指标 | 平均排名 | 引用位置 / 引用长度 / 引用风格 |
| 用户行为 | 看标题点链接 | 直接读 AI 回答 |
| 转化路径 | 排名→点击→站内转化 | 引用曝光→可能不点击→需多渠道触达 |
| 优化重点 | 关键词 / 反链 / 技术健康 | 引用源 / 统计 / 引语 / 问答结构 / 第三方露出 |
| 度量工具 | Search Console（普通） | Search Console Generative AI report |
Google 的官方立场（要点摘录）
- 「GEO/AEO 仍是 SEO」：生成式 AI 功能根植于核心排名与质量系统
- 被索引且有 snippet 资格是进入生成式回答的前提
- AI 系统已能理解同义词与语义：无需为每个搜索措辞变体精确匹配
- 页面长度服务于受众而非 AI：系统能理解单页多主题并展示相关片段，无需为 AI 切碎内容
反模式（避坑）
Keyword Stuffing（关键词堆砌）
Princeton 实证关键词堆砌在 GEO 中表现不佳（约 -10%）——生成式引擎不靠关键词密度排序，堆砌反而损害可读性与权威性。
llms.txt 万能论
Google 官方明确不使用 llms.txt。它对面向 Claude / Perplexity / OpenAI 的开发者文档生态有 inference 价值，但不是通用搜索的敲门砖，做了对 Google 排名无增益。
为每个查询变体造页
Google 明确这违反 scaled content abuse 垃圾政策——为 query fan-out 的每个子查询单独造页，高页面数量不等于高质量，是无效长期策略。
把内容人为切碎（chunking）讨好 AI
Google 明确无此要求，系统能理解单页多主题。页面长度应服务于受众而非 AI。
为 AI 改写文风 / 穷举长尾关键词
AI 系统理解同义词与语义，无需为每个搜索措辞变体精确匹配，担心「长尾词不够」是多余的。
追求虚假「提及」（inauthentic mentions）
在博客 / 视频 / 论坛刷提及，Google 核心排名系统聚焦高质量内容、垃圾系统拦截，生成式功能依赖两者。
把结构化数据当万能药
Google 明确生成式 AI 搜索不要求特殊 schema，结构化数据应服务于整体 SEO（rich results）而非当作 GEO 独门秘籍。
一刀切封禁所有 AI 爬虫
Disallow: * 一刀切会同时放弃 ChatGPT / Perplexity / Gemini 搜索的引用曝光与潜在流量。应区分「搜索露出爬虫」（建议允许）与「训练爬虫」（可按需禁）。
把 GEO 当 SEO 替代
跳过基础 SEO（可抓取 / 可索引 / 内容质量 / 核心排名）直接做 GEO 增量是本末倒置——Google 官方定调「GEO/AEO 仍是 SEO」。
下一步
- 参考：llms.txt 格式表 + Princeton 数据表 + AI 搜索引擎对比 + 爬虫清单 + 链接