GEO 术语表：从业者必须搞懂的 50+ 个概念
GEO（生成式引擎优化）横跨两个领域：AI 技术和传统搜索技术。做 GEO 的人，经常要看 AI 论文里的技术概念，也要跟 SEO 老手解释为什么光看传统指标已经不够了。两边的术语混在一起，很多人第一反应是懵的。
这篇就是帮你解决这个问题的。我把 GEO 相关的核心术语整理成了一份手册，按英文字母排序，每个词都用大白话解释，然后带上实际使用场景。不管你是刚入门的 GEO 新手，还是做了几年 SEO 正在转型的老手，遇到不懂的词回来查就行。
几个使用建议：
- 不需要从头读到尾——这是一份工具文档，按需查阅效率最高
- 重点关注带 ⭐ 标记的术语——这些是 GEO 实操中出现频率最高的概念
- 每个术语都附了一句"一句话记住"——方便你快速回忆
- 技术术语会标注你需要理解到什么程度——有些只需要知道是什么，有些需要动手操作
如果你还不太了解 GEO 的整体概念，建议先看站内的《GEO 完全指南》，再回来查术语。
A – E
AAIO（Agentic AI Optimization，智能体搜索优化）
AI 智能体不只回答问题，还能自主浏览网页、比较产品、完成购买。AAIO 就是针对这种「AI 代替用户做事」的场景做优化。比如 OpenAI 的 Operator（2026年1月上线），能帮用户自动比价下单。也就是说，你的产品页面不只要让人看懂，还得让 AI 代理看懂并执行操作——清晰的价格表、结构化的功能对比、明确的购买流程。
一句话记住：让 AI 代替用户操作时，也能找到并理解你的内容。
AI Mode（Google AI Mode）
Google 搜索里的一个独立标签页（google.com/aimode），跟 AI Overviews 不同。AI Mode 支持多轮对话，能做多次检索和整合，更像一个搜索助手。它选择引用来源的逻辑跟传统排名差别很大——URL 重合度不到 30%。对内容深度要求更高。
一句话记住：Google 的深度 AI 搜索，比 AI Overviews 更看重内容深度和内链结构。
AI Overviews ⭐
Google 在搜索结果顶部生成的 AI 摘要。它从多个来源提取关键信息，合成一段完整回答。在信息类查询中触发率高达 99.2%。出现时，排名第一的网站点击率暴跌 61%（Seer Interactive, 2025）。但被引用的网站，点击率反而比没有 AI Overviews 时还高 35%。详细数据分析见《流量都被 AI 截走了？零点击搜索时代怎么办》。
一句话记住：Google 搜索的 AI 摘要，是目前影响自然流量最大的 AI 功能。
BM25
一种经典的文本检索算法，根据关键词在文档中出现的频率和位置来计算相关性。RAG 系统通常用 BM25 做第一轮粗筛（速度快），再用向量搜索或 reranker 做精排。你不需要自己写 BM25，但理解它能帮你明白为什么关键词在 GEO 里依然重要——AI 检索的第一步还是在找关键词。详见混合搜索。
一句话记住：AI 搜索的第一步筛选，本质上还是在匹配关键词。
Branded Search Lift（品牌词搜索量提升）⭐
你的品牌被 AI 引用之后，用户会主动用 Google 搜你的品牌名。这个品牌词搜索量的增长就是 Branded Search Lift。通常在 AI 开始引用你之后两周左右出现。这是 AI 时代最重要的漏斗顶部指标之一。
一句话记住：AI 引用带来的间接效果：用户听到你的名字，回头来搜你。
CCBot
Common Crawl 项目的爬虫，用于构建开放的互联网数据集。很多 AI 训练数据来自 Common Crawl。有些公司会选择在 robots.txt 里屏蔽 CCBot，但这只影响训练数据，不影响 AI 搜索引用。
一句话记住：训练数据爬虫，屏蔽它不影响 AI 搜索结果里的引用。
ChatGPT Search
OpenAI 的联网搜索功能。ChatGPT 每天处理约 25 亿次查询。它的引用偏好跟 Google 很不一样——Wikipedia 占了 47.9% 的高频引用来源，90% 的引用来自 Google 自然搜索前 20 名之外的网站。要被 ChatGPT 引用，你需要的不是 Google 排名，而是内容的全面性和百科式深度。
一句话记住：ChatGPT 不看 Google 排名，它看内容的百科式深度和可信度。
Chunking（内容分块）⭐
AI 系统处理网页内容时，不会整页读取。它会把内容切成几百个 token 的小块（chunk），然后分别处理和存储。这就是为什么 GEO 强调「每个段落都要能独立表达完整信息」——因为 AI 可能只取走你的一个 chunk，如果那个 chunk 脱离上下文就不完整，AI 就不会引用它。详见内容切块策略。
一句话记住：AI 是一段一段读你的内容的，每段都要能独立成立。
Citation（引用）⭐
AI 在生成回答时引用你的网站作为信息来源，通常会附上链接。这是 GEO 的核心目标。Perplexity 平均每个回答引用 21.87 个来源（所有平台中最多），ChatGPT 引用数较少但每个引用权重更高。
一句话记住：GEO 的终极目标，就是让 AI 在回答里引用你。
Citation Drift（引用漂移）
AI 平台的引用来源不是固定的。40%–60% 的引用来源每月都在变，只有 20% 的来源能在同一查询的五次连续回答中持续出现。这意味着 GEO 不是一次性工作，你需要持续更新内容来保住引用位置。
一句话记住：AI 的引用来源每个月都在洗牌，不更新就会被替换。
Content Citability（内容可引用性）⭐
你的内容有多容易被 AI 提取和引用。包括：结论是否前置、段落是否独立完整、有没有具体数据、是否使用了结构化格式（列表、表格）。结构化数据格式的内容被引用的概率是纯段落的 3 倍。详细优化方法见《如何写出 AI 愿意引用的内容》。
一句话记住：AI 引不引用你，取决于你的内容有多方便被它"拿走"。
Cross-Encoder Reranker（交叉编码器重排序器）
RAG 系统的精排阶段用的模型。粗筛（BM25 或向量搜索）拿到一批候选文档后，Cross-Encoder 会把查询和每个文档放在一起精细打分，选出最相关的几个。你不需要懂底层算法，但要知道：AI 在选引用来源时有一个精挑细选的过程，不是随机的。详见AI 引用精排与信任信号。
一句话记住：AI 不是随便引用的——它有一个精排阶段来选最好的来源。
E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）⭐
Google 的内容质量评估框架：经验、专业度、权威性、可信度。在 GEO 里，E-E-A-T 的作用从「排名加分项」变成了「引用门槛」——96% 的 AI Overview 引用来自 E-E-A-T 信号强的来源。不是加分，是门票。具体来说：要有真实案例（经验）、作者身份明确（专业度）、第三方提及（权威性）、内容有时间戳和来源链接（可信度）。
一句话记住：在 AI 搜索里，E-E-A-T 不是加分项，是入场券。
Embedding / Vector Embedding（向量嵌入）⭐
把文字转换成一串数字（向量），让 AI 能用数学方法计算两段内容之间的「语义距离」。语义相近的内容，向量距离就近。这是 AI 搜索理解「你的内容是否回答了用户问题」的核心技术。你不需要自己做 embedding，但要知道：AI 匹配内容靠的不是关键词完全一致，而是语义相似。详见向量嵌入与 GEO。
一句话记住：AI 判断内容相关性不是靠关键词匹配，是靠语义距离。
Entity（实体）
在知识图谱里，实体就是一个可以被明确识别的「东西」——一个品牌、一个人、一个地点、一个概念。Google Knowledge Graph 里有超过 5000 亿个实体。AI 引用你的时候，它需要确认你是「谁」。Schema markup 里的 Organization、Person 等类型，就是在帮 AI 识别你的实体身份。
一句话记住：AI 得先知道你是谁，才会引用你。Entity 就是你在 AI 世界的身份证。
Entity Authority（实体权威）
跟传统 SEO 的 Domain Authority（域名权威）不同。实体权威是你的品牌在整个互联网上的可信度——不只是网站本身强不强，还包括第三方平台（Reddit、Quora、行业媒体）有没有提到你。85% 的 AI 引用来自第三方来源，只有 15% 来自品牌自己的网站。
一句话记住：AI 看的不是你网站有多强，而是别人有没有在提你。
F – K
FAQPage Schema ⭐
一种 JSON-LD 结构化数据格式，专门标记页面上的问答内容。在所有 Schema 类型里，FAQPage 对 GEO 的影响最大——它跟 AI 的对话式查询模式天然契合。FAQ 里的每个 Q&A 都是一个现成的「知识胶囊」，AI 可以直接提取使用。
一句话记住：FAQ + Schema 是最快见效的 GEO 优化手段。
Featured Snippet（精选摘要）
Google 在搜索结果顶部展示的内容摘要框。AI Overviews 出现之前，它是零点击搜索的主要形式。它只摘录一个来源的一小段内容，而 AI Overviews 能整合多个来源。
一句话记住：AI Overviews 的前身，单一来源的零点击搜索。
GEO（Generative Engine Optimization，生成式引擎优化）⭐
通过优化内容结构、技术配置和在线形象，提升网站在 AI 搜索（ChatGPT、Perplexity、Google AI Overviews 等）回答中被引用的可能性。这个概念最早由 Aggarwal 等人在 2023 年的学术论文中提出（arXiv: 2311.09735），2024 年在 ACM SIGKDD 大会发表。关于 GEO 和 SEO 的区别，见《GEO vs SEO：核心区别与协作逻辑》。
一句话记住：让 AI 在回答用户问题时引用你的内容——这就是 GEO。
GEO-bench
Aggarwal 等人在 GEO 论文里提出的基准测试数据集，包含 10,000 个多领域查询。研究用它测试了 9 种优化方法的效果，发现最佳方法能带来 40% 的可见性提升。
一句话记住：GEO 领域第一个学术基准测试，证明了优化确实有效。
Google-Extended
Google 的 AI 爬虫标识，用于 Gemini 相关的 AI 功能。在 robots.txt 里用 User-agent: Google-Extended 控制。屏蔽它不影响 Google 搜索排名，但会影响 Gemini 能不能用你的内容。
一句话记住：Google 的 AI 专用爬虫，跟 Googlebot 是两回事。
GPTBot
OpenAI 的爬虫。很多网站以为它只用于模型训练就屏蔽了，但实际上屏蔽 GPTBot 也会影响 ChatGPT Search 能不能访问你的内容。这是目前最常见的 GEO 失误之一。
一句话记住：别轻易屏蔽——屏蔽 GPTBot 等于让你的内容从 ChatGPT 搜索里消失。
Grounding（事实锚定）
AI 生成回答时，把内容跟可验证的来源对应起来的过程。「有 grounding 的回答」意味着 AI 说的每句话都有来源支撑，不是凭空编造。AI 平台的引用链接就是 grounding 的外在表现。
一句话记住：AI 的回答不是凭空编的——grounding 就是把回答锚定到真实来源上。
Hallucination（幻觉）
AI 生成了看起来合理但实际上是错误的内容。这是 AI 搜索最大的可信度问题。对做 GEO 的人来说，需要注意两个方向：（1）确保自己的内容事实准确，减少被 AI 错误引用的风险；（2）监控 AI 对你品牌的描述有没有事实错误。
一句话记住：AI 编造的看似合理但完全错误的内容。你要监控它有没有「胡说」你的品牌。
Hybrid Search（混合搜索）
把 BM25（关键词匹配）和向量搜索（语义匹配）结合起来的检索方法。大多数 AI 搜索平台都用混合搜索，因为单靠关键词容易遗漏语义相关的内容，单靠语义又可能漏掉精确匹配。对你的启示：内容里既要有核心关键词，也要用自然语言充分展开主题。详见混合搜索详解。
一句话记住：AI 搜索同时用关键词和语义来找内容，两个都不能偏废。
Impression Gap（展示缺口）⭐
Search Console 里展示次数的增速和点击量增速之间的差值。展示在涨但点击没跟上，说明有一部分流量被 AI Overviews 截走了。这个指标比单看点击量下降更灵敏，是判断 AI 影响的早期信号。
一句话记住：展示涨、点击不涨——这个背离就是 AI 在截你的流量。
JSON-LD（JavaScript Object Notation for Linked Data）⭐
在网页上添加结构化数据的推荐格式。AI 爬虫解析 JSON-LD 比解析 HTML 高效得多。带 Schema 的页面被 AI 引用的概率高 30%–40%。用 @graph 可以在一个代码块里叠加多种 Schema（Article + FAQPage + BreadcrumbList），叫做 Schema Stacking。Google 官方文档：developers.google.com。
一句话记住：结构化数据的首选格式。AI 爬虫最容易读懂的「说明书」。
Knowledge Graph（知识图谱）
一个由实体和关系组成的结构化数据库。Google Knowledge Graph 包含超过 5000 亿个实体。AI 回答问题时，会参考知识图谱来验证和补充信息。你的品牌在知识图谱里存不存在、信息准不准确，直接影响 AI 引用你的意愿。
一句话记住：AI 的「常识数据库」。你的品牌在里面有没有条目，很重要。
L – R
LLM（Large Language Model，大语言模型）⭐
ChatGPT、Gemini、Claude 这些 AI 系统的底层技术。LLM 通过海量文本训练，学会理解和生成自然语言。GEO 的本质就是让 LLM 生成回答时引用你的内容。
一句话记住：AI 搜索的大脑。GEO 就是让这个大脑记住你、引用你。
llms.txt
2024 年 9 月由 Jeremy Howard 提出的一种网站文件规范，放在网站根目录（/llms.txt），用 Markdown 格式告诉 AI 系统这个网站有什么内容。超过 84 万个网站已经部署。坦白讲，目前的实际效果存疑——统计分析显示 llms.txt 和引用频率之间没有显著相关性。但部署成本极低，当作「买个保险」就好。
一句话记住：给 AI 的网站说明书。效果有争议，但部署成本为零，不妨先加上。
Multimodal GEO（多模态 GEO）
针对图片、视频、音频等非文本内容做的 GEO 优化。AI 平台现在能同时处理文字、图片、视频。YouTube 是 Google AI Overviews 引用的第二大平台（18.8%）。具体手段包括：给图片写实体驱动的 alt 文本、给视频提供完整字幕文稿、用 VideoObject Schema 标记嵌入视频。
一句话记住：AI 不只看文字。图片、视频也是被引用的入口。
OAI-SearchBot
OpenAI 的搜索专用爬虫，驱动 ChatGPT Search 的搜索结果。跟 GPTBot（也用于训练）不同，OAI-SearchBot 只用于搜索。在 robots.txt 里应该允许。
一句话记住：ChatGPT 搜索的专用爬虫，务必在 robots.txt 里允许。
Parametric Knowledge（参数化知识）
LLM 在训练过程中「记住」的知识，存储在模型的参数里。跟 Retrieved Knowledge（检索知识）相对。参数化知识的问题是有截止日期、可能过时、可能出错。RAG 系统通过引入检索知识来补充和校正参数化知识。
一句话记住：AI 的「记忆」——训练时学到的东西，可能过时也可能出错。
PerplexityBot
Perplexity AI 的爬虫。Perplexity 平均每个回答引用 21.87 个来源，是所有平台中最多的。而且它有强烈的新鲜度偏好——超过 6 个月的内容，引用率急剧下降。
一句话记住：Perplexity 的爬虫。这个平台最看重内容新鲜度。
Pillar Page（支柱页面）
围绕一个核心话题写的综合性长页面，作为整个主题集群的入口。比如一篇「GEO 完全指南」就是支柱页，下面链接到各个子话题（术语表、实操方法、案例分析等）。对 AI 来说，支柱页能帮它理解你网站上哪个话题的内容最全面、最权威。
一句话记住：一个话题的「总部」页面，帮 AI 理解你在这个话题上的全面性。
Propositional Writing（命题式写作）⭐
用「X 是 Y」或「X 导致 Y」这种结构写作。比如「AI Overviews 出现时，排名第一的点击率下降 61%」就是一个命题。AI 在提取信息时特别偏好这种结构清晰、可以直接引用的陈述。每个 H2 下至少写 1–2 个这样的命题式陈述，是提升 GEO 可见性最直接的写作方法。
一句话记住：把信息写成 AI 可以直接「拿走」的陈述句。
RAG（Retrieval-Augmented Generation，检索增强生成）⭐
AI 搜索的核心工作流程。LLM 自己的知识可能过时或不准确，RAG 系统先去互联网检索相关内容，然后把检索到的信息喂给 LLM 生成回答。Perplexity、ChatGPT Search、Google AI Overviews 都是 RAG 系统。GEO 的本质就是优化你的内容在 RAG 流程中被检索和被选中的概率。详细解释见RAG 系统详解。
一句话记住：先搜索、再生成——AI 搜索的核心流程。GEO 就是让你被它搜到。
Reranking（重排序）
RAG 系统在粗筛之后，用更精细的模型对候选来源重新排序的步骤。第一轮筛选（BM25 或向量搜索）可能返回上百个结果，reranker 会用 Cross-Encoder 等模型精挑出最相关的 5–10 个来源，最终进入 AI 的回答。
一句话记住：AI 从海量候选里精选来源的过程。你的内容要经得起精挑。
robots.txt ⭐
网站根目录下的一个文件，用来告诉爬虫哪些页面可以抓取、哪些不行。在 GEO 里，robots.txt 的配置至关重要——35% 的网站不小心屏蔽了 AI 爬虫，导致 SEO 正常但在 AI 搜索里完全隐形。需要允许的关键爬虫：OAI-SearchBot、ChatGPT-User、ClaudeBot、PerplexityBot、Google-Extended。
一句话记住：检查 robots.txt 是 GEO 最基础也最容易被忽略的一步。
S – Z
Schema Markup（结构化数据标记）⭐
用 JSON-LD 格式在网页代码里添加的机器可读信息。告诉 AI 爬虫「这是一篇文章」「作者是谁」「这段是 FAQ」。带 Schema 的页面被 AI 引用的概率高 30%–40%。GEO 最重要的 Schema 类型：Article、FAQPage、Organization、Person、BreadcrumbList。
一句话记住：给 AI 的「说明书」——让它一眼看懂你的内容是什么、谁写的。
Schema Stacking（Schema 叠加）
在同一个页面上部署多种 Schema 类型的做法。用 @graph 把 Article + FAQPage + BreadcrumbList 放在一个 JSON-LD 代码块里。叠加的 Schema 能给 AI 提供更丰富的上下文信号。
一句话记住：一个页面上放多个 Schema，给 AI 更多信号。
Share of Model / SoM（模型份额）⭐
你的品牌在 AI 回答中被提及的频率。相当于传统 SEO 里「Share of Voice（搜索份额）」的 AI 版本。平均品牌在 17.2% 的相关查询里出现，头部品牌能到 56.7%。目前没有全自动工具，需要手动监测。
一句话记住：AI 搜索版的品牌曝光率。你的品牌被 AI 提了多少次。
SERP（Search Engine Results Page，搜索结果页）
用户搜索后看到的结果页面。在 GEO 语境下，SERP 的结构正在发生剧变——AI Overviews 出现在传统结果之上，改变了用户的点击行为。
一句话记住：搜索结果页。AI Overviews 正在重新定义它的样子。
Standalone Section（独立内容块）⭐
一段脱离上下文也能表达完整信息的内容。这是 GEO 内容写作的核心原则。因为 AI 系统是按 chunk 提取内容的，如果你的段落必须依赖前后文才能看懂，AI 就不会引用它。87% 被引用的页面只有一个 H1，说明结构清晰是基本功。
一句话记住：每个段落都要能单独拎出来，还是一段完整的回答。
Token（词元）
AI 处理文本的最小单位。不等于一个字或一个词——中文大约 1.5–2 个字对应一个 token，英文大约 4 个字符对应一个 token。Chunking 时说的「500 token 的块」，中文大概就是 300–400 字左右。
一句话记住：AI 切分文本的最小单位。中文大约两个字 = 一个 token。
Topical Authority（主题权威）⭐
你的网站在某个特定话题上的内容覆盖深度和全面性。AI 选择引用来源时，更偏好在某个话题上有大量高质量内容的网站，而不是零星提过一次的网站。建立主题权威的方法：围绕核心话题建立内容集群（pillar page + 子话题文章），用内链串联起来。
一句话记住：在一个话题上写得够深、够全，AI 才会优先引用你。
Vector Search（向量搜索）
用向量嵌入计算语义相似度来检索内容。跟 BM25 的关键词匹配不同，向量搜索能找到意思相近但用词不同的内容。比如用户问「怎么让 AI 引用我的网站」，向量搜索能匹配到「提升 AI 搜索可见性的方法」。AI 搜索平台通常把向量搜索和 BM25 结合使用（Hybrid Search）。
一句话记住：按语义找内容，不需要关键词完全一致也能匹配上。
Zero-Click Search（零点击搜索）⭐
用户在搜索结果页上就得到了答案，不需要点进任何网站。SparkToro 的数据显示超过 58% 的 Google 搜索属于零点击。AI Overviews 加剧了这个趋势——Gartner 预测到 2026 年底，传统搜索量下降 25%。但零点击不等于零商业价值——被 AI 引用能驱动品牌词搜索量增长和高质量转化。
一句话记住：用户搜了但没点——AI 时代的新常态。应对方法不是阻止它，是被 AI 引用。
常见问题
这些术语我都需要掌握吗？
不需要全部掌握。如果你是内容创作者或营销人员，重点关注带 ⭐ 标记的术语就够了——大概 20 个左右。技术类术语（BM25、Cross-Encoder、Token 等）只需要理解大概原理，不需要深入技术细节。
GEO 的术语和 SEO 有多大区别？
大约一半是共享的（E-E-A-T、Schema、robots.txt、SERP 等），另一半是 GEO 特有的（RAG、Chunking、Share of Model、Citation Drift 等）。如果你有 SEO 基础，学 GEO 术语的门槛其实不高。核心差异见《GEO vs SEO：核心区别与协作逻辑》。
做 GEO 需要懂 AI 技术吗？
不需要写代码，但需要理解 AI 搜索的基本工作流程（RAG）。知道 AI 怎么找到你的内容（检索）、怎么选择引用来源（重排序）、怎么生成回答（LLM），就足够指导你的内容策略了。详细解释见RAG 系统详解。
这些术语会不会很快过时？
GEO 是一个快速发展的领域，新术语确实会不断出现（比如 AAIO 就是 2026 年才开始流行的）。但核心概念（RAG、Chunking、Citation、E-E-A-T）在可预见的未来不会过时——因为 AI 搜索的底层架构没有根本改变。我会持续更新这份术语表。
有没有中文的 GEO 术语翻译标准？
目前没有官方标准。行业里比较通用的翻译包括：生成式引擎优化（GEO）、检索增强生成（RAG）、向量嵌入（Embedding）、模型份额（Share of Model）。但很多术语大家还是直接用英文，因为中文翻译反而容易造成误解。本文采用「英文术语 + 中文解释」的格式，方便你在两种语境下都能对上。