豆包女孩叫什么名字?今天开始GEO没有秘密

到现在你不会还没听说过GEO吧？你不知道现在的GEO圈有多乱，各路牛鬼蛇神把各个品牌绕得晕头转向。几个月里吹得牛比过去二十年都多。马老师将用这篇以问答的形式深度解析，帮你拨开GEO的迷雾，避开常见的陷阱，理清前行的思路。

为什么要做GEO？

在当今的消费者旅程中，从最初的品牌认知到最终的购买决策，每一个环节都已被生成式AI深度影响。消费者不再局限于在搜索引擎上寻找答案，他们会直接向大模型提问，比如：“哪家品牌的手机最好？”或者“这款相机怎么样？”

哪家好？哪家最好？好不好？谁更好？这四类问题是GEO能够完全覆盖的。

GEO的价值，就在于它能精准地影响大模型对这些问题的回答，确保你的品牌信息在第一时间被传递给消费者，建立信任和权威。

为什么GEO必须现在做？

GEO的先发优势非常明显。大模型会优先抓取和学习那些高质量、高权威性的信息源。如果你能尽早布局，将品牌信息系统化地提供给大模型，你就能在竞争中占据主导地位。此外，如果你之前就注重内容营销并建立了良好的内容基础，那么在做GEO时，你将有一个很好的起点。

GEO的方法论是什么？

GEO的核心方法论可以总结为三个关键原则：可爬行性（Crawlability）、共识（Consensus）和纠错（Correction）。

• 可爬行性（Crawlability）：这是基础。你需要确保你的网站内容不仅能被传统搜索引擎的爬虫理解，也能被大模型的爬虫高效、准确地抓取。
• 共识（Consensus）：这是关于信任的建立。你的品牌信息不能只存在于官网，还需要在多个高权威的外部渠道保持一致。当多个可信来源对你的品牌有相同的描述时，大模型会更容易形成“共识”。
• 纠错（Correction）：这是持续性的工作。由于大模型可能引用过时或不准确的信息，你需要主动监控品牌在大模型对话中的表现，并采取措施纠正错误信息。

品牌GEO项目有哪些成功条件？

要成功进行GEO，首先需要校准思维上的认知：

• 需要一定的投入：GEO是一项系统工程，需要对内容和技术架构进行优化。
• 效果无法直接跟踪：GEO带来的品牌曝光很难直接量化为点击数或转化率。
• 需要长期投入：GEO是一项持续的“相关性工程”，而非短期的“速成服务”。

其次，是基础条件：

• 一个技术健康的网站：这是所有GEO工作的基础。你的网站必须拥有扎实的技术SEO基础，内容结构清晰，便于大模型爬虫抓取和理解。

为什么一定要做网站？

你的网站是大模型能找到的关于你的品牌和产品的最权威、最可靠的信息来源。它是少数能够同时影响大模型内置知识库和联网知识库的渠道。

• 内置知识库：大模型会定期爬取互联网上的信息来更新自己的知识库。一个结构清晰、内容丰富的网站，能让大模型更好地理解你的品牌，并将这些信息内化为自己的“常识”。
• 联网知识库：当大模型需要实时信息或外部知识时，它会通过联网搜索来获取。一个技术健康的网站能确保大模型在联网查询时优先抓取到你的内容。

EEAT是什么？为什么总有人提起它？

EEAT（Experience, Expertise, Authoritativeness, Trustworthiness，经验、专业、权威性、可信度，读作double-e-a-t）是谷歌多年来用于评估网页内容质量的一套标准。它并非一个新概念，其前身是谷歌在2014年提出的E-A-T原则，并在2022年12月加入了”Experience”（经验），演变为EEAT。尽管EEAT是评估内容质量的好标准，但它与GEO并没有直接的强关联。一些SEO供应商总是提及它，是因为他们对GEO的认知存在滞后，其思维模式还停留在以谷歌搜索排名为中心的传统SEO时代。

llms.txt有用吗？

llms.txt这个提案除了名字听起来很像回事之外，其落地机会非常渺茫。截至目前，没有任何一个主流的大模型宣布支持这个协议。

正如谷歌所说，当爬虫可以去抓取你的网页、了解真实用户看到的内容时，为什么要依赖一个可能不准确、不完整的llms.txt文件呢？

如果谁向你推荐llms.txt，那么大概率是一知半解的。

生成式AI会惩罚AIGC吗？

并不会，恰恰相反AI系统经常更倾向使用AI撰写的内容。当 GPT-4 提供用于比较的 AI 编写版本时，选择者选择 AI 文本的频率比人类评分者更高：

• 产品：LLM对人工智能作品的偏好为 89%，而对人类作品的偏好为 36%
• 电影摘要： 70% vs 58%
• 论文摘要： 78% vs 61%

但是，AIGC的真正问题是低质。受偏好的AIGC作品必须经过人工的编辑和优化。

结构化数据有没有用？

对于谷歌的搜索引擎而言，结构化数据（Structured Data）非常有用，可以帮助它更好地理解页面内容，并在搜索结果中展示丰富的片段（Rich Snippets）。

但是对于其他大模型，结构化数据的意义不大。如果你想通过结构化数据向大模型提供一些信息，建议使用Microdata格式，而不是JSON-LD。这是因为大多数大模型爬虫会跳过<script>标签内的内容，而JSON-LD通常就是写在<script>标签中的。

GEO能帮我引流吗？

效果不明显。

从大模型聊天工具中产生的点击量通常低于搜索引擎点击量的1%，七八月间一个月内流量还狂降52%。GEO的核心价值在于品牌曝光和权威性建立，而非直接的流量获取。

市场上有哪些GEO方向？

	SPAN路线	SPAM路线
原理	通过丰富LLM知识库和有效相关语义查询来改变反馈	通过Spamdexing等作弊算法干扰LLM使用的 搜索引擎的实时搜索来改变反馈
手段	通过高质量针对性内容投放到可信且优质的媒体来影响话语权被LLM采纳	通过短时间大量生成文章，发布到低质网站 或者内容平台的机器人账号上
信息安全	人工审核确保无事实风险	会产生信息误差，无法保证正确性
阅读引用	以引用为目标，更容易被引用	因为低信任来源，引用率低
持续时间	1~3月见效，持续时间久，无需反复刷	几周见效，持续时间短，需要反复刷
知识库	面向知识库更新，离线可用	对知识库更新无影响，断网即断
AI迭代	从价值出发，内容兼顾真实消费者，无需反复投入	因定期搜索引擎算法对垃圾信息处理，需时常维护

如上表，当前圈内最主要分为两种路线。

• 如果你面向长期策略那么推荐SPAN路线。缺点是领导可能没有这个“耐心”和“决心”。
• 如果你希望更快出效果并且离了你就不再出效果，从而体现自身“价值”，那么推荐SPAM路线。

如何鉴定靠谱的GEO供应商？

一个靠谱的GEO供应商，不仅要了解如何优化网站，更要深刻理解大模型的工作原理。他们至少应该能向你清楚地解释以下三个核心概念：

• RAG（Retrieval-Augmented Generation，检索增强生成）：大模型在回答问题时，会先从外部知识源（比如你的网站）中“检索”相关信息，然后再将这些信息与自身知识结合，“生成”出更可靠的答案。GEO的核心任务之一，就是确保你的品牌信息能被RAG系统有效检索。
• 余弦相似度（Cosine Similarity）：这是衡量用户查询意图和你的品牌内容之间匹配度的指标。是向量化和向量数据库的根本。一个优秀的GEO策略会通过优化内容，让你的品牌信息与潜在用户的提问意图产生更高的相似度，从而提高品牌在大模型对话中被提及的概率。马老师提供了百度、豆包、谷歌文本余弦相似度计算的工具。
• 扇出（Query Fan-out）：这是一个由谷歌（Google）采用的复杂技术，旨在将一个用户的查询扩展成多个同步的、合成的子查询。其核心目的在于捕捉更多样化的用户意图，从而获取比单一字面查询更广泛、更相关的结果集。一个优秀的GEO供应商会理解这一技术，并以此来指导内容策略，确保品牌内容能覆盖更广泛的用户意图，而不仅仅是几个特定关键词。当前，你可以使用百度AI结果右侧的“灵感探索”作为简易的扇出工具。
  

哪些情况要立刻警惕？

当服务供应商提出“按绩效收费”时，请立刻警惕。这本质上是一种“祈雨式服务”，或者说是一种短期的“Spamdexing”（垃圾索引）。

真正的GEO是一项长期的、科学的相关性工程（Relevance Engineering）。它无法通过短期内制造虚假数据来达成，也无法保证立竿见影的效果。如果一个供应商向你承诺KPI，那么你很可能得到一个“祈雨式服务”，最终的效果全凭“天意”。

那马老师你能承诺KPI吗？

能，但是你将享受到“祈雨式服务”。我可以什么都不做，最终看上天的眷顾。我不会有损失，你也只不过浪费一些时间。保KPI双赢？

老板必须看到结果怎么办？

告诉老板，再等等。

很快，广告将直接以对话的形式出现。当你的品牌在大模型对话中被提及，并且用户可以在对话中直接点击广告链接，大模型的作用能被更直观地衡量。

豆包女孩到底叫什么名字？

她是爱丽丝（Alice）。

在豆包的运作机制中，界面数据通常由一个被称为萨曼莎（Samantha）的后台系统输出，而所有与用户进行的对话，则是由爱丽丝负责生成的。如果你仔细观察开发者工具中的网络请求，会发现所有会话的XHR（XMLHttpRequest）链接都以https://www.doubao.com/alice/message/list开头。

写在最后

以上就是马老师总结的最多会产生疑惑的GEO问题。除了关注我，你可以关注以下这些GEO领域的Thought leaders：

• Michael King
• Duane Forrester
• Kevin Indig
• Dan Taylor

如果你对GEO有更多的困惑，请联系我。