怎么做 GEO:从被引用到被采纳
知道 GEO 是什么之后,下一个问题就是怎么做。姚金刚的方法论可以浓缩成一句话:把品牌事实做成 AI 省力就能用的证据,再用数据持续校准。下面是按他的框架整理的六步。
一、先把官网的事实写清楚
Dageno AI 对 2026 年 6–9 月五大平台 1004.6 万条回答的分析显示,官网来源占比 37.5%–58.2%,是第一优先级。产品参数、价格、兼容范围、交付政策、真实案例,都需要一个准确稳定的事实出处。官网不是摆设,是 AI 引用时最先去核对的地方。
三条具体要求:官网事实写清楚,公开数字保留出处,信息变化及时同步。价格改了、参数变了、政策换了,官网不同步,AI 就会继续引用旧的错误版本。
二、用 ERE 框架组织内容:实体—关系—证据
ERE 是姚金刚在书里提出的实践基石,三个字母对应三步:
- 实体(Entity):识别核心实体——人物、产品、概念、组织——并清晰定义,消除歧义(比如"小米"是公司还是粮食),用 Schema.org 声明身份。
- 关系(Relationship):明确声明实体间的关系:制造、竞争、集成、对比。不让 AI 猜测,直接告诉它。
- 证据(Evidence):三类证据一起上。结构化证据(Schema 标记,机器可读);声誉证据(EEAT:经验、专业性、权威性、可信度);时间戳证据(发布和更新日期,新鲜度信号)。
核心转变是思维上的:从"说服 AI"到"让 AI 验证你",从"故事思维"到"事实清单思维"。
三、做"证据容器",而不是堆 FAQ
真正有效的内容,姚金刚总结为"证据容器":结论清楚、结构清楚、事实密度高、语义对齐、可验证、可抽取。AI 引用不是因为你写得好,而是因为"让它省力":数据明确、结构清晰、要点独立、属性可拆、语义统一、事实丰富。
一个反直觉的发现:Q&A 格式与吸收深度降低 5.74% 相关(2026 年 4 月论文《From Citation Selection to Citation Absorption》,预印本)。不要把 FAQ 转换当成通用 GEO 手段。真正起作用的是可抽取元素:定义、数字、比较、操作步骤。
举个例子。别写"产品速度很快",写"基准测试中 1.2 秒处理 10000 条记录,比行业平均快 30%"。前者 AI 没法用,后者可以直接抄进答案。
四、分平台布局,别只测一个
不同 AI 搜索引擎的引用逻辑差异很大,不能只测一个平台。Dageno 的数据:ChatGPT 的机构、政府、教育类来源占 9.0%;Google AI Mode 的非官网来源中 YouTube 占 17.6%、Reddit 占 7.8%;Gemini 的官网来源占比最高,58.2%,但 45.2% 的回答提到品牌却未记录来源——品牌描述的准确性同样重要;Copilot 的电商来源占 12.8%,Amazon、Walmart 突出。
渠道上要做生态布局:官网 + 知识平台 + 专业社区 + 行业媒体 + 学术渠道,构成可信度网络。第三方权威比品牌自说自话更重要:AI 偏好 earned media、权威媒体、测评、百科、行业报告。十个网站都用相同语言描述你,AI 就会把你刻进知识图谱。
五、测量:固定问题,重复采样
GEO 带来三类效果:直接效果(可量化可追踪:AI 回答中的电话咨询、链接跳转、来源引用跳转)、品牌效果(可观测不可直接追踪:品牌曝光增加、品牌检索量上涨)、决策与转化效果(难直接监测但影响巨大:AI 推荐缩短决策路径、同样线索质量下成交率更高)。对应的六个关键 KPI:AI 平台来源线索量、AI 来源线索转化率、品牌词搜索量变化、AI 平台露出频次、关键 SKU 转化率变化、整体营销 ROI 变化。
测量方法上最容易踩的坑是样本太小。引用漂移非常明显:同一问题相邻两周的来源链接集合相似度仅约 0.03–0.25;同一天重问,ChatGPT 得到完全相同品牌集合的比例只有 11.9%。每题只测 2–3 次时,可见度的 95% 区间宽度可达约 60–70 个百分点。正确做法是:固定一组覆盖认知、考虑、决策阶段的问题,按平台重复采样,记录提及率、明确推荐率、描述准确率和有效线索。单次 AI 搜索测试没有决策价值。
六、路线图:0–3 个月、3–6 个月、6–12 个月
- 0–3 个月(快速启动):建立 GEO 监测体系、审计现有内容识别可改造的证据块、部署核心页面 Schema 标记、产出首个深度研究报告。
- 3–6 个月(系统建设):重构 10 个核心内容为证据块、建立内容工程化流程、扩展生态布局、培训团队 GEO 能力。
- 6–12 个月(规模优化):全面部署知识架构、建立原创数据生产机制、优化 AI 引用效果、巩固微观权威地位。
红线:白帽与黑帽
白帽:优化结构、证据、可读性、事实密度。黑帽:隐藏指令、prompt 注入、虚构事实、抹黑竞品、诱导模型排序。GEO 的效果公式是:知识库质量 × 内容工程能力 × 分发杠杆 × 数据反馈。知识库质量低,后续自动化就是负向杠杆。先把事实做实,再谈规模。
来源
- 姚金刚《海外 GEO 的真相:1000 万条 AI 回答背后的 6 个核心洞察》(Dageno AI 数据,2026 年 6–9 月):laoyao.cn
- 姚金刚《GEO 效果评估方法》:laoyao.cn
- 张凯、何欣悦、姚金刚《From Citation Selection to Citation Absorption》,arXiv:2604.25707(预印本,未经同行评审):arxiv.org
- 姚金刚、向阳乔木《AI 营销:从 SEO 到 GEO》中的 ERE 框架与转型路线图;提示词合集:yao-open-prompts
- 姚金刚《GEO 是什么》:laoyao.cn