2023 年底，我开始认真想一个问题：如果用户不再点击搜索结果，而是直接从 AI 的回答里获取信息，GoEast 的内容还能被找到吗？
那时候 ChatGPT 刚刚普及不到一年，Perplexity 还在早期，Google AI Overviews 还没有正式推出。大多数人还在讨论「AI 会不会取代搜索引擎」，而不是「我的内容怎么在 AI 搜索里出现」。
我不知道答案，但我知道等答案明确了再动手就晚了。
GEO——Generative Engine Optimization——就是从那时候开始在 GoEast 落地的。
AI 怎么决定引用什么
做优化之前，得先搞清楚 AI 搜索引擎跟传统搜索引擎到底有什么本质不同。
传统 Google 搜索排名的核心逻辑是：相关性 + 权威性 + 用户体验。你的页面得出现在搜索结果页，然后用户点进来。
AI 搜索（ChatGPT、Perplexity、Google AI Overviews）的逻辑不一样。它的底层是 RAG（Retrieval-Augmented Generation）：先从索引里检索相关文档，再用 LLM 生成回答，同时引用来源。
所以两件事很关键：被检索到的前提还是内容被收录、有一定权威信号；被引用的关键是内容结构是否匹配 LLM 的提取逻辑——清晰的命题式表述、有深度的信息密度、能被独立引用的段落。
传统 SEO 的很多东西依然有效（高质量内容、外链、技术健康），但有几个维度需要额外关注。
GoEast 的 GEO 内容架构
我为 GoEast 搭了一套专门针对 AI 引用优化的内容架构：60 篇文章，覆盖中文学习的核心话题；11 个内容支柱（发音与声调、汉字学习、语法基础、口语表达、词汇积累、HSK 备考、商务中文、儿童中文、文化背景、学习方法论、工具与资源）；大约 199,000 词的总内容量。
这套架构跟 SEO 的 topic map 是一体的——同一套内容，既服务传统搜索排名，也服务 AI 引用。两者的选题逻辑高度重合，但写法上有一些 GEO 特有的要求。
关于 topic map 的整体结构，详见：GoEast 中文学习 topic map：从零搭建内容增长地图。
GEO 写作的几个核心原则
这些原则不是我发明的，是我从大量测试和观察里归纳出来的。
每段的第一句话必须是命题式表述
AI 在提取内容时，倾向于抓取能独立成立的信息单元。一段话如果第一句是铺垫或过渡，AI 可能不会引用这段。
不好的写法：
关于普通话的四个声调，很多初学者都觉得很难……
好的写法：
普通话有四个声调，每个声调对应不同的音调曲线：第一声平调（阴平）、第二声升调（阳平）、第三声降升调（上声）、第四声降调（去声）。
第二种写法可以被 AI 直接引用为一个完整的信息单元，第一种不行。
包含可被独立引用的「事实密度」
AI 更倾向于引用包含具体信息的内容，而不是泛泛的观点。数字、定义、步骤、对比——这些都是「可引用性」高的内容形式。
一篇讲 HSK 考试的文章，如果只说「HSK 是中国的汉语水平考试，对外国人很重要」，AI 不太会引用。但如果写「HSK 分为 6 个等级，HSK 4 级要求掌握约 1,200 个词汇，通过后可以申请大多数中国高校的本科入学」，这个信息就有被引用的价值。
FAQ 结构
Perplexity 等 AI 搜索引擎高度偏好直接回答问题的内容。文章末尾加一个 FAQ 模块，针对目标话题的常见问题给出简洁、直接的回答，是提高 AI 引用率的有效手段。
避免「AI 腔」
这一条有点反直觉，但很重要：如果一篇文章读起来像是 AI 写的，它被 AI 引用的概率反而更低。AI 搜索引擎在训练和检索过程中，对「高质量、有人味的人类写作」有更高的信任度。
具体来说：不用"总而言之""值得注意的是""不可否认"这类典型的 AI 输出套语；句式有变化；有具体的例子和第一人称的判断，而不只是中立的陈述。
追踪 AI 引用：没有官方工具，我用的笨办法
这是 GEO 和传统 SEO 最大的差异之一——传统 SEO 有 GSC 看排名和点击，GEO 没有现成的官方工具。
我用了几种方法组合追踪。
方法一：GA4 referral 来源监测
ChatGPT、Perplexity 等 AI 工具引导用户点击来源链接时，referral traffic 会出现在 GA4 里。在 GA4 的"流量获取"报告里，能看到来自 perplexity.ai、chat.openai.com 等域名的 session 数量。
这个方法只能追踪"AI 引用后用户点了链接"的情况，追踪不到"AI 引用了但用户没点"的情况。但它是最可靠的量化指标——有点击就代表有真实的可见度。
方法二：手动抽查
定期在 ChatGPT、Perplexity、Gemini 里搜 GoEast 目标覆盖的话题，看回答里有没有引用 GoEast 的内容，引用的是哪篇的哪段。
这个方法效率低，但信息量高。通过手动抽查，我能看到：
- 哪类话题 GoEast 的内容已经进入 AI 的答案
- 哪类话题还没有，需要补充或优化
- AI 引用的具体是哪段话——这个反馈能指导写法的迭代
方法三：品牌词监测
在 ChatGPT 和 Perplexity 里直接搜"GoEast Mandarin"，看 AI 对品牌的描述准不准、有没有引用官网内容、有没有推荐 GoEast 作为选项之一。
这个维度更接近"品牌在 AI 心智里的位置"，不只是单篇文章的可见度。
目前的结果和判断
GoEast 的 GEO 工作从 2023 年底开始，到我离开时（2026 年 5 月）积累了大约两年半。
GA4 里，来自 Perplexity 的 referral traffic 从无到有，持续增长。ChatGPT 的 referral 追踪比较难（很多用户通过 app 访问，不留下 referral 来源），但手动抽查能看到 GoEast 的内容在多个话题下被引用。
更重要的是，GEO 的投入和传统 SEO 的投入高度重叠——同一套内容，既优化了 Google 排名，也提升了 AI 引用率。这不是两个独立的工作，是一套工作在两个渠道上的收益。
这一点让 GEO 的 ROI 比很多人想象的要高。
为什么现在做还不晚
写这篇文章的时候（2026 年），AI 搜索已经不是"未来趋势"了，它是现实。但绝大多数品牌——尤其是中小规模的、没有专职 SEO 团队的——仍然没在认真对待 GEO。
这意味着现在进入的门槛还比较低。不需要特别大的内容体量，不需要特别高的域名权重，只需要在内容质量和结构上做对一些关键的事。
在中文学习这个垂类里，GoEast 是比较早认真做这件事的。这个先发优势是真实的——AI 的训练数据有时滞，早期被大量引用的内容，在后续的模型版本里往往也有更高的权重。
这篇文章是 GoEast Mandarin 全案复盘 的一部分。
GoEast 整体 SEO 增长的策略：GoEast SEO 增长：从 10K 到 30K+ 自然点击。
支撑 GEO 内容的 analytics 体系：GA4 + Looker Studio 仪表盘：怎么让数据真正可用。
GEO 内容架构依赖一套完整的 topic map，详见：GoEast 中文学习 topic map：从零搭建内容增长地图。
词汇测试工具本身也是一个 GEO 资产——它的页面结构和信息密度天然适合被 AI 引用：中文词汇测试系统：三天，1,500+ 封邮箱。