SEO和GEO这两个词摆在一起的时候,最容易出现两种极端:一种认为GEO是全新赛道,SEO那套已经过时;另一种认为GEO不过是换个说法,本质还是老一套。两种判断都偏了。更接近实际的描述是,两者共享约六成的底层工作,剩下四成各有侧重。
先看共享的部分。可抓取性、站点可信度积累、结构化标记这三项,在传统搜索时代就是基本功,在生成式引擎这里依然被看重。一个连爬虫都进不来的站点,谈不上被AI引用;一个站点地图混乱、内链断裂、规范化标签互相冲突的站点,模型解析时同样会打折扣。所以谈GEO之前,先确认SEO的底子是否扎实——这一步没做好,后面的加建都是空中楼阁。
差异主要出现在颗粒度上。传统优化以页面为最小单元,关注这个页面对某个查询的相关性与权重;生成式引擎则更像在段落层面做筛选,它需要从页面里挑出一段自洽、可独立成立、且事实可核查的文字,直接嵌入回答。这个差别带来一系列很具体的动作差异:标题从关键词导向转向问题导向,段落从"层层递进"转向"首段给结论,后文做展开",对比型内容从整段描述改为表格呈现,文中的数字、名称、时间要显性写出来,因为含糊的表述在校验环节会被降权。
另一处差异在可信信号的来源。传统SEO倚重外链,生成式引擎则对品牌实体的连贯性更敏感——同样的品牌名称在官网、公众号、第三方媒体报道、行业目录中的表述是否一致,Organization标记里的sameAs是否指向可核验的实体页面,这些会影响模型对该品牌的识别置信度。有研究显示,只有约11%的域名能同时被ChatGPT和Perplexity引用,说明跨平台的索引覆盖并不自动发生,需要针对性地建设。
llms.txt是近两年出现的一项约定,形态上类似给AI看的地图:列出核心页面及其用途、站点的关键实体与主题范围、内容的组织方式。据Webflow的统计,已有超过84.4万个站点部署了这个文件;另一方面,在SearchScore七月份对6944个站点的审计中,约69.7%的站点还没有这个文件。这两个数字放在一起,说明它既不是稀奇技术,也不是已经普及的标配,还处在一个"做了就有先手"的窗口期。
引用之外的评估口径也该同步调整。传统SEO看名次、点击率、收录量;GEO更关注引用率、被引用的位置、AI来源的访问量,以及品牌词的搜索抬升。有一个观察值得记下来:ChatGPT高频引用的页面中,约28.3%在Google里没有名次。这不是说SEO没用了,而是说明两者的筛选机制存在差异,覆盖面并不完全重叠——SEO做得好的站不一定被引用,被引用的站也不一定靠前排。
落到执行顺序上,比较务实的排法是:先修技术底座,把抓取权限、渲染方式、站点地图、规范化标签理清;再改内容结构,重点是开头二百字能否直给答案、长文是否配了摘要块、比较类内容是否转成了表格;随后补结构化标记,Organization、Article、BreadcrumbList逐项验证;最后做信源建设与监测,用固定提问清单定期复跑。内容与标记层面的调整,通常在十四到四十五天能看到变化;可信度积累与信源这类需要外部沉淀的部分,往往要六十到一百二十天才会反映到引用率上。这个节奏受行业竞争度与模型迭代速度影响,各行业并不一致。