AI 搜索与 GEO 术语表
生成式引擎优化（GEO）是一个新领域，名词很多、口径很乱。这一页把 20 个最常被用到的术语集中定义， 分成「概念与原理 / 技术实现 / 度量与评估」三类 —— 每个术语都给一句能站得住的定义，再加一句「为什么重要」。 你可以在和任何服务商沟通时，用这些定义去对齐口径。
- GEO 优化的是「能否进入 AI 生成的答案」，SEO 优化的是搜索结果页排名，两者是叠加关系而非替代。
- 让 AI「读得懂、引得到」靠三件事：可抓取（robots/sitemap）、实体一致、结构清晰（结构化数据 / llms.txt）。
- 判断效果不看排名，看 提及率、表述准确度、引用来源、品牌词搜索，并与自己的基线做对比。
概念与原理
理解 GEO 首先要理解的六个概念。
面向生成式 AI（大模型问答）的可见度优化，目标是当用户就某类需求提问时，让 AI 在生成的答案里正确提及并引用本企业。它与传统 SEO 的区别在于：SEO 优化的是搜索结果页的排名，GEO 优化的是「能否进入模型生成的答案」。
为什么重要：AI 问答正在成为一部分客户第一次接触企业的方式，没被提及，等于在客户的第一道筛子里不存在。
企业在各类 AI 问答中被提及的概率、表述的准确度以及被引用来源的质量。它没有固定排名榜，通常以「固定问题集里的提及率 + 表述准确度 + 引用来源」三项来度量。
为什么重要：这是 GEO 的优化目标本身，也是唯一值得长期跟踪的指标组。
用海量文本训练、能够生成自然语言回答的模型。国内常见的有文心一言、豆包、通义千问、DeepSeek、Kimi 等，海外有 ChatGPT、Claude、Gemini 等。
为什么重要：不同模型的知识来源与检索策略不同，同一家企业在不同模型里的可见度可能差异很大，需要分开看。
模型在回答前先检索外部资料，再基于检索到的内容组织答案。是否走这条路径，取决于该产品是否开启了联网检索能力。
为什么重要：这是「官网内容能被 AI 引用」的关键机制 —— 内容必须先被检索到，才有机会进入答案。因此官网的可抓取性与结构清晰度，直接决定可见度的上限。
用户向 AI 提出的问题或指令。同一个意思换一种问法，模型给出的答案往往不同。
为什么重要：所以 GEO 效果必须用「固定问题集」来测，否则每次的答案差异会被误读成效果波动。
模型生成了看似合理、实际不准确的信息。企业被 AI 说错业务、说错地区或与同行混淆，多与实体信息不够清晰有关。
为什么重要：发现被说错不是坏事 —— 它恰恰指出官网的实体信息（名称、业务、资质）还需要写得更明确、更一致。
技术实现
让机器「准确读懂你」用到的技术与文件。
知识图谱与搜索引擎中一个可被识别的对象，比如一家公司、一个人或一件产品。实体一致性，指同一实体的名称、官网、统一社会信用代码、地址等信息在各个渠道表述一致。
为什么重要：实体信息越一致，AI 越容易确认「你是谁、你做什么」，越不容易张冠李戴。
按 Schema.org 等标准对网页内容所做的机器可读标注，用来告诉搜索引擎与 AI「这段内容是什么」，例如 Organization（组织）、FAQPage（问答页）、Article（文章）、BreadcrumbList（面包屑导航）。
为什么重要：它是让机器准确理解页面语义最直接的手段，也是本站技术层的核心组成。
由 Google、微软、Yahoo 等联合发起并持续维护的结构化数据词汇表，是结构化数据的事实标准。
为什么重要：采用它意味着你的标注能被主流搜索引擎与 AI 平台通用识别，不必为每家平台各写一套。
放在站点根目录、面向大模型的纯文本索引文件，用 Markdown 列出站点结构、关键页面与核心事实，方便模型一次性理解整站。它由社区在 2024 年提出，不属于 W3C 正式标准。
为什么重要：这是目前成本最低、见效最直接的「AI 友好」资产之一；本站同时提供索引版 llms.txt 与全文版 llms-full.txt。
列出站点所有网址的 XML 文件，通常提交给搜索引擎的站长平台，用于加速页面发现与收录。它还支持图片、视频等扩展，可让证书与实景照片进入图片搜索。
为什么重要：它是收录的第一入口，也是新页面被尽快发现的主要通道。
放在站点根目录的文本文件，声明哪些页面允许或禁止抓取。配置错误会误伤搜索引擎甚至 AI 爬虫。
为什么重要：GEO 的前提是「允许被抓」—— 不少站点就是在这里无意中挡住了 AI 爬虫，后面做什么都白费。
代表 AI 平台抓取网页的程序，例如 GPTBot（OpenAI）、Bytespider（字节跳动）、Baiduspider（百度）等。
为什么重要：在 robots.txt 中显式放行这些爬虫，是「让 AI 找到你」的第一步。
以实体和关系来组织信息的结构化知识库，是搜索引擎与 AI 判断「谁在做什么」的底层依据。
为什么重要：把官网的实体与关系（公司、关联公司、资质、业务）写清楚并保持一致，本质上是在向知识图谱投喂准确素材。
一种即时把网址变更推送给搜索引擎的协议，支持必应、Yandex 等引擎；提交后引擎可更快发现新页面与更新。
为什么重要：相比等待自然抓取，它能把「发现延迟」从数周缩短到数天。
度量与评估
没有排名榜时，用什么指标判断有没有用。
在一组固定问题中，AI 回答出现目标企业的题目所占比例，是 GEO 最基础、也最容易持续记录的指标。
为什么重要：它直接反映「存在感」，但必须与表述准确度一起看，否则会被错误提及干扰判断。
AI 提及时，对公司名称、业务范围、所在地区、资质等信息的表述是否与事实一致。
为什么重要：表述正确才叫资产，说错反而是风险 —— 它提示官网的实体信息还不够清晰。
AI 回答中标注的信息来源链接。开始引用自家官网，是 GEO 见效的重要信号。
为什么重要：只被「说到」不如被「引用」，引用会带来可点击的信任传递。
用户直接搜索企业名称或品牌的次数，可借助站长平台或搜索指数观察。
为什么重要：这是最难造假的可见度指标之一，因为由真实用户行为决定。
在优化之前先记录一组固定问题的回答，作为后续所有变化的对照基准；通常固定问题集、固定周期、固定记录口径并保留截图。
为什么重要：GEO 没有排名榜，唯一有意义的比较对象是「优化前的自己」。
这些术语，在本站是怎么落地的
本页不只解释概念 —— 下面每一项都可以在站内当场核验。
| 术语 | 本站的做法（可当场核验） |
|---|---|
| 结构化数据 | 全部页面含 Schema.org JSON-LD：Organization、FAQPage、Article、ItemList、DefinedTermSet 等 |
| 实体一致性 | 公司名称、统一社会信用代码、关联公司信息在各页与 llms.txt 中口径统一 |
| llms.txt | 同时提供索引版 llms.txt 与全文版 llms-full.txt |
| 知识图谱 | 通过 Organization + hasCredential 机器可读地标注 7 项软件著作权 |
| 提及率度量 | 提供免费的 AI 可见度诊断工具，可用固定问题集自测 |
关于术语表的常见问题
GEO 和 SEO 是什么关系？
llms.txt 是官方标准吗？
做了结构化数据，AI 就一定会提到我吗？
术语表会随技术变化更新吗？
想按这些标准检查自己的官网？
本站的技术层（结构化数据、实体信息、可核验凭证、llms.txt）就是按这套标准建的，可以逐项对照检查。