本文是 A16Z（美国一家顶级风险投资公司）官方发布的一篇文章，主要探讨了随着大型语言模型 (LLM) 成为新的信息入口，传统搜索引擎优化 (SEO) 如何演变为生成式引擎优化 (GEO) 这一新范式。文章分析了这一转变的根本原因、对品牌营销策略的影响，以及其中蕴含的巨大商业机遇。

• 搜索范式正在转变：随着 Apple 等公司将 Perplexity 和 Claude 等 AI 原生搜索引擎整合到其产品中，传统的、以 Google 为主导的基于链接和排名的搜索时代正走向终结。一个以语言模型为核心的新时代——生成式引擎优化 (GEO) 正在兴起。
• 优化的核心目标改变：SEO 的目标是在搜索结果页面上获得高排名。而 GEO 的核心目标是让品牌或内容被 AI 模型直接引用，出现在生成的答案中。衡量标准从“点击率”转变为“引用率”。
• 品牌策略的重塑：品牌不仅要关注在公众心目中的形象，更要关注在 AI 模型中的“形象”。如何被 AI 模型理解、记忆和引用，已成为新的核心竞争力。
• GEO 蕴含巨大商业潜力：与分散的 SEO 工具市场不同，GEO 有可能诞生平台级的、更集中的商业模式。成功的 GEO 公司不仅能提供监测分析，更能通过自有模型和技术，主动影响和塑造 AI 的输出，最终成为品牌与 AI 交互的核心渠道和自动化营销平台。

关键细节

• 从 SEO 到 GEO 的具体变化
  • 基础不同：传统 SEO 建立在“链接”之上，而 GEO 建立在“语言”之上。
  • 用户行为改变：AI 搜索的查询更长（平均 23 个词 vs 传统 4 个词），交互更深入（平均 6 分钟）。
  • 内容优化方式：GEO 要求内容结构清晰、意义密集，而非简单的关键词堆砌。使用项目符号或“总结”等明确的格式有助于 AI 模型提取信息。
• 商业模式与激励机制的差异
  • 传统搜索引擎主要通过广告变现。而许多 LLM 服务采用订阅制，这使得它们在引用第三方内容时，更看重内容能否提升用户体验和产品价值，而非仅仅为了流量。
• 新兴的 GEO 工具与实践
  • Profound、Goodie 等新平台已出现，帮助品牌分析其在 AI 回复中的形象和声量。
  • Ahrefs 和 Semrush 等传统 SEO 巨头也已推出新工具，以适应 GEO 时代，追踪品牌在 AI 生成内容中的提及情况。
  • 案例：Canada Goose 利用 GEO 工具分析 LLM 是否会自发提及该品牌，以此衡量其在 AI 时代的“无提示品牌知名度”。
• GEO 的未来机遇
  • GEO 目前仍处于早期实验阶段，规则尚在不断变化中。
  • 文章预测，成功的 GEO 平台将超越分析工具的范畴，它们会拥有自己的微调模型，整合点击流等数据，不仅观察 AI 的行为，更能主动塑造其行为，最终演变为一个自动化、跨渠道的性能营销系统。
  • 作者将 GEO 视为继 Google Adwords 和 Facebook 广告之后，下一个重要的营销风口和竞争高地。

原文

我们所熟知的搜索时代行将结束，而营销人员们对此感觉还不错。嗯，差不多吧。

二十多年来，搜索引擎优化（SEO）是在线曝光率的默认 playbook（宝典）。它催生了一个完整的产业，包括关键词堆砌者、反向链接中介、内容优化师和审计工具，以及运营它们的专业人士和机构。但在 2025 年，搜索已经开始从传统浏览器转向 LLM 平台。随着苹果公司宣布将 Perplexity 和 Claude 等 AI 原生搜索引擎内置于 Safari，谷歌在分发渠道上的垄断地位受到了质疑。价值超过 800 亿美元的 SEO 市场的根基已经出现了裂痕。

一个新的范式正在兴起，它不再由页面排名驱动，而是由语言模型驱动。我们正在进入搜索的第二幕：生成式引擎优化（GEO）。

从链接到语言模型

传统搜索建立在链接之上。GEO 则建立在语言之上。

在 SEO 时代，曝光率意味着在搜索结果页面上排名靠前。页面排名是通过基于关键词匹配、内容深度与广度、反向链接、用户体验参与度等因素对网站进行索引来决定的。如今，随着像 GPT-4o、Gemini 和 Claude 这样的大语言模型（LLM）成为人们查找信息的接口，曝光率意味着直接出现在答案本身中，而不是在结果页面上排名靠前。

随着答案格式的改变，我们搜索的方式也在改变。AI 原生搜索正变得碎片化，分布在 Instagram、亚马逊和 Siri 等平台上，每个平台都由不同的模型和用户意图驱动。查询变得更长（平均 23 个词，而传统搜索为 4 个词），会话更深入（平均 6 分钟），响应也因上下文和来源而异。与传统搜索不同，LLM 能够记忆、推理，并以个性化的、多来源综合的方式进行回应。这从根本上改变了内容被发现的方式以及需要如何进行优化。

传统 SEO 奖励精确和重复；而生成式引擎则优先考虑组织良好、易于解析且意义密集（而不仅仅是关键词密集）的内容。像“总而言之”这样的短语或项目符号格式有助于 LLM 有效地提取和再现内容。

同样值得注意的是，LLM 市场在商业模式和激励机制方面也与传统搜索市场有着根本的不同。像谷歌这样的经典搜索引擎通过广告将用户流量变现；用户用他们的数据和注意力来支付。相比之下，大多数 LLM 是付费墙后、由订阅驱动的服务。这种结构性转变影响了内容的引用方式：模型提供商展示第三方内容的动机减少了，除非它能增加用户体验或增强产品价值。虽然 LLM 界面之上最终可能会出现一个广告市场，但其规则、激励机制和参与者可能会与传统搜索大相径庭。

与此同时，LLM 界面价值的一个新兴信号是出站点击量。例如，ChatGPT 已经为数以万计的不同域名带来了引荐流量。

从排名到模型相关性

这不再仅仅关乎点击率，而是关乎引用率：你的品牌或内容在模型生成的答案中被引用或用作来源的频率。在一个由 AI 生成输出的世界里，GEO 意味着优化模型选择引用的内容，而不仅仅是你是否或在何处出现在传统搜索中。这一转变正在重塑我们定义和衡量品牌曝光度与绩效的方式。

已经有像 Profound、Goodie 和 Daydream 这样的新平台，使品牌能够分析它们在 AI 生成的响应中如何出现，跨模型输出跟踪情感，并了解哪些发布者正在影响模型的行为。这些平台通过微调模型以模仿与品牌相关的提示语言、策略性地注入热门 SEO 关键词以及大规模运行合成查询来工作。然后，输出结果被组织成可操作的仪表板，帮助营销团队监控曝光度、信息传递的一致性以及竞争性声量份额。

Canada Goose（加拿大鹅）就使用了这样一款工具，来深入了解 LLM 如何引用该品牌——不仅仅是在保暖性或防水性等产品特性方面，还包括品牌认知度本身。其得出的结论更多地关乎模型是否会自发地提及该品牌，而不在于用户如何发现 Canada Goose，这正是 AI 时代无提示品牌知名度的一个指标。

这种监控正变得与传统 SEO 仪表板同等重要。像 Ahrefs 的 Brand Radar 这样的工具现在可以跟踪 AI Overviews（AI 概览）中的品牌提及，帮助公司了解它们是如何被生成式引擎描述和记忆的。Semrush 也有一个专门的 AI 工具包，旨在帮助品牌跨生成式平台跟踪认知度、为 AI 可见性优化内容，并对 LLM 输出中新出现的提及做出快速反应，这标志着传统的 SEO 参与者正在适应 GEO 时代。

我们正在见证一种新型品牌战略的出现：这种战略不仅考虑公众的看法，还考虑模型中的看法。你如何被编码到 AI 层中，是新的竞争优势。

当然，GEO 仍处于实验阶段，很像 SEO 的早期。随着每一次重大的模型更新，我们都有可能需要重新学习（或忘掉）如何与这些系统进行最佳互动。正如谷歌的搜索算法更新曾一度让公司手忙脚乱地应对波动的排名一样，LLM 提供商也仍在调整其模型引用的规则。多种思想流派正在涌现：一些 GEO 策略已相当为人所知（例如，在 LLM 引用的源文件中被提及），而其他一些假设则更具推测性，比如模型是否会优先考虑新闻内容而非社交媒体，或者偏好如何随不同的训练集而变化。

来自 SEO 时代的教训

尽管规模庞大，SEO 从未产生过一个垄断性的赢家。像 Semrush、Ahrefs、Moz 和 Similarweb 这样帮助公司进行 SEO 和关键词研究的工具，本身都很成功，但没有一个能够占据整个技术栈（或像 Similarweb 那样通过收购实现增长）。每一个都开辟了自己的细分市场：反向链接分析、流量监控、关键词情报或技术审计。

SEO 总是碎片化的。工作分散在代理机构、内部团队和自由职业者之间。数据混乱，排名是推断出来的，而不是经过验证的。谷歌掌握着算法的钥匙，但没有哪个供应商能够控制界面。即使在巅峰时期，最大的 SEO 玩家也只是工具提供商。他们没有足够的用户参与度、数据控制权或网络效应来成为 SEO 活动的集中枢纽。点击流数据（clickstream data）——用户在浏览网站时点击链接的记录——可以说是了解真实用户行为最清晰的窗口。然而，从历史上看，这些数据一直极难获取，被锁定在 ISP、SDK、浏览器扩展和数据代理商之后。这使得在没有深厚的基础设施或特权访问的情况下，几乎不可能建立准确、可扩展的洞察。

GEO 改变了这一切。

如何获得提及：GEO 工具的出现

这不仅仅是工具的转变，更是一个平台机遇。最引人注目的 GEO 公司不会止步于测量。他们将微调自己的模型，从跨垂直领域的数十亿个隐式提示中学习。他们将拥有整个循环——洞察、创意输入、反馈、迭代——并采用差异化技术，不仅观察 LLM 的行为，而且塑造它。他们还将找到一种方法来捕获点击流数据，并结合第一方和第三方数据源。

在 GEO 领域获胜的平台将超越品牌分析，提供行动的基础设施：实时生成营销活动，为模型记忆进行优化，并随着 LLM 行为的变化每日迭代。这些系统将是可操作的。

这解锁了一个远比曝光率更广泛的机会。如果 GEO 是品牌确保其在 AI 响应中被引用的方式，那么它也是品牌管理其与 AI 层持续关系的方式。GEO 成为与 LLM 互动的记录系统，允许品牌跨生成式平台跟踪存在感、表现和结果。拥有了这一层，你就拥有了其背后的预算。

这就是垄断的潜力：不仅仅是提供洞察，而是成为那个渠道。如果说 SEO 是一个去中心化、与数据相邻的市场，那么 GEO 可以是其反面——中心化、API 驱动，并直接嵌入到品牌工作流程中。最终，GEO 本身可能是最明显的切入点，尤其是在我们看到搜索行为转变的情况下，但归根结底，它实际上是更广泛地切入效果营销（performance marketing）的楔子。驱动 GEO 的品牌指南和对用户数据的理解同样可以驱动增长营销。这就是大企业得以建立的方式，即一个软件产品能够测试多个渠道，并在这些渠道之间进行迭代和优化。AI 使得自主营销者成为可能。

时机至关重要。搜索才刚刚开始转变，但广告资金的流动速度很快，尤其是在存在套利机会时。在 2000 年代，那是谷歌的 Adwords。在 2010 年代，那是 Facebook 的定位引擎。现在，在 2025 年，轮到了 LLM 以及那些帮助品牌驾驭其内容如何被这些模型吸收和引用的平台。换句话说，GEO 是一场进入模型“心智”的竞赛。

在一个 AI 成为商业和发现入口的世界里，营销人员面临的问题是：模型会记住你吗？