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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。