同一件事有五个名字在被卖：生成式引擎优化（GEO）、答案引擎优化（AEO）、AI SEO、AI search optimization、LLM SEO。它们加起来每月约有 19,000 次美国搜索（Google Keyword Planner，2025 年 8 月–2026 年 7 月，逐词的数字在下面这张表里），而排在这些词前面的页面，翻来覆去推荐的是同样三件事——加 schema、发一个 llms.txt、把内容重排成机器爱读的格式。
Google 自己的文档说，这三样你都不需要。
这不是抓人小辫子，也不是叫你别管 AI 搜索。这正是这一页存在的理由。下面放的是证据，不是推销：Google 究竟发布了什么、一份 68,879 次搜索的研究测到了什么、以及我们在一个客户身上做引用测试、把日期写下来之后看到了什么。
GEO 不是另一条赛道，Google 说它长在老的那条上
这个市场里最常见的说法，是 AI 搜索是一场全新的游戏、需要全新的本事。就在 generative engine optimization 这个词的搜索结果页上，现在还挂着一条付费广告，卖点是 GEO 是*「自成一局，不是换了名字的 SEO」*。
Google 的 AI 功能文档说的正好相反，而且是它自己的原话：
"The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems."
（SEO 的最佳实践依然有效，因为我们在 Google 搜索上的生成式 AI 功能，是长在我们的核心搜索排名与质量系统之上的。）
同一页还描述了机制：Google 的 AI 依靠它的核心搜索排名系统去取回相关的、最新的网页，然后据此生成答案。先检索，后生成。
由此推出的结论很硬。 如果传统搜索找不到、取不回你的页面，AI 那一层就没有东西可以引用。一个排在第 90 名的页面，不是在「等待它的 GEO 时刻」——它是检索那一步根本够不到的页面。要修的是这个，而修法就是普通 SEO：被收录、能被抓取、和真的有人在搜的那个词对得上。
⚠️ 有一条边界要说清楚。 上面全部是 Google 在讲 Google。ChatGPT、Perplexity、Claude 各有自己的检索栈，Google 的文档管不到它们。我们能说的只是：在我们自己那次测试里，引擎引用的是本来就存在、本来就被收录的页面，不是为机器写的文件。
三件被当成 GEO 在卖、而 Google 说不需要的事！侦探推开三张歪斜的文件卡，同时指着一张正立的卡
下面这三样，是付费「GEO 体检」清单上最常见的三条，右边是 Google 文档对每一条的原话。
| 被说成非做不可 | Google 自己的文档怎么说 |
|---|---|
| 加 schema 标记，好让 AI 能解析你 | "Structured data isn't required for generative AI search, and there's no special schema.org markup you need to add."（生成式 AI 搜索不要求结构化数据，也没有你需要额外添加的专用 schema.org 标记。） |
发一个 llms.txt，好让 AI 引擎认识你的站 |
为了出现在 Google 搜索（含生成式功能）里，你不需要创建新的机器可读文件或 AI 文本文件，因为*"Google Search itself doesn't use them."*（Google 搜索自己不用它们。） |
| 把内容重排成 AI 可读的格式（Markdown、AI 专用页） | 同一句话里点名了 Markdown 和 AI 专用标记，Google 说它不用。 |
这张表有两个地方必须小心，因为顺手读下来，两个方向都会读错。
schema 不是没用。 Google 那句话的范围很窄：生成式 AI 搜索不「要求」结构化数据。schema 依然能挣来传统的富摘要——评价星级、FAQ 面板、搜索结果里直接显示的营业时间——这些值得做的理由和 AI 毫无关系。文档不支持的，是把 schema 当成被 AI 引用的方法来卖。
而 llms.txt 是一个还没结清的问题，不是一个已经结清的问题。 Google 那句话只结清了 Google 搜索这一家。Perplexity、ChatGPT 或 Claude 读不读这类文件，只有它们自己能回答，而它们都没有发布过对应的说明。实用的读法很窄，但够用：不值得花钱请人做一个当排名手段，而已经有了的，也不值得费劲去删。 留着一个文件不花钱，为它开一张发票要花钱。
被引用之后，实际能拿到什么
这是 GEO 市场不会放进提案幻灯片里的那个数字。
Pew Research Center 观察了真实浏览行为：900 位美国成年人、68,879 次 Google 搜索、2025 年 3 月。不是问卷，是真的记录下来的访问。
| 他们测的 | 占访问的比例 |
|---|---|
| 搜索结果里出现了 AI 摘要 | 18% |
| 有 AI 摘要时，点了传统搜索结果 | 8% |
| 没有 AI 摘要时，点了传统搜索结果 | 15% |
| 点了 AI 摘要里的来源链接 | 1% |
最后一行值得再读一遍。被引用进 AI 答案里，换算成点击大约是百分之一。 成为被引用的来源，和被访问不是一回事，离被联系上就更远。
⚠️ 别把 8% 和 15% 读过头。 这是观察性数据，不是对照实验。会触发 AI 摘要的搜索，本身可能就是另一类搜索——更偏信息型，而那类搜索的点击率本来就低。Pew 没有做这个切分，所以不能说成「AI 摘要造成了点击下降」。而 1% 那个数字不受影响，因为它量的就是摘要本身的点击。
我们测过一次，并且把日期写了下来
这个市场里最不缺的就是道理，所以这里放一个来自真实客户账号的实测结果，不是一段论证。
这位客户在马来西亚做一款消费者健康产品的生产与品牌，出口欧洲。我们以一个欧洲经销商找供应商的口吻去问 Perplexity，问了两次，用两种不同的问法。两次都把这个客户点名在第一位，而且引用的是他自己站上的页面。
让它成为证据而不是轶事的，是十五天之前发生的事。同样的问题、同样的站，返回的是四个竞品，完全没有提到这个客户。两个日期上，他的 robots.txt 都是全开的，llms.txt 也都在。中间没有任何技术改动。
变的是那两个上线的指南页——回答买家在选供应商之前会问什么的页面。被引用的正是它们。不是首页，不是产品目录，不是营销文案。
还有第二个细节值得留着。在更早那个日期上，引擎点名的那些竞品，是通过政府出口商目录、LinkedIn 公司页、B2B 市场被引用的——第三方来源，不是他们自己的网站。让自己出现在行业里那些本来就在收录供应商的地方，是同一份工的一部分。
⚠️ 这个结果要和上一节那个数字绑在一起读。 被点名在第一位，和被访问不是一回事：在 Pew 那 68,879 次搜索里，AI 摘要中的来源链接只在约 1% 的访问里被点开。机制是真的，而且可以独立核实——这个测试你今天下午自己就能跑一遍。而它之后带来的流量，在市场现在这个阶段很小。在有人拿 AI 能见度给你算一个预测之前，这两件事都值得先知道。
完整的记录，含问了什么、返回了什么，在问 AI 引擎要供应商时发生了什么。
Google 真正建议你做的那一条
整份文档里，Google 主动建议「去做」的只有一条，其余全是「不必做」：
"Our AI systems take a look at a variety of sources, so it can be helpful to have a unique viewpoint that stands out."
（我们的 AI 系统会看各种各样的来源，所以有一个能脱颖而出的独特观点会有帮助。）
这就是全部的正面指示。而对一个靠卖清单为生的行业来说有点尴尬的是，这恰恰是唯一一条没法做成交付物的——独特观点没法打包卖。
按我们那次测试里真正被引用的东西看，它落到实处是这样：
1. 一页只回答一个真问题，而且第一句就是答案。 不是「我们对品质的理念」，而是「我怎么确认一个供应商有没有认证」。第一句应该是答案本身，不是铺垫。
2. 本来会写含糊句子的地方，改放具体信息。 名字、数字、日期、发生了什么。「我们交付成果」这种句子，从结构上就没法被引用。「用两种问法都被点名第一，在两个指南页上线之后的第十五天」是可以被引用的，因为里面有东西可引。
3. 写那种模板产不出来的东西。 任何一个话题下的多数页面，都是从同样三个来源拼出来的，说着同样乐观的话。AI 系统在另外四十个地方找不到的，是一次带日期的第一手观察、一个你自己量出来的数字、或者一条你愿意说出口的限制。这就是「独特观点」落到实处的样子。
4. 出现在你这一行本来就在被收录的地方。 目录、行业协会名录、市场平台、LinkedIn。在我们更早那次测试里，竞品就是这么被引用的。这件事不体面，但它有效。
5. 自己按时去测，并且把日期写下来。 用你顾客会问的问题去问那些引擎。你被点名了吗？是对手被点名？我们那个结果之所以有意义，只是因为十五天前有一次带日期的观察可以对照。一次检查是轶事，两次带日期的检查才是证据。 多数人第一个拿去试的是 ChatGPT，而要在那里被点名到底需要什么，不是清单上一行能说清的。
注意这张清单上没有什么：没有 schema 的硬性要求，没有 llms.txt，没有任何 AI 专用文件格式。那些在供应商的清单上，不在 Google 的清单上。
五种说法，以及哪几个在涨
如果你在比较几份提案，你大概见过这些词被当作不同的服务在报价。它们不是。下面是 2025 年 8 月到 2026 年 7 月的美国搜索量，来自 Google 自己的 Keyword Planner：
| 说法 | 月搜索量 | 同比 |
|---|---|---|
ai seo |
8,100 | −33% |
generative engine optimization |
4,400 | −46% |
geo seo |
2,900 | +26% |
answer engine optimization（AEO） |
2,400 | +26% |
ai search optimization |
1,300 | +60% |
llm seo |
880 | −52% |
how to rank in ai overviews |
260 | +21% |
每一个实际指什么：
- GEO，生成式引擎优化。 最早的那个词，来自一篇讲「为被大语言模型增强过的搜索引擎优化内容」的学术论文。五个里面最宽的一个。
- AEO，答案引擎优化。 同一份工，换成「成为那个答案」而不是「拿到一个排名位置」的角度。也常用来指语音助手和精选摘要。五个名字里它涨得最快——我们单独拆过AEO 服务到底在卖什么、付钱前该查什么。
- AI SEO。 最松的一个标签。有时指这份工，有时指「用 AI 工具去做 SEO」——完全是两件事，却共用一个名字。看到它先问清是哪一个。
- AI search optimization。 最新的说法，涨得最快，而且这一族里广告主出价最高。
- LLM SEO。 同一个意思，从模型角度叫。五个里退得最快的。
趋势在分岔，而这才是有用的地方。 老说法——ai seo、generative engine optimization、llm seo——同比在退。新说法——AEO、ai search optimization、ai overview optimization——在涨。没有人知道哪个名字会赢。这正是这一页把五个都写进来、而不去赌某一个的原因，也是为什么你不该为一个「主要创新是换了个更新的缩写」的服务多付钱。
还有一个数字值得注意：广告主为这一族词出的价是 MYR 83 到 198。作为对比，google business profile 最高只到 MYR 3.44 左右。搜这个话题的人，正在被当成有预算的买家对待——这也解释了为什么围着它的市场这么吵。
结语
搜索确实移位了，但没有提案幻灯片说的那么远。Google 说它的 AI 功能长在既有的排名系统上，它的 AI 也是通过那套系统去取页面的。能被引用，先要能被取回，而这件事就是普通 SEO，只是名字不好听。
机制是真的，而且你一个下午就能自己验一遍——我们验过，引擎的答案在两个指南页上线后的十五天内变了。而它在流量口径上产出的东西，目前是有限的：AI 摘要的曝光里，大约百分之一变成了对被引来源的点击。
诚实的版本是：把内容那部分做掉，跳过工具那部分，自己带着日期去测，然后按这一页上的数字调整预期，而不是按谁的预测。 这比「一门带新缩写的新学科」无聊得多。它也刚好就是 Google 发布出来的东西。
如果你下一个问题是「那该找谁做」，我们把同一套检查跑遍了十家在卖 AI 搜索优化的马来西亚公司，自己也放进同一张表。短版本是：技术分我们考第一，四个 AI 引擎一个都不推荐我们，而四项全零的那家被三个点名。那个落差，值得在任何人给你报价之前先看懂。
想知道当有人问 AI 关于你这一行的问题时，你会不会被点名？从免费曝光诊断开始——我们把那些问题真的问一遍，把返回的结果给你看，告诉你现在的处境。如果答案是「对手被点名了」，我们也照说。