附录

附录一：GEO 全书执行总清单

以下是本书各章执行清单的汇总版本，可用于项目启动时的快速自查或定期复盘。这份清单不是固定不变的平台操作手册，而是基于本书方法论整理出的项目自查表。具体工具和平台规则变化时，应按最新环境调整。

第一阶段：技术地基（第四章）

  • JavaScript 渲染检查： Ctrl+U 查看源代码，确认核心内容在初始 HTML 中存在。
  • TTFB 检测： 在 Chrome DevTools 的 Network 面板查看核心页面的 TTFB（Waiting for server response），或访问 pagespeed.web.dev 查看服务器响应时间。工程上建议尽量压到 200–500ms 区间；如果长期超过 500ms，建议优先排查。这是工程优化建议，不是官方硬性门槛。
  • robots.txt： 确认无误封 AI 爬虫。
  • 语义标签： 正文被 <main>/<article> 包裹。
  • Sitemap + IndexNow： 建议 lastmod 使用完整格式（含时间和时区），确保日期真实准确。
  • Schema 部署： 按页面类型部署合适的 Schema（如 Article、Product、Organization、Breadcrumb）；FAQPage 仅在业务系统确实需要且标记与可见内容一致时使用，不把它当作 Google 富结果或 AI 采用捷径。
  • 图片表格整改： 核心参数改用 HTML 表格。
  • 标题层级： 设置清晰的页面主标题，并让 H2/H3 等标题反映真实内容层级；不要把「每页只能一个 H1」或「绝不能跳级」当作搜索排名硬规则。
  • 存量内容治理： 排查重复页面（合并或 canonical）、不同页面间的参数冲突（统一口径）、模板化薄页面（补内容或 noindex）、过期内容（更新数据并标注时间）。

第二阶段：答案块工程（第五章）

  • 反向写作法： 写答案块前先回答五个问题——用户真正想问什么、理想答案第一句话怎么说、核心判断点有哪些、需要什么数据支撑、用户下一步该做什么。
  • 主答案块： 核心页面 H1 正下方，经验参考区间 200-400 字，结论前置，静态直出。
  • 决策型答案块： 选购类页面用条件分支结构（「如果 A 则 X，如果 B 则 Y」），给出判断依据。
  • 价格信息： 能公开价格区间的，给出参考区间；不能公开的，至少说明价格由哪些配置和服务项决定。
  • 代词清除： 答案块中代词替换为完整实体名称。
  • 高混淆概念对比： 对行业内容易混淆的相似概念，主动创建对比内容（定义区别、典型误区、选择建议）。
  • 内容多粒度： 同一核心主题在分类页（一句话定义）、FAQ 页（一段话说明）、详情页（完整指南）提供不同深度内容，各层说法保持一致。
  • FAQ 模块： 只在适合的核心页面回答来自真实搜索、客服和销售记录的问题，不要求每页机械凑齐固定数量，也不把 FAQPage Schema 当作 Google 富结果或 AI 采用的必要条件。
  • AI 辅助摘要： 社区长帖生成讨论摘要，产品库批量生成 FAQ（经人工审核）。

第三阶段：内容工程（第六章）

  • 模糊词清查： 无依据的含糊表达替换为确定性表达；事实本身不确定的保留限定词，补充条件说明。
  • 边界声明： 主动写清产品或方案不适合什么场景，增加内容信息密度。
  • 数据增强： 对适合量化的内容，尽量在答案块、首段或关键对比段中补充具体数字，来源标注统一。
  • 差异化信息： 核心页面包含有真实来源、可核验、AI 难以可靠替代的专有信息——独家实测、真实客户场景、具体价格区间。
  • ALT 文本： 准确描述图片展示的内容，在必要时补充应用场景和关键参数。
  • 图注和近邻正文： 重要图片加图注，图片前后正文与图片内容语义关联。
  • 视频文字化： 行业访谈/演讲视频提供 SRT 字幕、文字实录、章节时间戳，关键问答提炼为独立 FAQ。
  • 内容资产包： 核心主题围绕选型指南、FAQ、对比页、视频、案例页形成一组内容，覆盖更多查询入口。

第四阶段：全域分发（第七章）

  • 意图阶段排查： 按认知→评估→决策→售后四个阶段检查内容缺口，优先补齐空档阶段。
  • 行业知识平台布局： 按五步流程在头部行业平台持续输出客观、可核验并按场景披露关联关系的专业内容。
  • 媒体轨： 资源允许时定期发布数据报告/白皮书，按 GEO 模板结构撰写。质量稳定比数量堆积重要。
  • 实体显著性： 所有外部内容核心数据点标注品牌归属。
  • 引用句式库： 统一外部引用格式。
  • 实体关系网： 主站内品牌页、产品页、技术页、案例页、对比页之间建立清晰内链，锚文本具体化。
  • 值得长期投入的核心内容资产： 规划至少 1 个高引用潜力的年度报告或数据工具。

第五阶段：监测闭环（第八章）

  • 标准问题库： 起步版不少于 30 个问题，三层覆盖；成熟后扩展到 30-50 个。用四步工作流快速创建：AI 批量生成候选→合并真实数据→去重聚类→按商业价值排序。
  • 基线测试： 第一次全量测试。
  • 发布前 AI 自检： 核心内容发布前，用 AI 扮演普通用户、行业专家、AI 检索系统三种角色检查一遍。
  • 优先级排序： 用三维模型确定改造顺序。
  • 流量分析工具： 创建 AI 渠道分组。
  • 月度监测： 固定每月执行，产出两页监测报告。核心问题复测 2-3 次确认。
  • 服务器日志核查： 每月检查 AI 爬虫抓取频率及错误码。

附录二：SEO 与 GEO 核心差异速查表

这张表用于比较主要观察对象，不表示 SEO 与 GEO 是互斥集合，也不表示 GEO 建立在 SEO 之上。Google 的生成式搜索功能与搜索系统高度整合，其他 AI 产品的数据与检索链路则可能不同。

维度SEO 的主要观察GEO 补充的主要观察
核心目标提升自然搜索可见性，获得合格访问并承接用户任务观察并改善内容在生成式回答中的采用、提及、引用及准确归属
工作链路抓取、索引、检索/排序、结果展示、点击与任务承接在共享或独立检索链路之外，继续观察来源选择、上下文利用和生成回答
关键词作用词项匹配、查询理解、主题与意图表达的重要组成同样需要准确术语；另需检查内容片段能否覆盖自然提问并完整作答
外部引用价值可帮助页面发现、主题理解、权威判断、品牌建设和引荐访问额外检查独立来源是否真正提供证据，以及事实归属能否回到原始来源
内容结构服务阅读、理解、抓取、索引和任务完成额外关注片段脱离上下文后的完整性、可核验性与复述准确度
可信度E-E-A-T 等质量框架、内容与站点信号共同参与质量判断把来源适配、证据充分性和错误归因作为生成式回答监测项
Schema按搜索平台支持规范描述实体和页面信息，并可能获得相应搜索展示Google 生成式功能不要求特殊 Schema；其他 AI 产品是否使用取决于实现，不保证采用提升
观察周期没有统一固定周期，取决于抓取、索引、竞争和改动类型同样没有统一周期，且平台入口、模型和答案随机性增加了比较难度
可衡量性站长平台、日志、流量与转化数据官方 AI 报告（如有）+ 标准问题库三类可见率 + 准确性、流量与转化

附录三：快速起步建议——只能做三件事时

  1. 第一件：第四章的 30 分钟技术自检。确保 AI 能看到你的内容。这是一切的前提。
  1. 第二件：为你最重要的 1 个页面构建主答案块。在 H1 标题正下方，用 200-400 字写一段结论前置、数据支撑、语义自洽的答案块。这通常是 GEO 改造中投入产出比很高的起步动作。
  1. 第三件：建立标准问题库并执行基线测试。这里选 10 个核心问题（极简起步版本，正式建议详见第八章 8.2 节的 30-50 个），向三个 AI 平台提问，记录结果。没有基线数据，你永远不知道自己进步了多少。

做完这三件事，你就已经迈出了 GEO 的第一步。剩下的，按照本书的章节顺序逐步推进即可。

附录四：主要数据来源与参考资料

行业与市场数据

  • Pew Research Center（2025）：How Americans interact with AI-generated search results on Google。基于 900 名成年人的 68,879 次 Google 搜索行为分析。
  • 中国互联网络信息中心 CNNIC（2026）：第 57 次《中国互联网络发展状况统计报告》。
  • Gartner（2024）：传统搜索引擎搜索量下降预测。
  • Alphabet Q4 2025 财报（2026 年 2 月发布）。Google Search & other 广告收入数据。
  • 百度 2025 年全年财报及 Q4 2025 财报。AI 相关业务增长与业务口径调整数据。

AI 渠道流量与转化研究

  • Semrush（2025）：AI referral traffic conversion rate study。AI 渠道访客转化率与自然搜索对比。
  • Seer Interactive（2025）：B2B 客户 GA4 数据分析：ChatGPT 来源转化率。
  • Bubblegum Search（2025）：15 个品牌网站 AI 推荐流量转化率追踪。
  • Chartbeat（2025）：发布商网站 Google 搜索自然流量变化及 AI 聊天产品来源分析（2024 年 11 月至 2025 年 11 月数据）。

GEO 学术研究

  • Aggarwal, P., Murahari, V., et al.：GEO: Generative Engine Optimization。2023 年发布 arXiv 预印本（2311.09735），后正式发表于 KDD 2024，DOI: 10.1145/3637528.3671900。
  • Wu, Y., Zhong, S., et al.（2025）：What Generative Search Engines Like and How to Optimize Web Content Cooperatively。ICLR 2026。arXiv: 2510.11438。

AI 技术基础

  • Vaswani, A. et al.（2017）：Attention Is All You Need。NeurIPS 2017。
  • Lewis, P. et al.（2020）：Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks。NeurIPS 2020。
  • Liu, N.F. et al.（2023）：Lost in the Middle: How Language Models Use Long Contexts。TACL 2024。

AI 引用质量研究

  • Gao, T. et al.（2023）：Enabling Large Language Models to Generate Text with Citations（ALCE）。EMNLP 2023。arXiv: 2305.14627。
  • Wu, K. et al.（2025）：An automated framework for assessing how well LLMs cite relevant medical references（SourceCheckup）。Nature Communications, 2025。
  • Xu, Y. et al.（2025）：Principle-Driven Citation Evaluation for Source Attribution。ACL 2025。提出 CiteEval 与 CiteBench，用完整查询、回答、检索上下文和来源质量评估引用。
  • Abolghasemi, A. et al.（2025）：Evaluation of Attribution Bias in Generator-Aware Retrieval-Augmented Large Language Models。Findings of ACL 2025。研究作者身份元数据对 RAG 引用归因的影响。

新兴 GEO 测量框架（预印本，供延伸阅读）

  • Kim, S. et al.（2026）：SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization。arXiv: 2602.12187。强调固定候选来源实验忽略检索与重排序阶段，正文不采用其具体效果数字。
  • Zhang, K., He, X., Yao, J.（2026）：From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms。arXiv: 2604.25707。区分来源被选中与内容真正进入答案，属于观察性测量框架。

RAG 污染、来源独立性与行业治理

  • Zou, W., Geng, R., Wang, B., Jia, J.（2025）：PoisonedRAG: Knowledge Corruption Attacks to Retrieval-Augmented Generation of Large Language Models。USENIX Security 2025。
  • Sui, R., Yuan, X., Tang, D., Cui, B.（2026）：CtrlRAG: Black-box Document Poisoning Attacks for Retrieval-Augmented Generation of Large Language Models。arXiv: 2503.06950（v2）。
  • 央视网（2026 年 3 月 15 日）：《2026 年 3·15 晚会：谁在给 AI「投毒」》。https://tv.cctv.com/2026/03/15/VIDEmX0VdYf9DeKI87GYEfqF260315.shtml
  • 新华网（2026 年 3 月 19 日）：《中国广告协会全面启动生成式引擎优化（GEO）标准化建设工作》。https://app.xinhuanet.com/news/article.html?articleId=0e5ab2a0858ccd79b752198b7bc7d26f

AI 辅助内容生产与标识

  • Google Search Central：Creating helpful, reliable, people-first content。包括内容自查、E-E-A-T 适用边界以及 Who、How、Why 框架。https://developers.google.com/search/docs/fundamentals/creating-helpful-content?hl=zh-cn
  • Google Search Central：Google Search’s guidance on using generative AI content on your website。强调准确性、质量、相关性、创作背景说明与规模化内容滥用边界。https://developers.google.com/search/docs/fundamentals/using-gen-ai-content
  • Google Search Central：Spam policies for Google web search。包括规模化内容滥用政策及相关示例。https://developers.google.com/search/docs/essentials/spam-policies?hl=zh-cn
  • 国家互联网信息办公室等四部门（2025）：《人工智能生成合成内容标识办法》，自 2025 年 9 月 1 日起施行。https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm
  • 全国网络安全标准化技术委员会：GB 45438—2025《网络安全技术 人工智能生成合成内容标识方法》。https://www.tc260.org.cn/upload/2025-03-15/1742009439794081593.pdf
  • OpenAI：Terms of Use。说明输出可能不准确，用户应在适当情况下进行人工审核并对使用结果负责。https://openai.com/policies/terms-of-use/
  • Anthropic：Consumer Terms of Service。说明输出可能包含重大错误，用户应独立核验。https://www.anthropic.com/legal/consumer-terms

工具与平台

  • Bing Webmaster Tools「AI Performance」报告（2026 年 2 月公开预览）。提供 Microsoft Copilot、Bing AI 摘要及部分合作场景的 AI 引用可见性数据。
  • Google Search Console「生成式 AI 效果报告」（2026 年逐步开放）。覆盖 Google Search 中 AI Overviews 与 AI Mode 的链接展示数据，可按页面、国家和日期分析；目前仅向部分站点开放。https://support.google.com/webmasters/answer/16984139
  • Google Search Central（2026）：Optimizing your website for generative AI features on Google Search。包括非同质化内容、虚假品牌提及、结构化数据、llms.txt 与智能体体验等官方说明。https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
  • Google Search Central（2023）：Changes to HowTo and FAQ rich results。HowTo 富结果停止展示；FAQ 富结果通常只面向知名、权威的政府和健康网站。https://developers.google.com/search/blog/2023/08/howto-faq-changes
  • OpenAI：Publishers and Developers FAQ。包括 OAI-SearchBot、ChatGPT 搜索来路及 utm_source=chatgpt.com 说明。https://help.openai.com/en/articles/12627856-publishers-and-developers-faq
  • Microsoft Clarity（2026 年 5 月 13 日）：Citations Now Generally Available。https://clarity.microsoft.com/blog/citations-now-generally-available/