生成式引擎優化（GEO）入門：從「找得到你」到「AI 願意引用你」

修訂理由與完整證據寫在〈llms.txt 該不該做？我把自己寫過的 GEO 方法論改掉了〉。以下是生成式引擎優化（GEO）方法論的現行版本。

使用者的第一個問題，越來越常丟給 ChatGPT 與 Perplexity，而不是 Google。當答案由 AI 生成，品牌的戰場就從「排名」移向「被引用」。

這就是 GEO——生成式引擎優化（Generative Engine Optimization）。

第一層：語意一致化（Semantic Alignment）
品牌名、人名、專業領域詞在全網所有內容裡保持一致的寫法與共現關係，讓 AI 能把「這些內容」歸戶到「同一個實體」。

第二層：權威鏈接化（Authority Linking）
用結構化資料（Person、Organization、Article schema）與跨平台連結（官網、社群、媒體報導）織成一張實體網，累積 AI 對這個實體的信任。

第三層：可引用化（Citable Corpus）
把觀點寫成 AI 容易摘引的形態：清楚的定義句、問答結構、乾淨的語意 HTML、開放的 llms.txt。

SEO 沒有消失，它擴張了——SEO、GEO、AEO 是同一場戰爭的三條戰線。技術基本功（速度、結構、內容品質）依然是地基；GEO 是蓋在地基上的新樓層。

方法論講完，接下來是多數人卡住的地方：做了之後，怎麼知道有沒有效。排名有工具可以查，被引用沒有。所以我帶客戶看的是三個可以自己動手驗的訊號，不需要買任何工具。

一、被引用。去 Perplexity 問十個你的潛在客戶真的會問的問題，看回答下面那排出處裡有沒有你。它把引用來源攤在檯面上，這是目前最容易自己驗的一個。出現的是競爭對手，那就是你的起點。

二、被準確描述。直接問 AI「這家公司做什麼」，比對它的說法跟你官網寫的一不一致。講錯或講得含糊，代表語意一致化那一層還沒做完——這通常不是內容不夠，是同一件事在不同頁面有三種寫法。

三、被主動推薦。問「這個領域可以找誰」，看名單裡有沒有你。這一項最難，也最值錢：它代表 AI 不只知道你存在，而是願意在沒被問到你的時候把你端出來。

三個訊號的順序不是隨便排的，它對應方法論的三層：找得到（語意一致化）→ 講得對（權威鏈接化）→ 願意推薦（可引用化）。驗收要按這個順序做，第一關沒過就去追第三關，只會得到一個沒有解釋力的結論。

這套判斷的底層依據來自 Princeton、Georgia Tech 與 IIT Delhi 團隊發表在 KDD 2024 的 GEO 研究——他們實測了哪些內容特徵會提高被生成式引擎引用的機率，論文與資料集都公開：arxiv.org/abs/2311.09735。

這個網站的每一頁，都是照這套方法論蓋的——歡迎直接檢視原始碼與結構化資料，把它當一份活的教材。