如何在AI搜索中胜出：提升在AI搜索引擎与大语言模型中可见性的终极指南

在AI 搜索 您在AI搜索引擎和大型语言模型上获得更多可见度的终极指南 目录 颠覆2：新的搜索平台出现引言08引言：我们为什么在这里？08干扰1：来自谷歌的有机流量正在下降09 为什么GEO和LLMO很重要 10为什么你应该关心生成式引擎优化（GEO）和大型语言模型优化（LLMO）？11西部世界回归 根本区别 概述 - AI搜索 vs LLM vs 传统搜索什么是LLMs？14llms - 基于他们的知识库提供答案15带有网络搜索功能的LLM1612传统搜索、AI搜索和LLMs12 目录 顶尖的人工智能驱动搜索引擎17 21其他AI搜索和LLM21困惑之AI 用户行为正在改变 22SEO关键字与搜索提示 什么是GEO - 生成式引擎优化？生成式引擎优化 - GEO生成式引擎优化 (GEO)2425为什么你应该开始投资GEO和LLMO26 目录 传统SEO策略及其在GEO中的表现27GEO和SEO有什么区别？30 在人工智能搜索中衡量成功 32SEO和GEO指标101：如何衡量AI搜索和LLMs的成功？32搜索引擎优化指标是否仍然相关？ 32搜索量：一个关键指标35推荐流量：基于LLM的搜索带来的流量中有多少来到了您的网站？36目标 #1：品牌可见性 37对有机和付费点击率的 影响37人工智能搜索中的链接引用跟踪 监控品牌可见性的工具38 目录 地学方法与优化策略 39如何针对 AI 搜索和 LLM 优化39GEO方法 - 自有内容 - 如何做好内容营销 46464747GEO方法：在您的网站上使用Schema.org以优化人工智能搜索如何 Schema 实际上与 AI 合作真正重要的模式类型不舒服的现实检查你为什么要费心呢？（当然要）48GEO方法 - 公共关系 - 将您的品牌与合适的主题相关联40挑战：不可见的提示40逆向工程可见性40优化自有内容以适应人工智能搜索4349GEO方法 - 在您的内容中包含引言和统计数据GEO方法 - SEO仍然相关！45 GEO方法 - 优化重要自动完成提示51 目录 52GEO方法 - 技术GEO - 由LLM机器人索引，针对LLM的robots.txt 56575959GEO方法 - 利用LLMs的新闻/媒体合作伙伴GEO方法 - 研究实体而非关键词GEO方法 - 在Reddit上提供用户生成内容GEO方法 - 反馈给LLM很重要GEO方法 - 黑帽GEO54GEO方法 - 被列入维基百科5553什么是 JSON-LD？ 清单60您的GEO/LLMO清单 结论结论61 目录 附录 65附录 2：AI 搜索监控研究62附录1：GEO研究 常见问题解答 有没有像 SEO 机构那样的 GEO 机构？66随着不断变化的 AI 响应，GEO 是否不可能？68难道LLM的每一个答案都是唯一的吗？（内存，温度）68 参考文献 介绍： 为什么我们在这里？ 所有行业的营销团队目前正面临两种主要干扰。 来自谷歌的自然流量正在下降 颠覆1： Gartner,这家分析公司预测,由于AI生成答案,有机流量到2028年将减少50%。但现实是:从2024年5月开始推出的Google AI概述已经影响了某些行业和品牌。 谷歌正在改变，零点击搜索的数量在美国和欧洲都已经达到了60%。 颠覆2：新的搜索平台出现 新的 AI 搜索体验（如 Perplexity.AI）和 AI 聊天机器人（如 ChatGPT）正日益成为 Google 搜索的绝佳替代品。虽然 ChatGPT 现在已跻身全球前十大网站，但 Perplexity.AI 等新的 AI 搜索体验正在实现令人印象深刻的用户增长。 市场团队如何应对这种新现实并建立可持续的营销策略？ 在本指南中，你会发现。 我们帮你理解新的 SEO 世界，以及为什么生成式引擎优化（GEO）和大型语言模型优化（LLMO）会持续存在。 如果您有任何进一步的问题或反馈意见。 访问 https://otterly.ai 或通过 hello@otterly.ai 给我们发邮件。 提示：我们有一个AI搜索优化平台——称为OtterlyAI——它帮助营销团队监控品牌在AI搜索中的可见性并优化以提高排名。给我们一个免费试用这里。 为什么GEO和LLMO很重要 为什么你应该关心生成式引擎优化(GEO)和大语言模型优化(LLMO)? 作为一名营销人员、品牌经理、SEO（搜索引擎优化）专家，您关注未来几个月搜索引擎优化是否仍然相关。我们许多企业严重依赖搜索引擎，现在我们已经听说LLMs了，我们不禁想问，我们的业务是否会终结？ 这份关于 GEO（生成式引擎优化）和 LLMO（大型语言模型优化）的指南应该能帮助你了解新的 AI 边界，并为你提供如何将当前的 SEO 工作演变为即将到来的 GEO 工作的建议。 当前市场预测让我们从当前的SEO活动中抬起头，思考有哪些威胁以及前方的机遇。 凯莉·利伯特（SearchEngineLand）强调了在人工智能背景下搜索引擎优化的演变性质，并指出：\"搜索引擎优化的未来关乎提及、权威性和人工智能相关性。以下是在人工智能生成的搜索结果中确保品牌可见性的方法。\ Gartner（一家最大的分析公司之一）预测，到2028年搜索流量将减少50%（来源Gartner) 但是我想这些预测并不是你来的原因。我们与之交谈的大多数品牌，在他们的数据和分析中看到了这一点。自然流量处于历史最低点，线索仍在流入，但大家都想知道我们的品牌和产品在未来如何被我们的客户发现。他们不禁感到一丝寒意。 “趋势”报告显示，生成式AI市场在2024年达到670亿美元（来源semrush). 全球人工智能（Artificial Intelligence）搜索和LLM市场预计在2024年至2030年期间每年增长24%至36%(来源大观研究) 企业有机流量下降高达40%()来源(赛睿互动) ，这感觉像是对业务的威胁。这就是我们建议你阅读这份GEO指南并与你的SEO（即将更名为GEO）代理机构或你的团队合作，制定一个战略计划，以便被LLMs和基于AI的搜索所认识和找到。听起来不错？但让我们从一些基础知识开始。 人工智能代理和聊天机器人的增长预计到2030年将增长23%（来源大观研究) 西部世界回归 观察新的AI搜索市场，感觉像是SEO的早期西部开拓时代，当时每个人都想尝试一切来参与其中。这就是我们要以更结构化的方式帮助你的地方。 然而，某些活动仍会让人想起搜索的早期，以及如何进入搜索结果页的顶部。但是，我们强烈建议为长远目标制定一个GEO计划。 针对大型语言模型和人工智能驱动搜索的优化，重点是使您的品牌与其定位保持一致，同时确保您的产品、团队和所有相关信息都能有效地整合到这些模型生成的回复中。 传统搜索结果，以蓝色链接为特征，正变得过时。为了保持相关性，您的品牌必须通过文本、链接、品牌内容、引言、统计数据、视频等方式在AI响应中突出显示。 让我们从一些定义（和历史）开始。 根本区别： 传统搜索，AI 搜索和大语言模型 让我们探索传统搜索、AI搜索和大型语言模型（LLMs）之间的关键区别。这个旅程始于2022年LLMs的出现。 什么是LLMs？ 2022年，大语言模型（LLMs）首次登上了舞台。当然，人工智能（AI）和机器学习（ML）的技术早已存在，但大语言模型以一种让所有人都意识到这将在未来产生巨大影响的方式给用户留下了深刻印象（来源Dataversity）。 今天，我们有大量的不同模型（LLMs），也称为生成式AI引擎，并且它们遵循不同的方法。 这里是最受欢迎的大型语言模型列表（截至2025年初）： mistral 人工智能的mistral 8x22b Llama 3.1 OpenAI o1 Claude 3.5十四行诗 Gemini 2.0 OpenAI GPT-4o grok 3 最终，所有LLMs都将采用类似的方法，并相互跟进。 现在，让我们探讨差异。在搜索/回答体验方面，存在两种生成式AI体验类型。 1. LLM（大型语言模型）内部知识库= 克劳德、拉玛和格洛克依赖于它们内部的知识，这些知识是从在大量数据集上进行的大量训练中得出的。然而，它们的知识仅限于它们最新训练时期（称为知识截止日期）之前的信息，并且不会超出这一点。 2. AI搜索=使用人工智能摘要、困惑度和ChatGPT的谷歌。这些搜索引擎结合了LLM和网页搜索功能来从互联网上收集最新信息。它们可能将短搜索关键词优化成提示以给用户提供更好的响应。这种技术称为RAG，即“检索增强生成”。 你可以称这些 AI 搜索体验为混合系统，因为它们结合了内部知识与添加网络搜索功能（称为 RAG - 检索增强生成）。 AI搜索引擎平台开始提供所使用的来源（搜索结果）的引用，这不仅可以将推荐流量发送到您的网站，还可以帮助您找到针对您的GEO（生成式引擎优化）的行动项。 但人工智能驱动的搜索引擎是什么，它们与大型语言模型有何不同？谷歌的人工智能概览是什么，它们在这个领域扮演什么角色？ 理解这些大语言模型和人工智能搜索是如何处理和呈现信息的也至关重要。 首先，AI搜索引擎可以被看作是应答机而不是搜索引擎。这意味着它们试图给你一个答案，而不是向你展示搜索结果。 llms - 基于他们的知识库提供答案 纯语言模型（例如Claude）会根据其知识（训练数据）给出答案。它们只有在供应商重新训练模型时才会获得新信息。这需要从几百万（DeepSeek）到几亿（OpenAI的情况）。 对于这些大语言模型，大型语言模型优化（LLMO）将只与长期品牌定位战略一起工作。 带有网络搜索功能的LLM AI 搜索将使用与传统搜索类似的关键词来获取最新信息并丰富其当前响应。这与您所知的 SEO 有些相似，但仍然存在很多差异。 人工智能搜索通常（并非总是）使用检索增强生成（RAG），这意味着通过您的提示，大型语言模型（LLM）会向搜索引擎（如Google、Bing等）发起搜索查询，并使用搜索结果来获取最新的新闻或信息以供回复。如果您用这种方法询问一个最近举行了选举的国家元首，您才能得到准确的回答。 这个过程分为不同步骤：AI/LLM 选择要处理的网络搜索来源（即引用或来源链接），然后它抓取（读取）所有链接的内容，最后根据页面内容和它的内部知识构建它的响应。 它仍然可以决定给你一个与它处理的内容不同的内容表示。这就是它非常棘手的原因，并且与传统的搜索不同。 传统搜索只是找到一个匹配项，并显示蓝色的结果链接。 例如，Perplexity AI - 一个 AI 搜索在被告知迈阿密天气后从网站检索实时数据。 概述 - AI搜索 vs LLM vs 传统搜索 让我们从概述不同类型的LLM与传统搜索的工作方式以及在那里似乎有效的优化类型开始。 Seer Interactive 是人工智能搜索领域一个非常资源丰富的机构，他们在该主题上提供了大量重要信息。开始关注Wil Reynolds（他们的创始人），以获取大量专家内容。 T op 人工智能驱动搜索引擎 谷歌AI概览 谷歌在过去25年里是最大的搜索引擎——而且至今仍然是。虽然我们在谷歌上仍然能获得很好的搜索结果，但谷歌本身并不是一个答案引擎，而是一个搜索引擎。 意义上，作为一个用户，你必须通过很多搜索结果来寻找你的问题的答案。对于我们这些作为网站提供者的来说，这给我们提供了很多获取流量和转化的机会。但是，2025年最好的搜索体验是什么？ 很明显，谷歌将把AI和LLMs整合到他们的产品中，问题是只是如何。作为该领域的领导者，做出改变也很困难。 谷歌gemini是谷歌的llm，并在2024年5月找到了进入他们搜索产品的方法（顺便说，也进入了其他谷歌产品）。搜索结果上方的新的谷歌人工智能概览是谷歌中集成的llm的结果。 关于谷歌人工智能概