Generative Engine Optimization: How to Dominate AI Search

生成式人工智能搜索引擎（如 ChatGPT、Perplexity 和 Gemini）的迅速普及，正在从根本上重塑信息检索的方式，从传统的排序列表转向综合性的、有引用支持的答案。这一转变挑战了既有的搜索引擎优化（SEO）实践，也促使我们提出一种新的范式——生成式引擎优化（GEO）。 本文对人工智能搜索与传统网页搜索（谷歌）进行了全面的对比分析。通过在多个领域、多种语言以及不同查询表达方式下开展大规模、受控的实验，我们量化了这些系统在信息来源方面的关键差异。研究结果显示，人工智能搜索在内容来源上表现出系统性且压倒性的偏好：相较于品牌自有内容和社交媒体内容，更倾向于使用第三方权威媒体（即“赢得的媒体”），这与谷歌较为均衡的内容组合形成鲜明对比。此外，我们还发现不同的 AI 搜索服务在域名多样性、内容时效性、跨语言稳定性以及对查询语句表达方式的敏感度方面，存在显著差异。 基于这些实证结果，我们提出了一个战略性的 GEO 框架。我们为从业者提供了可操作的建议，强调必须做到以下几点：（1）优化内容以提升机器可扫描性和可解释性；（2）主导“赢得的媒体”内容建设，以在 AI 眼中建立权威形象；（3）采取针对不同引擎和语言环境的策略；（4）帮助细分市场中的小众品牌克服固有的“大品牌偏好”劣势。本研究提供了基础性的实证分析成果以及一套战略性框架，旨在帮助各类机构在生成式搜索的新格局中获得可见度。

论文试图解决的问题是：随着生成式AI搜索（AI Search）的兴起，传统基于关键词排名的搜索引擎优化（SEO）方法正在失效，需要一种新的优化策略（GEO）来适应这一变化。这涉及到理解AI搜索如何获取信息、其内容偏好（如对Earned Media的偏好），以及如何调整内容策略以在AI搜索中获得更好的可见性。

论文的关键思路是提出“生成式引擎优化”（Generative Engine Optimization, GEO）这一新概念，通过大规模受控实验分析AI搜索与传统搜索引擎（如Google）在信息来源、语言、垂直领域等方面的差异，并据此提出面向AI搜索的优化策略，包括内容工程、权威构建、多语言适配和打破品牌偏见。

1. 实验覆盖多个垂直领域、语言和查询变体，揭示AI搜索系统对Earned Media的显著偏好。 2. 发现不同AI搜索系统（如ChatGPT、Perplexity、Gemini）在领域多样性、时效性、跨语言稳定性等方面存在显著差异。 3. 提出具体的GEO策略，帮助内容创作者和品牌适应AI搜索的新范式。 4. 强调内容需要具备机器可解释性、权威背书和结构化表达以被AI引用。 5. 为中小型品牌提供突破“大品牌偏见”的潜在路径。

1. 《The Impact of Generative AI on Search and Information Retrieval》 2. 《Rethinking SEO in the Age of AI-Powered Search Engines》 3. 《Understanding the Behavior of Large Language Models in Search Scenarios》 4. 《Evaluating the Authority and Trustworthiness of Sources in AI-Generated Answers》 5. 《Search Engine Optimization for Chatbots and Conversational Agents》