GEO 是什么
让 AI 正确地介绍你
GEO（生成式引擎优化）关心的不是排名第几，而是 AI 在回答用户时，有没有提到你，说得对不对。
第 12 期 · 秋季学期开课中
让 AI 把你说对，
先弄懂 AI 读了什么。
写给市场、品牌和内容团队的 GEO 课。每周一课、一段短片、一份照着做的清单。不讲玄学，只讲 AI 的回答从哪里来、怎样改。
- 16节短课
- 3条学习路径
- 0元学费
开学第一天
先回答三个问题，再谈优化。
学堂里所有的课都围绕这三个问题展开。第一次来，建议按顺序读。
为什么现在
答案正在替代链接
越来越多的用户直接向 AI 提问，读完一段回答就做决定。回答里没有你或说错了，用户往往不会再去核实。
怎么做
听、查、改、证
先问 AI 怎么说你，再把每条说法追溯到来源，在源头修正，最后再问一次，确认答案真的变了。
课程目录
入门、进阶、实操，按你的角色选。
每条路径是一组排好顺序的短课。下面的进度为示例数据，正式版会记在学员账户里。
入门路径 · 课程表
已学 1 / 5 节 示例进阶路径 · 课程表
已学 0 / 6 节 示例 入门路径 · 第 1 课 · 精读
GEO 入门：
AI 回答你的品牌之前，它读了什么？
青简学堂编辑部 · 6 分钟读完 · 第 12 期
当用户问 AI“上海有哪些适合小团队的会议室预订工具”，它不会给出十条链接，而是直接写一段话。你的品牌是否出现在这段话里、被怎样描述，取决于 AI 在回答之前读到了什么。
一、两种“记忆”：训练数据与实时检索
大模型的知识主要来自两处。第一是训练数据：模型训练时读过的大量公开网页、书籍和讨论。它有截止时间，之后你改了价格、开了新店，模型本身并不知道。第二是实时检索：许多 AI 产品在回答前会先搜索网页，再把找到的内容压缩成答案，并常常附上引用来源。前者决定 AI 对你的“印象”，后者决定它今天能查到什么。
二、AI 更容易采信什么样的信息
- 清楚的实体。品牌名、城市、品类、价格等事实，在官网和第三方页面上说法一致。
- 可以直接摘录的句子。一句话讲清一个事实，或者问答形式的段落。
- 结构化数据。用 JSON-LD 标出产品、价格和评价，机器不必去猜。
- 第三方佐证。媒体报道、行业目录、电商详情页和真实用户的讨论。
三、错误从哪里来
回答出错，往往不是 AI 凭空编造，而是它读到了过时或相互矛盾的信息：三年前的价格页、经销商写错的介绍、一条没人纠正的论坛帖子。来源互相矛盾时，模型可能选错，也可能把几种说法混在一起。同一个问题的回答随时间偏离事实，我们称为答案漂移。
四、GEO 做的四件事
- 听：定期用买家真正会问的问题去问各个 AI，记录它们怎么说。
- 查：把每一条说法和你的品牌事实对照，并追溯到它的来源。
- 改：在源头修正：更新官网页面、补充结构化数据、同步合作伙伴的描述。
- 证：过一段时间再问一次，确认答案真的变了。
所以 GEO 不是一次性的“优化”，而是一项持续的校对工作。AI 回答你的品牌之前读了什么，你就应该先去读一遍。
学堂词典
一页看懂 GEO 的常用词。
每个词一句话讲清。读课时遇到不懂的词，来这里查。
共 15 个词
- GEOGenerative Engine Optimization
- 生成式引擎优化。让品牌在 AI 生成的回答中被提及、被正确描述、被引用的一系列方法。
- AEOAnswer Engine Optimization
- 答案引擎优化。与 GEO 含义相近，更强调“一个问题、一个答案”的场景，例如语音助手和搜索结果中的直接答案。
- 实体Entity
- 机器能识别的“一个东西”：一个品牌、一款产品、一个人或一个地点。各个来源对同一实体的描述越一致，AI 越容易说对。
- 引用来源Citation
- AI 在回答中注明的出处链接。被引用说明你的页面被当作依据，也是用户点回官网的主要入口。
- 答案漂移Answer drift
- 同一个问题，AI 的回答随时间偏离事实的现象。常见原因是过时页面、相互矛盾的第三方信息或模型更新。
- 训练数据Training data
- 模型训练时读过的文本。它有截止时间，之后发生的变化，模型本身并不知道。
- 实时检索Retrieval · RAG
- AI 在回答前先搜索网页，再把结果压缩成答案。检索到哪些页面，直接决定答案说什么。
- 结构化数据Structured data · JSON-LD
- 按 schema.org 词汇写在网页里的机器可读标记，让价格、产品、评价等事实不必靠猜。
- llms.txtllms.txt
- 一种提议中的约定：在网站根目录放一份写给大模型的简明说明。并非所有 AI 都会读取，宜作为补充而不是全部。
- 答案份额Share of answer
- 在一组买家问题中，你的品牌出现在 AI 回答里的比例。可以理解为 AI 时代的“声量份额”。
- 品牌事实文件Brand Truth
- 一份经确认的品牌事实清单：名称、地点、价格、产品、差异点。它是判断 AI 说得对不对的标准答案。
- 知识图谱Knowledge graph
- 把实体和它们之间的关系连成一张网的数据库。搜索引擎和 AI 用它确认“这个品牌是谁、属于哪一类”。
- 零点击Zero-click
- 用户在搜索结果或 AI 回答里就得到了答案，不再点进任何网页。官网流量下降，不一定代表关注度下降。
- AgentAI agent · 智能体
- 能替用户执行任务的 AI，例如比价、预约、下单。它需要能读懂、也能调用你的信息。
- MCPModel Context Protocol
- 一种让 AI 应用连接外部数据与工具的开放协议。品牌可以借它把产品与服务信息直接提供给 Agent。
词典里还没有这个词。可以在周刊订阅时告诉我们你想学什么。
影像课 · 黑板系列
五分钟以内，讲透一个概念。
一位讲师、一块黑板、一个问题。竖屏与横屏两个版本，适合发到视频号、抖音、B 站和小红书，每集结尾指向对应的精读。
AI 是怎么“读”你的官网的
训练数据与实时检索，一块黑板讲清
下周一开课 · 示例排期一条错误回答的来源追踪
从一句错的价格，追到三年前的页面
第 14 期 · 示例排期问答块：写一句能被摘录的话
同一段话，改写前与改写后
第 15 期 · 示例排期Agent 下单之前，它要知道什么
价格、库存、规则，缺一不可
第 16 期 · 示例排期学堂周刊 · 每周一 8:00
每周一封，五分钟读完。
一节新课、一个 AI 回答的拆解（品牌已匿名）、一个当周就能做的小改动。
- 不发广告邮件，随时一键退订
- 按关注方向挑内容，只收你关心的
- 第一封附送《10 个问题自查清单》
学完之后
学员学完，自然想测一测自己。
学堂不是一个孤立的博客。每一课都有顺手的下一步，最终指向免费体检；还没准备好的人留在周刊里。
- 01 内容
读一课
每课末尾有“测一测”练习，按主题预填好要问 AI 的问题。
- 02 工具
做练习
用 10 个问题自己去问 AI，记录结果。做完自然想知道全貌。
- 03 线索
免费体检
留下品牌和网址，48 小时内收到一份 AI 回答体检报告。
- 04 培育
订周刊
还没准备好的学员留在周刊里，每周一封，持续学习。
示例：每个入口带上来源标记（?src=lesson、?src=video、?src=weekly），体检表单记下学员从哪一课来，就能看出哪类内容带来的线索最多。
免费 AI 回答体检
学完了道理，看看你自己的答案。
留下品牌和网址。我们用买家真正会问的问题去问几个主流 AI，标出哪些说法错了、错在哪个来源。48 小时内发到你的邮箱。