GEO

用户问 AI 的时候，到底想要什么——AI 查询意图拆解

传统SEO把搜索意图分成导航型、信息型、交易型三类，但AI搜索里的用户意图复杂得多——探索、对比、决策、操作、研究，经常叠加出现。搞清楚意图差异，才能写出AI会引用的内容。

AI 最爱引用哪些内容格式——数据与实操

不是所有内容格式在AI引用中的表现都一样——列表、表格、FAQ的引用率是纯段落内容的3倍。这篇用数据告诉你哪些格式最受AI青睐，以及怎么用。

GEO 内容策略：从审计到执行的 AI 可见性框架

做GEO不是零散地改几个标题、加几条Schema——你需要一套完整框架，从审计现状到设定目标、从查询研究到内容生产、从发布到持续迭代。这篇是Pillar级别的完整方法论。

GEO28 min read

GEO 查询研究：怎么找到用户在 AI 搜索里问的问题

用户在AI搜索引擎里的提问方式跟Google搜索完全不同——更长、更具体、更像对话。GEO查询研究的目标是找到这些真实问题，然后让你的内容成为AI的答案来源。

GEO17 min read

2026-04-03

AI 引用谁说了算：精排机制与信任信号拆解

粗筛筛出200个候选chunk，但最终只有5-10个能进LLM上下文窗口。Cross-Encoder逐一精细打分，加上来源权威和新鲜度评估——这就是AI引用决策的核心。

2026-04-03

AI 什么时候才"知道"你的内容：知识截止、Grounding 与实时搜索

LLM有两种知识：训练时记住的参数知识，和实时检索的外部内容。搞清楚AI什么时候用记忆、什么时候搜索，你才知道自己的内容到底有没有机会被引用。

2026-04-02

混合搜索是什么：BM25 + 向量检索，AI 搜索的两条腿

AI搜索引擎不是只靠语义理解找内容——它同时跑关键词匹配和向量检索两套系统，再把结果合并。理解这个双引擎机制，你才能知道内容该怎么同时优化两个方向。

2026-04-01

AI 怎么切分你的网页，你怎么控制切法——内容切块策略

RAG系统不会把整个网页塞进LLM，而是先切成几百token的小块。你的内容结构直接决定了chunk质量，chunk质量直接决定检索成败。

2026-04-01

RAG 机制拆解：AI 搜索引擎怎么找到你的内容并生成回答

RAG是所有AI搜索引擎的核心架构。你的内容能不能被AI引用，取决于它能不能在RAG管道的每个环节活下来——爬取、切块、向量化、检索、精排、生成。

GEO37 min read

2026-04-01

向量嵌入是什么：AI 怎么判断你的内容跟用户问题「相关」

AI搜索引擎判断内容相关性靠的不是关键词匹配，而是向量距离。理解向量嵌入的工作原理，你就能明白为什么有些内容语义上更容易被AI检索到。

GEO25 min read

2026-03-31

大语言模型到底是怎么生成答案的：给营销人的技术入门课

LLM的核心机制——预测下一个token——直接决定了AI会引用谁的内容。理解训练、推理、上下文窗口和RAG这四个概念，是做GEO的技术基础。

2026-03-30

GEO 术语表：从业者必须搞懂的 50+ 个概念

RAG、向量嵌入、Chunking、Share of Model……GEO涉及的术语横跨AI技术和搜索营销两个领域。这份术语表用大白话解释每个概念，附带实操场景，方便随时查阅。

GEO34 min read

2026-03-29

流量都被 AI 截走了？零点击搜索时代怎么办

AI Overviews出现时自然搜索第一名CTR下降61%，但被AI引用的品牌CTR反而高35%。流量总量在下降，但每个点击的转化价值在上升。本文用数据解释正在发生什么，以及你该怎么应对。

2026-03-28

AI搜索引擎是怎么工作的：Perplexity、ChatGPT、Google AI Overviews 机制全拆解

所有AI搜索引擎都基于RAG机制，但Perplexity、ChatGPT、Google AI Overviews的检索逻辑、引用偏好和内容选择标准截然不同。本文拆解每个平台的工作原理，帮你理解为什么同一篇内容在不同平台的被引用率差异如此之大。

2026-03-27

GEO vs SEO：两套评分游戏，一套内容资产

GEO和SEO用完全不同的逻辑评分，但共用同一套内容资产。本文从评分对象、内容策略、技术要求三个维度拆解两者的核心差异，并给出SEO从业者切入GEO的实操优先级。