GEO 术语表:60 个 AI 搜索与生成式引擎优化的关键词

行业里同一个概念有三四个叫法,同一句话在不同服务商嘴里意思还不一样。这一页把常用词逐个钉死:一句话定义,加一句常见误解。

怎么用这一页:如果你在评估服务商或看方案,把对方用的词在这里对一遍,能快速判断他讲的是同一件事、还是换了包装。每个词条都尽量给出可核对的边界——什么算、什么不算、哪些数据拿不到。

  • 60 条覆盖引擎、抓取、内容、测量、交付五组
  • 1 句每条先给定义,再给一句常见误解
  • 5 组按使用场景分组,不按拼音堆砌
  • 可引用定义型内容是 AI 最常摘取的形态

快速定位

按使用场景找词

五组的顺序就是一次完整的项目周期:先懂引擎,再修地基,然后写内容、做测量、谈交付。

一句话概括这五组的关系:引擎决定规则(第一组),抓取决定你有没有入场资格(第二组),内容决定你能不能被摘出来(第三组),测量决定你说的效果能不能被证明(第四组),交付方式决定这件事能不能持续(第五组)。

第 1 组 · 10 条

AI 引擎与生成式搜索

理解「答案是怎么被生成出来的」,才谈得上优化。这一组是后面所有概念的前提。

生成式引擎Generative Engine
用大语言模型直接生成一段答案来回应提问的搜索产品,例如 ChatGPT、Perplexity、Gemini、豆包。与传统搜索最大的差别是:它给的是结论,不是链接列表。常见误解:把它当成「更聪明的搜索框」。实际上它的回答由模型实时组织,同一个问题换时间、换账号就可能不同。
大语言模型LLM / Large Language Model
在海量文本上训练、能按概率生成连贯文本的模型。它是生成式引擎的「嘴」,而检索系统是它的「眼睛」。GEO 影响的是模型看到什么,而不是模型本身的能力。
检索增强生成RAG / Retrieval-Augmented Generation
先从外部资料库检索相关片段,再让模型基于这些片段作答的技术路线。它是「引用」这个行为存在的技术前提。为什么重要:页面进不了检索结果,就不可能被引用——这也是 GEO 要先做技术底座的原因。
AI 概览AI Overviews
Google 在搜索结果顶部直接给出的 AI 摘要,附若干来源链接。它把「点击」提前截流,是零点击率上升的直接原因之一。出现在概览里的来源,未必是排名第一的页面。
引用来源Citation
AI 在回答中标注的信息出处,通常是一个可点击的链接或来源名称。被引用意味着「你的内容参与了这次回答」。注意口径:DeepSeek 这类对话型引擎通常不返回引用链接,这类引擎的「引用率」会恒为 0,不能与 Perplexity 混算。
零点击搜索Zero-click Search
用户在结果页或 AI 答案里就获得了所需信息,不再点击进入任何网站。AI 概览与直接答案普及后,这类比例显著上升。GEO 的目标之一是:即使没有点击,也要让品牌名字出现在答案里。
对话式搜索Conversational Search
用户用完整句子甚至多轮追问的方式搜索,而不是输入两三个关键词。这直接改变了内容形态要求:页面要能回答「一句话问题」,而不是覆盖「一个词」。
答案引擎Answer Engine
泛指以「直接给答案」为核心交互的搜索产品,包括 AI 助手、语音助手与搜索引擎的答案框。AEO(答案引擎优化)这个词就是从这里来的。
幻觉Hallucination
模型生成了看似合理但实际错误、或来源中并不存在的内容。对品牌的实际影响:AI 可能把你的产品参数、价格、服务范围说错,而这类错误会长期重复出现。监测「说错了什么」和监测「有没有提到你」同样重要。
训练抓取与检索抓取Training Crawl / Retrieval Crawl
AI 爬虫来访有两种目的:把内容拿去训练模型,或在用户提问时实时检索。两者对站点的影响完全不同。区分方法:看爬虫 UA 与访问路径。训练抓取通常量大且无规律,检索抓取更接近真实提问时间点。

第 2 组 · 10 条

抓取、索引与可达性

这一组是「地基」:做不到,后面的内容与测量都没有意义。

爬虫Crawler / Spider
自动访问网页并抓取内容的程序。AI 引擎的爬虫与搜索引擎的爬虫是两套,需要分别放行。常见事故:站点 WAF 把不认识的 UA 一律拦截,AI 爬虫连门都进不来,页面再优化也不会被引用。
用户代理User-Agent
爬虫访问时声明的身份字符串,例如 GPTBot、PerplexityBot、ClaudeBot。AI 爬虫识别就是按 UA 分类的。我们的系统内置 33 类 AI 爬虫 UA 规则,并区分训练、检索、用户触达三种目的。
robots.txtRobots Exclusion Protocol
放在站点根目录的文本文件,声明哪些路径允许或禁止抓取。一个高频错误:为了「防止内容被偷」而全站禁止 AI 爬虫,结果同时失去了被引用的机会。
sitemap.xmlXML Sitemap
列出站点需要被抓取的 URL 及更新时间的文件。对 GEO 的作用:帮助引擎快速发现新发布的内容,缩短「上线到被引用」的间隔。
llms.txtllms.txt
放在站点根目录、面向大模型的站点说明文件,用 Markdown 描述站点结构、核心页面与内容定位。要说清楚:它目前没有统一的强制标准,各引擎采纳程度不一。成本很低,属于加分项,不是万能开关。
服务端渲染SSR / Server-Side Rendering
页面 HTML 在服务器端生成后直接返回,爬虫拿到的是完整内容。反例是纯客户端渲染:爬虫拿到一个空壳,正文全靠 JS 加载,很多 AI 爬虫不会执行 JS。
规范化标签Canonical
声明某个页面的「正式版本」URL,用于处理重复内容。缺失或指错的 Canonical 会让引擎把权重分散到多个 URL,是体检里最常见的扣分项之一。
索引Indexing
引擎把抓到的页面存入可检索数据库的过程。抓取不等于索引。现象:日志里爬虫来过,但搜索里查不到、AI 也不引用——通常是索引环节被拒(noindex、重复内容、质量判定)。
抓取预算Crawl Budget
搜索引擎愿意花在一个站点上的抓取资源上限。站点越大、无效 URL 越多,单页分到的越少。常见浪费:分页参数、筛选参数、会话 ID 生成大量近似 URL,把预算耗光。
WAF 误拦WAF False Positive
站点防火墙把正常爬虫或真实用户误判为攻击并拦截。排查方法:看服务器访问日志里 AI 爬虫的响应码,403/429 占比高就说明被拦了。

第 3 组 · 18 条

内容与页面结构

这一组决定「AI 能不能从你的页面里摘出一句话来用」。

可抽取性Extractability
页面内容能被切成独立、完整、可单独引用的片段的程度。它是 GEO 与 SEO 最大的分水岭。提升手段:每节一个结论句、段首给判断、把长段落拆成 2-4 句的小块、用表格承载对比。
事实密度Fact Density
单位篇幅内可核验事实(数字、时间、主体、范围、来源)的多少。形容词密度高、事实密度低的段落,几乎不会被引用。典型对照:「服务众多客户」(事实密度 0)与「累计服务 200+ 家企业,含试点项目」(事实密度高)。
结论前置Answer-first
在段落或章节开头就给出结论,后面再补充原因与细节的写法。AI 抽取时优先取段首信息,把结论埋在第三段等于主动放弃被引用的机会。
CITE 框架Context / Intent / Trust / Evidence
评估一段内容可引用度的四维模型:语境是否清楚、意图是否对得上提问、是否可信、是否有证据。这是我们做内容诊断的主要口径,四维缺一项,引用概率都会明显下降。
结构化数据Schema Markup
用标准词汇标注页面内容的语义(这是什么、属于谁、价格多少),帮助引擎理解而非猜测。常见误解:以为加了标记就会被引用。标记是把盒子贴上标签,盒子里得有东西。
JSON-LDJavaScript Object Notation for Linked Data
以 JSON 脚本块形式嵌入页面的结构化数据格式,是目前搜索引擎与 AI 引擎支持最好的一种。常用类型:Organization、Product、Service、Article、FAQPage、BreadcrumbList、DefinedTermSet。
实体Entity
被明确指称的对象——一个公司、一个产品、一个人、一个地点。AI 回答里「算谁的」,本质是实体归属问题。做法:全站统一公司名、品牌名、地址、联系方式,并与外部可核验资料保持一致。
实体一致性Entity Consistency
同一实体在不同页面、不同平台上的名称、描述、联系方式是否统一。不一致会削弱 AI 对「这是同一家公司」的判断,直接影响是否敢引用你。
E-E-A-TExperience / Expertise / Authoritativeness / Trust
Google 提出的质量评估框架:经验、专业、权威、可信。它本身不是排名因子,而是评估内容质量的维度。在 GEO 里的作用:AI 更愿意引用有作者、有出处、有更新时间的页面。
主题簇Topic Cluster
围绕一个核心主题组织的一组页面,通过内链互相印证,形成「这个站懂这件事」的整体印象。单篇孤立的文章很难被引用,成组的内容更容易被判断为专业来源。
支柱页Pillar Page
主题簇里的总纲页,覆盖一个主题的全貌,并向各子页分发链接。本站的 /geo/ 就是 GEO 主题的支柱页,/geo-vs-seo/ /glossary/ /learn/ 是它的子页。
常见问题标记FAQPage Schema
把页面上的问答对用结构化数据标注出来,便于引擎直接取用。注意:Google 已缩减 FAQ 富媒体结果的展示范围,但对 AI 引擎理解内容仍有帮助,不必因此删掉。
标题层级Heading Hierarchy
H1 到 H6 的组织结构,反映内容的从属关系。规范做法:一页一个 H1;H2 对应主要小节;不跳级。层级混乱会让抽取出的片段失去上下文。
元描述Meta Description
搜索结果中标题下方的摘要文字。对排名不直接起作用,但影响点击率;部分 AI 引擎会参考它判断页面主题。
内链Internal Link
站内页面之间的链接。它同时承担权重传递、抓取引导与语义关联三个作用。GEO 里的额外价值:内链是 AI 判断「哪些页面属于同一主题」的重要线索。
锚文本Anchor Text
链接上可点击的文字,向引擎说明目标页讲什么。别用「点击这里」「了解更多」。锚文本应该是目标页的核心概念。
孤岛页Orphan Page
没有任何站内链接指向、只能通过 sitemap 或外部链接访问的页面。孤岛页通常抓取频率低、几乎不会被引用,是内链优化里优先处理的对象。
内容缺口Content Gap
用户会问、但你的站点没有对应内容的问题空白。做法:把销售与客服被问到的原话整理成问题集,与现有页面逐条比对。

第 4 组 · 14 条

测量与指标

这一组最容易被打包成话术。每个指标都要问一句:数据从哪来、怎么复现。

提及率Mention Rate
在设定的问题集里,品牌被 AI 回答提到的比例。分母是提问次数,分子是提到品牌的次数。最基础也最可靠的指标,因为它不依赖引擎是否返回链接。
引用率Citation Rate
AI 回答中给出你的页面链接(或明确标注来源)的比例。重要口径:对话型引擎不返回链接,其引用率恒为 0,必须单独标注,不能与返回链接的引擎合并计算。
首位提及率Share of First Mention
在提到同类多个品牌的回答里,你的品牌排在第一个的比例。它比「被提到」更接近真实的选择顺序。
答案份额Share of Answer
你的内容在一次 AI 回答中所占篇幅的比例,粗略反映「这次答案有多依赖你」。目前没有行业统一算法,我们按引用片段字数占比估算,只做相对比较,不做绝对值承诺。
可见性综合分Visibility Score
把提及、位次、情感、内容完整度、搜索排名五项按权重合成的一个综合分,用于跨周期比较。我们的权重是提及 40 / 位次 25 / 情感 15 / 完整度 10 / 排名 10;缺数据的项按 0 分记,不做乐观插值。
巡检AI Patrol
按固定问题集,在配置好的引擎上定期真实提问并保存回答原文的过程。关键在「真实提问 + 原文留存」,这样报告里的每个数字都能回溯。
问题库Question Library
用于巡检与内容规划的问题集合,通常覆盖品牌词、品类词、场景词、对比词。单站上限我们控制在 10 条/次巡检、问题库 40 条,避免成本失控与数据噪声。
基线Baseline
项目开始时的测量快照,包括体检分、提及率、引用率、排名分布。没有基线,后续所有「提升了多少」都无法证明。
页面体检Page Audit
对单个页面按固定指标逐项打分,输出可执行的修改清单。我们的体检是 12 项、100 分制:正文、Meta、内链、CITE、标题、Schema、图片、FAQ、事实密度、H1、Canonical、H2。
站点健康分Site Health Score
把整站页面汇总成的一个分数,由内容、内链、收录、AI 引用四部分加权。权重为内容 35 / 内链 20 / 收录 20 / AI 25;无数据的部分剔除后归一化,不硬凑。
搜索排名Rank Position
关键词在搜索结果中的位置。Search Console 给的是区间平均排名,不是精确位次。常见误读:把平均排名 4.3 当成「排第 4 名」。
曝光与点击Impressions / Clicks
页面在搜索结果中出现的次数,以及被点击的次数。两者之比是点击率。这两个数据只有搜索引擎官方后台能给,第三方工具的数字是估算。
Google Search ConsoleGSC
Google 官方提供的免费站长工具,提供真实的曝光、点击、平均排名与索引状态。注意延迟:排名数据通常滞后 2-3 天,做日报时要把截止日往前推。
百度搜索资源平台Baidu Search Resource Platform
百度的站长后台,提供抓取、索引与流量数据。百度不开放关键词级报表 API,中文关键词排名需要靠后台导出后导入,别信「自动同步百度排名」的说法。

第 5 组 · 8 条

服务与交付

这一组帮你判断一份报价单里哪些是可交付的,哪些只是措辞。

GEO 服务商GEO Agency / Vendor
提供生成式引擎优化服务的公司,服务范围从内容生产延伸到技术修复与监测。判断标准:能不能给出问题集、原始回答记录、可回溯的报告,以及明确说清哪些指标不可承诺。
FDEForward Deployed Engineer
前置交付工程师。驻扎在客户业务现场,直接理解业务问题并交付可用的 AI 系统的角色,介于顾问与研发之间。与「外包开发」的区别:FDE 对业务结果负责,不只对功能清单负责。
按效付费Performance-based Pricing
以约定指标(如审批时效、错单率)达标情况结算部分费用的合作模式。关键在于指标口径要事先写死,并约定由谁的数据为准。
驻场交付On-site Delivery
工程师在客户现场办公,与业务团队共同迭代的交付方式。适合流程复杂、跨部门协作多的场景;标准化需求用远程交付更划算。
SLAService Level Agreement
服务等级协议,约定响应时间、可用性、故障处理时限等硬指标。GEO 项目里应把「巡检频次、报告交付时间、修复项响应时长」写进 SLA,而不是只写「效果」。
NDA 与脱敏Non-Disclosure Agreement
保密协议。案例展示时对客户名称、具体数据做处理的做法叫脱敏。我们对案例的处理原则:可核验的写清口径,受保密约束的只讲行业与方法,不编造客户名与引语。
内容工厂Content Factory
批量生产符合 GEO 规范的内容的系统化流程,包含选题、生成、审核、发布、复检。流水线能解决「产量」,但选题与事实核查仍需人工,纯自动化的产出引用率通常很低。
灰帽手法Grey-hat Tactics
不违反明文规则、但明显以操纵结果为目的的做法,例如批量生成低质页面、伪造作者与评价。在 AI 引擎里的风险更高:模型会交叉比对多个来源,一旦识别出批量低质内容,整站可信度都会下降。

用术语反查服务商

四个问题,问出对方到底懂不懂

术语不是用来炫技的,是用来对齐预期的。下面四个问题,答不上来的基本可以跳过。

「你的引用率,分母是什么?」

专业回答会说清:多少条问题、在哪些引擎上、什么时间跑的、失败或超时的怎么算。含糊其辞的通常只在说「提升了很多」。

「对话型引擎不返回链接,你怎么处理?」

这是最有效的照妖镜。把 DeepSeek 的引用率算成 30% 的,要么没做,要么在编。正确做法是单独标注、不并入引用率。

「平均排名和排名位次是一回事吗?」

Search Console 给的是区间平均排名,不等于「排第几」。分不清这两者的,报告里的排名数据基本不可用。

「哪些指标你敢写进合同?」

可承诺的是执行动作(巡检频次、内容篇数、修复项)与数据透明;不可承诺的是具体引用次数与排名位次。敢划清这条线的反而更可信。

这些口径不是挑剔,是为了让后面 6-12 个月的沟通成本降下来。系统里每个指标都能点开看原始记录 →

FAQ

GEO 术语表常见问题

关于用词、口径与数据来源的常见疑问。

GEO 到底是不是地理定位?为什么两种意思都能搜到?

两个词只是英文缩写撞车。搜索营销语境里的 GEO 指 Generative Engine Optimization(生成式引擎优化),解决「AI 回答里有没有你」;另一个 GEO 是 Geographic,指按地理位置做投放或本地排名优化。判断方法很简单:看上下文有没有提到 ChatGPT、Perplexity 这类引擎,有就是前者。

这些术语有官方标准吗?会不会各家说法不一样?

大多数没有强制标准。Schema.org 的词汇是相对统一的(Product、FAQPage、Organization 等有明确定义),其余如提及率、引用率、答案份额都是行业约定,各家算法不同。所以看报告时一定要问清口径,而不是比较两个不同口径的数字。

AI 引用率和搜索排名,哪个更值得投入?

看你的客户在哪一环做决定。如果客户习惯先问 AI 再找供应商(B2B、跨境、专业服务尤其明显),引用带来的意向更精准;如果客户仍在搜索里逐条比较,排名还是主战场。多数情况下两者是上下游关系,不建议二选一,而是先修共用的地基。

术语表里的定义可以直接引用到我们的文章里吗?

可以,注明来源链接即可。这些定义本身就是为「被引用」写的——每条都尽量给出一句能独立成立的判断,AI 摘走也不会失真。如果你的站点也在做 GEO,这种定义型内容是很值得自己写一遍的题材。

为什么有些词条写「拿不到这个数据」?

因为确实拿不到。例如百度没有开放关键词级排名 API、对话型引擎不返回引用链接、AI 会话不公开完整日志。承认拿不到,比编一个数字更专业,也是我们不用第三方估算值冒充官方数据的原因。

还有没收录的词怎么办?

直接问我们。联系页留言写清你遇到的词和上下文,我们会补进这一页并说明它的真实边界——这个词如果行业里没有共识,我们也会直接说没有。

看懂词,才看得懂报告

把术语对上之后,下一步是看真实数据长什么样。注册后可以跑一轮站点体检与 AI 引用基线,报告里每个指标都能点回原始记录。