当皮尤研究中心分析了2025年3月的68,879次谷歌搜索后,一个发现格外突出:遇到AI生成摘要的用户只有8%的时间会点击传统搜索结果。而没有看到摘要的用户点击率接近两倍,达到15%。有四分之一看到AI摘要的用户甚至不点击任何内容就结束了搜索会话。
这个差距说明了品牌发现的发展方向。根据SimilarWeb 2026年1月的数据,ChatGPT等生成式 AI平台现在每月吸引57.2亿次访问,品牌已经知道AI搜索很重要。更紧迫的问题是,你的内容是否针对AI检索和呈现信息的两种不同方式进行了结构化。SimilarWeb的AEO与GEO框架为这两种方法划出了有用的界限,值得在竞争对手之前理解。
人们搜索得比以往任何时候都多,只是不再点击
BrightEdge在2025年5月报告称,在AI概览功能推出后的一年里,谷歌搜索展示次数攀升了49%。在同一时期,点击率下降了近30%。Seer Interactive在2025年9月的研究覆盖了42个组织的2510万次自然搜索展示,发现特别是触发AI概览的查询,点击率下降更加严重。
Gartner在2024年初预测,传统搜索量到2026年将下降25%。确切数字仍有争议,但方向很明确。展示次数在上升,链接参与度在崩溃。答案本身已成为目的地,出现在答案中的品牌才是被注意到的品牌。
AEO与GEO的区别及其重要性
这正是AEO与GEO区别体现价值的地方。
答案引擎优化(AEO)是关于构建内容,让AI系统能够提取清晰、直接的答案。比如精选摘要、人们还问框、语音助手结果。它是战术性的:基于问题的标题、40到80字的答案优先段落、FAQ和HowTo结构化标记。如果有人问特定问题,你的内容给出最清晰的答案,AEO就是让你在摘要级别被引用的方法。
生成式引擎优化(GEO)在更广泛的层面运作。它是关于让你的品牌成为RAG驱动平台(ChatGPT、Perplexity、Gemini)的可信来源,这些平台从多个来源综合答案。GEO涉及语义内容集群、实体丰富的数据、多模态资源,以及通过第三方网站、目录和出版物中的共同提及建立领域权威。
大多数品牌错过的关键点是:你可能赢得了精选摘要,但仍然完全不出现在ChatGPT的回应中。麦肯锡的AI发现调查(2025年8月,调查1,927名消费者)发现,品牌自己的网站只占AI搜索平台引用来源的5%到10%。其他90%来自出版商、用户生成内容、联盟网站和评论平台。所以你的AEO在谷歌上可能完美无缺,而你在更广泛网络中的GEO存在感仍然很薄弱。
值得注意的是:BrightEdge发现89%的AI概览引用来自排名超过第100位的结果。传统排名位置变得不如内容结构和权威信号重要。
引用优势的数据投资案例
引用优势的数据难以忽视。Seer Interactive的研究发现,被AI概览引用的品牌比完全被排除在摘要之外的品牌多获得35%的自然点击和91%的付费点击。
投资案例也在建立。根据MarTech在2026年2月报告的Conductor研究,32%的数字营销领导者现在将GEO列为今年的首要任务,97%报告他们的努力迄今取得了积极成果。2025年数字预算平均有12%用于GEO举措。或许更能说明问题的是,93%的领导者正在内部建设这些能力,将AI搜索可见性视为过于战略重要而不能外包。
高成熟度组织在GEO上的支出已经几乎是低成熟度同行的两倍。一旦默认答案被设定,这个差距将很难缩小。
如果44%的消费者已经偏好AI驱动的搜索作为他们的主要洞察来源(麦肯锡),而你的品牌没有出现在那些AI生成的回应中,那么在购买过程中你处于什么位置?
实施AEO和GEO的实用策略
AEO和GEO在机制上不同,但它们服务于同一目的:让你的品牌成为AI系统信任、检索和引用的品牌。实际的起始点很简单。通过向主要平台提出客户会问的问题来审核你当前的AI可见性。识别你出现在哪里、不出现在哪里,以及哪些来源被引用。然后在你现有SEO基础之上,将AEO(结构化答案、标记、问题导向内容)与GEO(语义深度、第三方共同提及、多模态资源)结合起来。
风险正在上升。随着生成式 AI从摘要转向代表用户行动的智能体系统(预订、购买、推荐),AI引用的品牌将越来越成为AI选择的品牌。如果你的内容策略仍然仅通过点击来衡量成功,那么当点击变成可选时会发生什么?
Q&A
Q1:什么是AEO和GEO?它们有什么区别?
A:AEO(答案引擎优化)是构建内容让AI系统提取清晰直接答案的方法,主要针对精选摘要等。GEO(生成式引擎优化)是让品牌成为ChatGPT等平台可信来源的策略,涉及语义内容集群和建立域权威。
Q2:为什么传统SEO排名在AI时代不够用了?
A:BrightEdge发现89%的AI概览引用来自排名超过第100位的结果。传统排名位置变得不如内容结构和权威信号重要,品牌需要适应AI检索和呈现信息的新方式。
Q3:企业应该如何开始实施AEO和GEO策略?
A:首先审核当前AI可见性,向主要AI平台提出客户常问问题,识别出现和缺失的地方。然后在现有SEO基础上结合AEO的结构化答案和GEO的语义深度、第三方共同提及等策略。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。