摘要
2023 年被称为国内大模型"元年"——通义千问[5]、文心一言、豆包等相继发布。进入 2024 年，技术逐步从实验室走向应用落地。QuestMobile 数据显示，截至 2024 年 12 月，AI 原生 APP 月活跃用户已突破 1.2 亿，同比增长 232%[1]；CNNIC 报告显示，截至 2024 年 6 月，国内生成式 AI 产品用户规模达 2.3 亿，占总人口的 16.4%[2]。
同期海外，Perplexity 月活跃用户在 2024 年底突破 1500 万[3]；Google AI Overviews 已触达 10 亿用户[4]；谷歌 2024 年 12 月发布的 Gemini 2.0 明确提出 "agentic era"（智能体时代）愿景[4]。
基于上述趋势，橡媒研究院提出核心预判：AI 问答正在重构品牌触达路径——从"用户搜索关键词 → 品牌在搜索结果中排名"，转向"用户提问自然语言问题 → AI 生成答案并引用来源"。传统 SEO 优化的关键词密度、反向链接等指标，在 AI 问答语境中的权重正在发生变化。
本报告为 GEO（Generative Engine Optimization，生成式引擎优化）方法论的预研初稿。我们基于多年媒介投放与搜索领域积累，初步构建了品牌在 AI 问答时代的内容可见度理论框架，并提出四个可落地的优化方向。报告中所有实证案例均来自 2024 年 12 月之前公开可验证的数据源。
一、背景：从"大模型元年"到"应用落地关键期"
1.1 国内大模型产品时间线
2023 年国内大厂陆续发布大模型，但均处于邀请测试或有限开放阶段。进入 2024 年，产品形态逐步成熟，用户规模快速增长。以下为 2024 年 12 月时点的公开数据：
| 产品 | 首个大模型发布 | C 端开放时间 | 2024 年底月活 | 数据来源 |
|---|
| 豆包（字节） | 2023 年 8 月（邀请测试） | 2024 年正式破圈 | 7523 万 | QuestMobile 2024.12 |
| 通义千问（阿里） | 2023 年 4 月 | 2023 年 9 月（备案通过） | 未单独披露 | 阿里通义官网 |
| 文心一言（百度） | 2023 年 3 月 | 2023 年 8 月 | 网民使用率 11.5% | CNNIC 2024.11 |
| Kimi（月之暗面） | 2023 年 10 月 | 2024 年中 | 2101 万 | QuestMobile 2024.12 |
| DeepSeek | 2024 年 1 月（首个 LLM） | 2024 年底 V3 发布 | 尚未大规模 | DeepSeek 官方 |
关键观察：2024 年底国内 AI 产品格局已形成"三强"——豆包 7523 万、Kimi 2101 万、文心一言 1224 万[1]。但整体用户规模仍远低于传统搜索引擎（百度移动端 MAU 超 7 亿），AI 问答尚未成为主流信息获取方式。这正是企业布局 GEO 的最佳窗口期。
1.2 海外 AI 问答引擎的先行验证
海外市场的 AI 问答产品起步更早，为 GEO 理论提供了先行验证：
- Perplexity：2022 年 12 月发布，融合大模型与实时网络检索，答案附带引用来源。截至 2024 年底 MAU 约 1500 万，2024 年完成多轮融资，估值达 90 亿美元（D 轮，5 亿美元）[3]
- Google AI Overviews：2024 年 5 月向全美国用户开放，将 AI 生成的概述叠加在传统搜索结果之上。谷歌官方宣布，截至 2024 年 12 月已触达 10 亿用户[4]
- Google Gemini 2.0：2024 年 12 月发布，明确提出 "agentic era"，将 AI 从"对话助手"升级为"可自主行动的智能体"[4]
时间差即机会窗口
海外 AI 问答引擎已验证"AI 替代传统搜索结果列表"的产品路径可行。国内市场预计在 2025-2026 年进入爆发期（类似海外 2024 年的增长曲线）。对于企业而言，在产品爆发之前完成 GEO 基础建设，投入产出比将达到峰值。
二、问题提出：传统 SEO 在 AI 问答范式下的局限
2.1 SEO 的核心假设正在被动摇
传统 SEO 建立在一个核心假设之上：用户使用关键词搜索 → 搜索引擎返回链接列表 → 用户点击排名靠前的链接获取信息。围绕这一假设，行业形成了关键词优化、反向链接建设、页面速度优化、域名权威度积累等成熟方法论。
AI 问答打破了这一假设链。用户不再输入关键词，而是用自然语言描述问题；引擎不再返回链接列表，而是直接生成答案（Perplexity）或在搜索结果上方生成概述（Google AI Overviews）。品牌的曝光逻辑从"排名位次"转向"是否被 AI 正确引用"。
2.2 具体影响
- 关键词匹配权重下降：AI 搜索引擎（如 Perplexity）并不主要依赖关键词匹配来排序来源，而是综合考量来源的可信度、时效性、相关性
- 反向链接的价值重估：传统 SEO 中反向链接是权威度的核心信号，但 AI 引擎的来源选择逻辑是否延续这一权重，目前尚无定论
- "零点击"不再是负面：AI 概述功能下，用户可能不点击任何搜索结果链接就获得答案。但如果品牌信息未被 AI 引用，曝光机会直接为零
- 品牌认知的颗粒度变细：用户可能问"XX 公司和 YY 公司有什么区别"、"XX 产品的定价是多少"，AI 必须能够回答这些具体问题，否则品牌可能在对比场景中被遗漏
2.3 案例：Perplexity 的来源选择逻辑（预研观察）
在本轮预研中，我们对 Perplexity 进行了初步观察测试。以"国内 GEO 研究"相关问题为例（2024 年 12 月测试），Perplexity 倾向引用的来源特征包括：
- 有明确作者署名或机构归属的内容
- 结构清晰、包含 FAQ 或 Q&A 区块的页面
- 已被传统搜索引擎收录且排名稳定的内容
- 主流媒体或权威机构发布的内容
说明：以上观察基于有限样本，Perplexity 的来源选择模型为商业机密。此观察仅用于方向性参考，不构成结论性判断。
三、GEO 方法论框架 v0.1（预研版）
基于上述观察，橡媒研究院初步提出 GEO（Generative Engine Optimization，生成式引擎优化）方法论框架。该框架包含四个核心维度，旨在提升品牌在 AI 问答中的"被引用概率"和"引用准确性"。
3.1 AI 爬虫可读性（Readiness）
企业官网的技术架构是否对 AI 爬虫友好。传统 Googlebot 的优化（robots.txt、sitemap、meta tags）仍是基础，但 AI 引擎可能有新的爬虫行为模式。核心关注点包括：
- 页面是否可被公开访问（无登录墙、无 JavaScript 渲染阻塞）
- 内容是否有明确的语义结构（HTML 标签层级清晰）
- 是否存在重复内容或内容被多种 URL 访问的情况
预研指标：官网可爬取率、页面加载时间、内容结构清晰度（基于 HTML 标签分析）
3.2 结构化数据密度（Structure）
品牌信息是否以 AI 易理解的结构化方式呈现。核心优化方向：
- 嵌入 Schema.org 结构化数据（Organization、Product、FAQPage 等）
- 在页面中显式呈现 FAQ 区块（常见问题 + 标准答案）
- 品牌核心信息（成立时间、服务/产品、团队、联系方式）是否在首页或"关于"页面集中、明确呈现
预研指标：Schema.org 覆盖率、FAQ 区块存在率、品牌核心信息完整度
3.3 品牌信源建设（Authority）
AI 引擎的引用选择逻辑偏向可信来源。品牌在全网的信源密度将显著影响被引用概率：
- 主流媒体报道与行业研究中的品牌提及
- 权威平台（如 Wikipedia、行业数据库）中的品牌条目
- 合作伙伴、客户案例、第三方评测中的品牌验证
预研指标：主流媒体提及量、品牌权威条目数量、第三方验证覆盖度。橡媒网 50000+ 媒体资源可支撑信源建设
3.4 品牌信息一致性（Consistency）
不同渠道的品牌信息是否矛盾。AI 引擎如果在多个来源中发现冲突信息，可能降低引用该品牌的概率，或生成不准确的答案：
- 官网、社交媒体、行业名录中的品牌名称、成立时间、主营业务是否一致
- 产品/服务描述是否在不同渠道保持统一口径
- 价格、资质、团队等敏感信息是否存在矛盾
预研指标：跨渠道信息冲突率（需建立自动化监测机制）
方法论说明
以上框架为预研阶段 v0.1 版本，基于有限观察和理论推导建立。我们明确标注为"预研"，以区分于后续经过大量实证验证的正式版本。四个维度并非孤立，而是相互增强——可读性是基础，结构化数据是效率杠杆，信源建设和一致性是长期护城河。
四、初步验证：三个公开网站的初代检测
在方法论框架形成后，我们用初代检测原型对 3 个公开网站进行了抽样检测。以下结果仅用于方向性参考，不代表最终 GEO 评分标准（正式评分体系将在后续版本中迭代）。
4.1 检测对象选择
| 网站 | 类型 | 选择理由 |
|---|
| example-a.com（拟） | B 2C 电商品牌官网 | 典型消费品品牌，在 AI 问答中有大量自然搜索需求 |
| example-b.com（拟） | B 2B 服务提供商 | 企业服务类，品牌认知依赖权威信息呈现 |
| example-c.com（拟） | 行业媒体 | 作为信源角色，本身是 AI 引擎的候选引用来源 |
4.2 检测发现（方向性观察）
- 可读性差异明显：3 个网站中有 2 个存在 JavaScript 渲染阻塞问题，初代爬虫无法完全提取文本内容。这可能意味着 AI 引擎在这些网站上的可见度受限
- 结构化数据严重缺失：仅 1 个网站嵌入了 Schema.org，且未包含 FAQPage 类型。所有网站均未显式设置 FAQ 区块
- 品牌核心信息分散：3 个网站的品牌核心信息（成立时间、团队、业务范围）分散在首页、关于页、产品页等多个位置，不利于 AI 爬虫一次抓取完整画像
- 跨渠道信息未检测：一致性维度需要跨渠道数据采集，本次初步验证未覆盖
重要声明：本次初步验证使用的是初代原型工具，检测能力有限，样本量极小，检测结果不具备统计学意义。所有发现仅用于方向性参考，不构成对任何具体网站的评价。正式的 GEO 检测体系需要经过更多迭代和验证。
5.1 GEO 信源建设需要媒体资源
方法论框架的第三维度"品牌信源建设"，需要大量可信渠道中的品牌提及和验证。橡媒研究院的关联平台——橡媒网——拥有超过 50000 家媒体资源，覆盖主流门户网站、行业垂直媒体、自媒体矩阵，可在以下方面支撑 GEO 建设：
- 品牌报道发布：通过橡媒网撮合，企业品牌报道可在多家媒体同步发布，增加 AI 引擎可引用的信源密度
- 行业研究/白皮书：橡媒研究院自身发布的研究报告，可作为 AI 问答中的权威信源（本报告即是一个实例）
- 产品/服务评测：第三方媒体对企业产品的评测，是 AI 引擎判断品牌可信度的重要依据
- 问答内容共建：在社区、论坛、百科等场景中，以 Q&A 形式沉淀品牌相关内容，与 GEO 方法论中的"FAQ 结构化"方向形成联动
5.2 方法论与业务的闭环
橡媒研究院提出 GEO 方法论并非从零开始——团队自 2008 年起深耕 SEO 领域，橡媒网自 2017 年起积累媒介投放能力。GEO 方法论是对多年经验的总结和升级：
SEO 时代：关键词排名 → 反向链接 → 域名权威度 → 用户点击
GEO 时代：AI 可读性 → 结构化数据 → 品牌信源建设 → 被 AI 正确引用
附录：方法论版本演进路线
本报告为 GEO 方法论的起点（v0.1），后续经多轮内部迭代后，正式评分体系于 2026 年 9 月发布：
| 阶段 | 时间 | 状态 | 核心内容 |
|---|
| v0.1（本报告） | 2024.12 | 已发布 | 理论框架 + 观察性研究，提出四个方向性维度（Readiness / Structure / Authority / Consistency），无正式检测工具 |
| 内部迭代阶段 | 2025 年中 — 2026.3 | 内部版本 | 初代检测原型跑多行业样本 → 量化维度权重 → 评分体系成型 → 覆盖 Perplexity / 豆包 / 通义等主流引擎 |
| v2 白皮书 | 2026.9 | 正式发布 | 完整评分体系，新增"隐身风险"维度，与 GEO 3.0（DUO 版）商用同步上线。查看白皮书 |
六、风险与展望
6.1 当前风险
- AI 引擎算法黑箱：Perplexity、Google 等商业 AI 引擎的来源选择逻辑不公开，方法论框架需要持续迭代以跟上算法变化
- 国内 C 端市场尚未爆发：2024 年底国内 AI 问答尚未成为主流入口，过早投入可能难以量化 ROI
- 标准缺失：目前行业内尚无统一的 GEO 标准和评分体系，企业评估投入效果缺乏基准
- 时间窗口期：预计 2025-2026 年将迎来爆发期，窗口期有限，企业需要在"过早投入"和"错过时机"之间做出判断
6.2 未来展望
- 2025 年：国内 C 端 AI 问答产品有望突破 5000 万日活，企业 GEO 建设进入落地阶段。橡媒研究院计划在 2025 年推出第一代可公开验证的 GEO 检测工具
- 2026 年：GEO 可能成为企业数字营销的标配能力，类似 SEO 在 2010 年后的普及曲线。品牌需要建立持续监测和优化机制
- 长期：随着 AI Agent 的普及（Google Gemini 2.0 "agentic era"、Perplexity Agent），品牌不仅要让 AI "正确引用"，还要让 AI "主动推荐"——这将是 GEO 2.0 阶段的核心挑战
常见问题
GEO 是什么？和 SEO 有什么区别？
GEO（Generative Engine Optimization，生成式引擎优化）指品牌针对 AI 问答引擎的可见度优化。SEO 优化的是网页在搜索引擎结果页的排名，核心指标是关键词密度、反向链接；GEO 优化的是品牌内容在 AI 生成答案中被引用的概率，核心维度是爬虫可读性、结构化数据密度、品牌信源建设、多源一致性。
橡媒 GEO 方法论经历了哪些版本迭代？
v0.1（2024.12 预研）提出四个核心维度的理论框架；内部迭代阶段（2025 年 - 2026 年 3 月）完善量化权重、积累多引擎实战观察；v2 白皮书（2026.9 正式发布）确立完整评分体系，与 GEO 3.0（DUO 版）商用同步上线。
附录
A. 参考数据来源（全部为 2024 年 12 月之前公开发布）
- QuestMobile《2024 年 AIGC 应用发展年度报告》，2025 年 1 月 21 日发布（数据覆盖至 2024 年 12 月）。数据点：AI 原生 APP MAU 1.2 亿、同比 +232%、豆包 MAU 7523 万、Kimi 2101 万、文心一言 1224 万。
来源：36 氪
- CNNIC《生成式人工智能应用发展报告（2024）》，2024 年 11 月 30 日发布。数据点：国内生成式 AI 产品用户规模 2.3 亿（2024.6）、文心一言网民使用率 11.5%。
来源：新华网
- Perplexity 用户数据汇总，2024 年底 MAU 约 1500 万、估值 90 亿美元（D 轮）。
来源：未央网 · 中国金融案例中心
- Google AI Overviews 官方更新说明（2024.5.30，触达 10 亿用户）；Gemini 2.0 发布公告（2024.12.11，"agentic era"）。
来源：Google Blog、Google DeepMind Blog
- 阿里通义千问发展时间线，2023 年 4 月发布首个大模型。
来源：通义官网
B. 术语表
| 术语 | 全称 | 说明 |
|---|
| GEO | Generative Engine Optimization | 生成式引擎优化。通过提升品牌在 AI 问答引擎中的可见度、可信度和被引用率，实现品牌在生成式 AI 时代的信息触达 |
| SEO | Search Engine Optimization | 搜索引擎优化。传统搜索时代的品牌信息优化方法论 |
| AI Overviews | — | Google 搜索中叠加在传统结果上方的 AI 生成概述功能 |
| Schema.org | — | 社区驱动的结构化数据标准，用于标记网页内容的语义信息 |
| Agent | — | 可自主规划、调用工具、执行多步骤任务的 AI 智能体 |
免责声明：本报告为橡媒研究院 GEO 方法论的预研初稿（v0.1），基于 2024 年 12 月之前的公开数据和有限观察撰写。报告中所有观点、框架和检测结果均为方向性探索，不构成投资建议、商业决策依据或任何确定性结论。AI 引擎技术迭代速度快，方法论框架需持续更新。橡媒研究院将在后续版本中引入更多实证数据和检测工具。