生成式引擎优化Generative Engine Optimization, GEO
生成式引擎优化是通过内容、技术与持续监测，提高品牌信息被生成式 AI 准确理解、提及和引用能力的方法。它关注答案中的可见度与可信度，而非单一搜索结果排名，并以可复验的页面事实、实体关系和引用来源作为改进依据。
查看 GEO 服务方法知识基座
GEO 术语表
用清楚、可核验的定义解释生成式引擎优化中的常用概念。每个词条都有独立锚点，可直接引用和分享。
01 · 6 个词条
基础概念
答案引擎Answer Engine
答案引擎是直接综合多个来源并生成回答的信息系统，而不是只返回一组供用户逐条访问的链接。它通常先理解问题，再检索或调用已有知识，最后组织带有结论、解释或引用的答案；企业需要关注其中的事实是否准确、来源是否可核验。
AI 搜索AI Search
AI 搜索是把检索能力与生成式模型结合，用自然语言直接回答问题的搜索形态。它可能引用网页、数据库或平台内容，也可能基于模型已有知识作答；评估品牌表现时，应同时记录是否被提及、描述是否准确以及答案具体引用了哪些来源。
检索增强生成Retrieval-Augmented Generation, RAG
检索增强生成是在模型生成答案前，先从外部资料中检索相关内容并把结果作为回答依据的技术方式。它能补充模型训练之外或更新较快的信息，但最终质量仍取决于检索是否命中可靠来源、内容是否可解析，以及模型是否忠实使用证据。
幻觉Hallucination
幻觉是生成式 AI 输出看似合理、实际缺乏事实依据或与来源不符内容的现象。它可能表现为虚构数据、混淆同名实体、错误归因或补全不存在的细节；企业可通过清晰页面事实、稳定实体信息与可核验引用降低被误述风险，但无法彻底消除。
知识截止Knowledge Cutoff
知识截止是模型训练或内置知识所覆盖信息的时间边界，边界之后发生的事件未必已进入模型参数。具备联网检索的系统仍可获取更新资料，但是否检索、检索到什么以及如何引用会随问题和平台变化，因此最新信息应由可抓取的公开页面持续提供。
02 · 4 个词条
可见度与引用
品牌提及Brand Mention
品牌提及是生成式 AI 在回答中明确出现企业、产品或品牌名称的情况。一次提及不等于正向推荐，也不能单独说明信息准确；监测时需要记录对应问题、平台、时间、上下文位置与表述内容，才能判断品牌在哪些意图中被看见以及是否需要纠正。
答案准确性Answer Accuracy
答案准确性是生成式 AI 对品牌、产品、服务范围和事实关系的描述与可核验资料相符的程度。检查时既要识别明显错误，也要关注过时信息、关键条件遗漏和实体混淆；判断依据应来自公开且稳定的事实来源，而不是品牌希望出现的宣传措辞。
引用率Citation Rate
引用率是在一组固定问题与采样条件下，目标来源被答案明确列为引用或依据的次数占比。它必须连同平台、模型、地区、时间和重复采样规则一起解释，不能当作跨场景通用排名；持续使用同一口径复测，才适合观察来源可见度的相对变化。
引用来源Citation Source
引用来源是生成式答案用于支撑陈述并向用户展示的网页、文档或数据出处。它揭示平台在特定问题下信任和检索到哪些材料，也帮助企业区分官网、媒体、目录和第三方评价的作用；来源出现不代表全文被采用，仍需核对引用对应的具体事实。
03 · 5 个词条
技术基建
结构化数据Structured Data
结构化数据是按约定词汇描述页面实体、属性与关系的机器可读信息。它能帮助搜索和生成式系统确认组织、文章、服务、问答等内容之间的联系，但不能替代页面可见事实，也不保证获得展示或引用；标记内容应始终与页面一致。
阅读结构化数据洞察JSON-LDJavaScript Object Notation for Linked Data
JSON-LD 是用 JSON 表达关联数据并嵌入网页的结构化数据格式。站点常借助 Schema.org 词汇描述组织、服务、文章与面包屑等实体；它与页面展示可以分离维护，但字段必须来自同一事实来源，并在构建后验证语法和链接有效性。
llms.txt
llms.txt 是放在站点根目录、面向大语言模型提供核心页面与内容摘要的文本导览文件。它通常使用简洁 Markdown 组织链接，便于机器快速了解站点重点，但目前不是统一强制标准，也不能替代 sitemap、robots.txt、语义 HTML 或正常内部链接。
阅读 llms.txt 洞察AI 爬虫AI Crawler
AI 爬虫是由模型或答案平台运营、用于发现和抓取公开网页内容的自动程序。不同爬虫可能服务于训练、搜索索引或实时回答，名称与访问策略并不相同；站点应通过 robots.txt、服务器日志和公开政策分别判断是否放行以及内容是否实际被访问。
实体一致性Entity Consistency
实体一致性是品牌名称、简介、域名、服务范围与关键属性在站内外来源中保持可对应且不互相冲突的状态。它有助于机器区分同名主体并合并相关事实；检查时应覆盖页面文案、Organization 标记、公开目录和权威第三方资料，而非机械复制同一段文字。
04 · 3 个词条
方法与复验
可见度基线Visibility Baseline
可见度基线是在改进开始前，按固定范围记录品牌在生成式答案中提及、准确性与引用来源的初始状态。它为后续比较提供参照，但不是永久不变的评分；问题集、平台、地区、日期和采样方式都应留档，避免把不同条件下的结果直接比较。
阅读可见度诊断洞察问题基线Question Baseline
问题基线是用于持续测试 AI 答案表现的一组固定业务问题及其分类、意图和采样规则。问题通常覆盖品牌、品类、场景与决策阶段，并保留原始措辞；只有在平台、地区和复测周期相对一致时，结果才适合用来观察提及与引用的变化。
复验循环Verification Loop
复验循环是按固定问题和采样口径重复观察答案、比较变化、定位原因并安排下一轮修正的工作机制。它把诊断、内容、技术与监测连接成持续过程，既记录改善也保留波动和无变化结果；结论应基于多次样本，而不是单次回答或截图。