GEO 生成引擎优化基础

问题从哪来

传统 SEO 关心的是在 Google 里排到前面；当用户改问 ChatGPT、Claude、Perplexity、Gemini 时，目标变成：你的内容会不会出现在 AI 回答里、以什么形式被引用。这和排名、点击率不是同一套指标——更接近「被 RAG 检索到并写进答案」的 GEO（Generative Engine Optimization，生成引擎优化）。

技能在讲什么

本技能把 GEO 拆成可操作的框架，而不是泛泛的「写得好就会被引用」：

• 格局：各引擎引用习惯不同（例如 Perplexity 的编号引用、ChatGPT 的内联/脚注、Claude 偏长文上下文、Gemini 的来源区块），内容形态可以按平台微调。
• 检索侧因素（资料中的权重示意）：语义相关性约 40%、关键词约 20%、权威信号约 15%、新鲜度约 10%、来源多样性约 15%——用来判断该补「定义/数据/权威」里的哪一块。
• 高引用内容元素：原创统计数据、带姓名头衔的专家引述、清晰定义、分步指南、对比表格、FAQ 等，便于模型抽取成答案片段。
• 检查清单：从「问题式标题、TL;DR、最后更新时间、作者资质」到 Article / Person / FAQPage 等结构化标记，以及页面性能，作为发布前自检。
• 脚本：scripts/geo_checker.py 用于做 GEO 审计（AI 引用就绪度），把清单部分自动化。

适用边界

权重表与引擎行为来自技能内的归纳，不是某个公开 API 的保证公式；不同模型版本、检索策略会变。GEO 不能替代事实准确性与合规：结构化标记再全，错误数据或不可核实引述仍可能损害信任。适合作为内容策划与页面改造的对照表，而不是单次改标题就能立刻提高引用率的魔法。