GEO/AEO 基础知识

过去二十年，搜索（也就是 SEO）大致能算账：你投内容、做外链，就有排名和流量。

以前还能搭挺靠谱的预测模型：估出来的流量离真实值差不远，有时候连询盘、下单都能估个八九不离十。

现在这种可预测性，基本没了。

为什么？说白了，是买家找供应商、比方案的习惯变了。你自己在国内可能天天用豆包；但你的海外买家，更常去问 ChatGPT、Gemini、Perplexity，或者直接看 Google 的 AI Mode / AI Overviews。他们用英文问：「哪家工厂能做这个认证？」「有没有交期稳的供应商？」「某某品类里靠谱的独立站品牌有哪些？」AI 给的不是一排蓝链，是一段带着推荐口吻的综合答案。

所以从现在起，先把几件事认清楚：

搜索已经回不去了；
为啥回不去，得能讲明白；
再就是——接下来咱们怎么办。

对「可见 GEO」来说，主场很清楚：人在国内做外贸 / 出海，盯的是海外答案引擎里你的品牌有没有被看见、被怎么讲。不是只盯国内大模型。

SEO 只覆盖一半

SEO 说白了就干一件事：让你的页面，在对的搜索词下被找到。

AI 生成答案时也会去「查资料」，所以你做 SEO 的同时，仍会间接帮到 GEO / AEO。

但用户拿到的结果形态变了。

以前，排名列表像一本菜单，把各种选项摆给你挑；现在，一段综合答案直接甩出推荐。它不单是一份名单，还带着自己的判断。这个变化，才是今天搜索最关键、也最难用旧方法衡量的地方。

最好的比喻，是图书馆和小助手的区别。SEO 是把你的书放到正确的书架上，让别人能找到；GEO（也常叫 AEO，答案引擎优化）是确保小助手会从书架上抽出你的书，并翻到对买家最有用的那一章。

你的品牌，正在被一群你没管过的来源描述

SEO 是二维的：要么有排名，要么没有。整个行业也乐于接受这种简单逻辑，因为它容易衡量。至于第三方网站怎么说你，那通常不归搜索团队管。可能是品牌部的事，可能是公关部的事，也可能谁的都不是。

GEO / AEO 多了第三个维度，而偏偏这个维度来自那些过去没人盯的来源。

AI 会从每一条评论、每一篇对比文章、每一个提到过你的论坛帖子、每一条行业目录介绍里，拼出你的品牌画像。然后，这些来源里的说法会直接进入 AI 答案。

这就是为什么你明明“被提到了”，最后却还是输了。

比如买家用英文问「适合北美中小零售商的户外家具供应商」，AI 说：“这家工厂质量不错，不过更适合小批量试单。”用户原本没有专门去找这句话，它却自己冒了出来，而且很可能让一笔大单当场黄掉——你明明能接大单，AI 却把你说成“只适合小单”。

第三方来源重新变得重要，很多出海团队对此毫无准备。以前，Reddit 上的一句差评，只有被人翻到才会成为问题；现在，它只要存在于网上，就可能被写进 AI 答案。

SEO 和 GEO / AEO 最大的区别，在于目标不同。两者的基础动作有很多重合，但就像做 SEO 时会因为目标不同而换打法，做 GEO 也要换一套思路。大语言模型会寻找全网共识，因此你的动作不能只盯着自己独立站，还要考虑全网声量、共识、品牌认知和准确表达。你要尽量让官网成为品牌定位最新、最准的那个版本。

AI 搜索已经无处不在

很多人以为 GEO 只是“优化一下 ChatGPT”，这是常见误解。

今天，只要海外买家会去那里找信息，那里就可能有 AI 答案，包括 Google。Google 仍然贡献着大量自然流量。它的 AI Mode 和 AI Overviews 会把综合答案放在蓝色链接旁边，有时甚至直接取代蓝色链接。

所以「SEO 对 GEO」并不是在两个平台之间二选一。光是 Google，就已经证明这两件事会在同一个地方、面对同一批用户、同时发生。

大多数平台也有很强的商业动机，把 AI 答案放到最中心的位置。对 ChatGPT 和 Perplexity 来说，AI 答案本身就是产品。Gemini 也一样，越来越深地嵌进搜索与办公场景。

Google 是更有意思的例外。ChatGPT 和 Perplexity 是从零开始造 AI 答案；Google 则是把它塞进一个几十亿人每天都在用的搜索产品里，而且要大规模地塞。AI Mode 的用户增长很快，目前看不到放缓迹象。Google 并没有把 AI 搜索当成另一个完全独立的产品，而是在把 AI Overviews 和 AI Mode 慢慢收成一套连续体验。

方向很明确：AI 已经不再是搜索上面加的一层功能，它正在变成搜索本身。对出海品牌来说，这意味着：你在海外的“被发现路径”，越来越常从一段英文对话开始。

每一次搜索，现在都可能是长尾问题

传统搜索时代，用户得先把自己的真实需求压缩成搜索引擎能懂的关键词。

你明明想问：“我们是一家北美 DTC 品牌，想找能做 FDA 相关检测、MOQ 不太高、交期稳定的工厂，最好有英文独立站和可查的认证材料。”真正打进搜索框的，大概率只有 “best OEM manufacturer outdoor furniture”，最多再补 “low MOQ”，剩下的筛选全靠自己翻结果页。

这种压缩是长期训练出来的习惯。久而久之，大家甚至忘了自己一直在这么做。

AI 把这个压缩步骤去掉了。现在，买家可以把原本混乱、啰嗦、不完整的问题一股脑交给它，然后拿到一个整理过的答案。人的行为也由此出现三个变化，最终让每一次搜索都带上长尾特征：

用户会问得更具体，因为不需要再把问题压成几个关键词。
当问题信息不够时，AI 会主动追问。
个性化开始补足用户没有说出口的背景，根据系统已知的信息调整答案。

比如买家问：“面向想做北美跨境、又要稳定交期的户外家具品牌，有哪些靠谱的中国供应商？”模型未必立刻甩名单，而是先追问目标市场、订单体量、认证要求，再给更贴合的回答。

这意味着研究问题和做内容的方式都变了。你对客户真实问法、询盘里的原话、销售通话里的异议的依赖，也会比过去深得多。

SEO 时代，你有一套关键词。到了 AI 搜索时代，同一个需求会出现无数种英文问法、说法和追问方式。垂直行业的买家指南、不同人群的买家指南，变化几乎无穷无尽，因为 AI 搜索比过去的一条 Google 查询细腻得多。对做出海增长的人来说，这既是挑战，也很有意思。我们舒服太久了，现在又被拉回一线，必须重新想清楚怎么做。

第二章会继续展开这一点。

从排名到收入的那条直线，断了

SEO 的目标一直相对明确，衡量方式也稳定：排名带来流量，流量带来询盘和收入。你可以做预测模型，而且大体敢信它。

最大的变化，是从“归因”走向“交叉验证”。做 SEO 时，衡量相对干净：某个关键词有排名，用户点击，来到独立站，然后你能在分析工具或 CRM 里追踪路径。它不完美，但点击链路还算清楚。到了 GEO / AEO，这条链路开始断裂。品牌可能只被 AI 提了一句，没有链接；买家可能先问 ChatGPT、Gemini 或 Google AI Mode，比较几家公司，过几天再直接搜你的品牌名进站，或者发一封询盘邮件。等他转化时，最初的影响来源往往已经看不见了，因为它压根没有产生一次点击。衡量思路必须改变。能看到 AI 带来的流量和转化时，当然还要看，但那只是很小一部分。更多时候，需要把多种方向性信号拼起来：品牌在监测工具里的可见度、表单里自己填的来源、销售电话里买家提到的发现路径。这些信号单独看都不完美。提示词监测有用，但它测的是模拟结果；很多工具只测单轮问题，而真实用户常常是多轮、混乱、带个人背景的。自报告归因也不完美，但它能让你知道买家记住了什么、什么真正影响了他。所以关键转变是：接受 GEO 不可能严丝合缝地塞进过去那套点击归因模型。我们要做的，是综合可见度数据、买家自述、销售通话和流量数据，判断 AI 搜索有没有影响询盘和管道。

GEO 没有哪个单独指标能让你拍着桌子说：“成了。”就算有，追根溯源也很难。一个 AI 答案出现了，用户关掉页面，三天后换台设备回来，最后发来询盘。这时候，归因线索早就凉了。

这当然不是 GEO 独有的问题。暗社交、零点击搜索、播客影响，已经让归因碎了很多年。GEO 的新麻烦，是把这个问题摆到了明面上，让 SEO 很难再绕过去。

但 AI 搜索也不是两年前那个完全看不见的黑箱了。可见度、引用份额、情绪，甚至 AI 回答的产品准确性，都可以衡量。从可见度一路推到收入，仍然需要更多推断，但基本骨架已经有了。

现在就开始建立基线，等行业基础设施成熟时，你至少知道自己是从哪里出发的。如果一直等“完美归因”，等别人已经积累了两三年数据，你才刚开始，那就太晚了。

GEO / AEO 战略应该从哪里开始

好消息是：理解了搜索的这些变化，你已经可以把它整理成一套能真正执行的 GEO 战略。

先看清需要缩短的距离

现在可以确定：AI 对你的品牌有一套自己的看法，而它未必和你希望的一样。

这里有两个词，很适合拿来描述这段差距：

联想（associations）：AI 现在实际上怎么描述你。它包含两个层面：AI 会不会在某个答案里提到你；提到你时，又会怎么形容你。两者合起来，代表全网当下对你的整体认知。在只看 SEO 的时代，衡量的基本单位是排名；到了 GEO，排名仍然重要，但它只是其中一个输入。真正要看的，是 AI 会把哪些东西和你联系在一起——交期稳不稳、能不能做某项认证、是不是只适合小单、英文资料全不全。
属性（attributes）：你希望 AI 记住的特征。你服务哪类买家，解决哪些痛点，在哪些场景里更有优势。当用户问“适合北美中型零售商、能提供完整认证材料的户外家具供应商有哪些”时，你的属性决定了你会不会出现在答案里。它是目标状态。

GEO 的目标之一，就是把“AI 现在的联想”和“你想要的属性”重新对齐。

AI 认错一个品牌，通常有两种情况。

第一种是事实错误。它说你不支持某个其实支持的认证，讲错 MOQ 或交期，或者把一个已经量产两年的能力说成“还在开发”。这种错误比较容易被发现，也相对容易修——把官网、产品页、第三方资料说清楚即可。

第二种更隐蔽，也更难抓。AI 说的每句话可能都没错，但拼起来的整体印象，并不是你想表达的样子，也没有说清买家为什么应该选你。

设想一家工厂一直把自己定位成“能接欧美中大单、交期可控的户外家具 OEM”。但某个目录站写它是“低价小单工厂”，一篇对比文又说它是“适合试单的亚洲供应商”。这些说法不能算全错，可它们都没有体现公司的定位。AI 把它们揉在一起，最后给出的就是一个含糊版本的公司形象。原因不在 AI，而在这家公司从来没有把完整、明确的自我表达讲透——尤其是用海外买家能搜到、能读懂的英文材料讲透。

你究竟要解决哪个问题

知道“联想”和“属性”之间有差距，只是起点。差距可能出现在可见度、情绪、准确性，或者三者同时出现。不同问题，要用不同方法解决。

第一类问题是权威度：你够不够可信、够不够常见，能不能进入 AI 答案。用户只问“最好的 outdoor furniture manufacturers 有哪些”，没有任何补充条件。最后被提到的，通常是积累了多年提及、拥有大量内容、在全网定位一致的品牌。

进入这场讨论很慢。它靠时间、数量和一致性慢慢累积，没有捷径。对于刚进入某个海外品类、或者过去一直说不清自己是谁的公司，权威度是地基。地基没打好，后面的工作都不稳。

第二类问题是长尾相关性：AI 是否足够具体地理解你，能不能在真正影响购买决策的问题里选择你。

如果问题变成：“面向年采购额较大、需要 FDA / 相关检测材料、交期稳定的北美 DTC 品牌，有哪些靠谱的中国供应商？”多年积累的权威度不会自动换来推荐。

如果没有证据证明你解决过这个具体问题，而竞争对手有清清楚楚的案例、英文案例页、评测和目录站介绍，答案就会转向。长尾相关性来自具体表达：真实使用场景、目标市场、能力，以及用买家自己的语言把这些内容写清楚。

这两件事始终同时存在。关键不是只挑一个做，而是先判断：你现在最大的短板在哪，工作就从那里开始。权威度强、长尾内容弱，和细分场景很强、品类层面没什么存在感，需要的是两套不同的打法。

起步框架

弄清楚优先级以后，后面的工作基本都沿着三步走：

先决定你是谁，想被记住什么。 这不是做一场品牌工作坊，而是要给出能直接使用的一句话：我们服务谁，解决什么问题，凭什么赢。所有后续工作都从这里出发。没有这一步，你就算追踪了品类里的所有提示词，也不知道该拿数据怎么办。第二章会展开讲。
建立 AI 答案里的现状基线。 去问海外买家真正会问的英文问题，看看 ChatGPT、Gemini、Perplexity、Google AI Mode 怎么描述你、说得准不准、哪些联想和属性对不上。通过这次审计，你会知道自己是权威度有问题、相关性有问题，还是两者都有，以及差距到底有多大。第三、四章会讲提示词和审计。
把差距补上，站内站外一起做。 先从自己能控制的独立站、产品信息和品牌表达开始，再逐步影响那些你控制不了、但可以争取的第三方来源——评测站、行业目录、Reddit、媒体与合作伙伴。

与其问“我们希望别人记住我们什么”，不如先问：“客户现在已经允许我们主张什么？”这对 GEO 很重要，因为大语言模型本质上在寻找全网共识。GEO 的核心问题，是模型信不信你的品牌应该出现在答案里。这个判断会受到口碑、品类匹配度和全网反复确认的影响。所以可以先做一次客户语言审计，再整理一张定位证据图：客户语言，是买家实际怎么说；公司语言，是独立站和销售材料怎么说；第三方语言，是评测、目录、Reddit 和合作伙伴怎么说；AI 语言，是 ChatGPT、Gemini、Perplexity 和 Google AI Mode 怎么描述品牌。

哪些人必须坐到一张桌子上

开始搭 GEO 战略后，你很快会发现：这件事总会碰到一些原本没被通知参加的团队。

不管你喜欢与否，答案引擎已经成了海外买家解决问题的常用入口，而且不只用于下单。这会在公司里以各种方式体现出来。下面这些角色，几乎最后都会被卷进来：

客户支持 / 售后：买家还没联系公司，AI 就已经在回答产品、交期、认证问题了。一旦答错，最后收拾残局的是支持团队。
产品市场 / 增长：AI 采用的定位、信息表达和竞争叙事，通常来自这里。如果 AI 把产品说偏了，或者在答案里失去竞争优势，问题往往要回到这一层去修。
品牌团队：他们负责品牌身份，也就是 AI 应该反映出来的那个你。如果定位没有在某个地方被清楚写下来——尤其是英文版——整个项目就没有衡量基准。
公关 / 内容外发：他们一直在影响全网怎么谈你的品牌。但 AI 的综合过程是看不见的，没有过去那些剪报和声量看板，工作很容易失去可见度。
销售 / 外贸业务：走进竞争性订单时，客户可能早就问过 AI。AI 说了什么，就会成为对话起点——包括它怎么讲你的 MOQ、交期和认证。

这些团队一开始都没报名参加 GEO 项目，但他们的输入又缺一不可。至于谁来统筹，第六章会结合完整工作范围再讲。

面向大语言模型做优化，和面向搜索结果页做优化并不一样。扎实的技术 SEO 和页面基础仍然重要，但现实是：过去两年，从大语言模型开始的搜索行为已经明显增加。用户直接在模型里开始搜索，整个漏斗都发生在一段对话中，他们会优先考虑那些已经被模型引用和提及的品牌。做 SEO / 出海增长的人必须接受这个现实。你最好能在自己的看板里看到它。几个最大变化是：第一，战场大幅转向第三方。社区建设、站外提及、评测、媒体报道、行业目录都变得更重要。GEO 已经不只是做外链，也进入了公关和品牌工作。大量 AI 引用来自第三方网站，而不是被提到的品牌官网。第二，网站要作为一个整体来看。我们不再只优化单个页面或关键词。模型会把你的独立站看成一堆主题和信号组成的整体。GEO 需要所有碰网站内容的人跨团队配合，搜索团队必须和增长、品牌、设计坐在一起，不能继续被关在博客角落里。第三，衡量成功的方式要重做。过去的 SEO 工具、指标和汇报结构，并不适合现在这个变化。用户可能完全不离开对话框就走完调研，所以自然访问量的意义在下降。越来越多 B2B / 外贸买家先在大语言模型里做调研，而不是只去 Google。如果你不知道模型怎么呈现你和竞品，很快就会失去相关性。

这才刚刚开始

看到这里，你应该对 GEO / AEO 有了更清楚的认识，也会发现它没有从外面看起来那么难下手。

这个领域很新，打法还在形成，衡量工具也没有完全跟上。但这些都不妨碍你现在开始。

你真正要做的，是先想清楚自己是谁、希望被记住什么，然后从这一点往外搭建——盯住海外买家在 ChatGPT、Gemini、Perplexity、Google AI Mode 里怎么推荐你。

下一章就讲这件事。