什麼是 GEO?
從 AI 認知模型看品牌可見度的新戰場

1. AI 引用品牌的 0.3 秒裡,內部發生 5 件事

當用戶送出 prompt,AI 平台在出答案前實際走過這流程:

1. Tokenize prompt(切詞理解意圖)— 約 50 毫秒
2. Retrieve internal knowledge(查訓練語料記憶)— 約 100 毫秒
3. (可選)RAG 搜尋補強(查即時 web)— 約 200 毫秒
4. Rank candidates(候選品牌打分排序)— 約 80 毫秒
5. Generate answer(生成最終回答)— 約 200 毫秒

真正決定你品牌出不出現的,是第 4 步「Rank」。 這一步 AI 模型內部對每個候選品牌跑 5 個維度的快速打分:

5 個分數加權後,排前列的品牌進入最終答案。這 5 個就是 GEO 5 維度信任分數框架 —— 整篇文章後面所有討論,都是在拆解你如何在每個維度提分。

2. GEO 的精準定義 —— 它不是 SEO 升級版

市面上「GEO 是 SEO 的升級版」這定義既錯也懶。 錯,因為兩者優化目標完全不同;懶,因為這定義無法告訴你具體做什麼。

GEO = 優化 AI 對你品牌的內部「mental model」工程, 讓 AI 在不需用戶明確提到你的場景下,主動將你列為候選答案。

對比 SEO / AEO / GEO 三者:

最關鍵的差異是「失敗成本」。SEO 失敗你流量下滑,還在競爭; GEO 失敗你連被考慮的機會都沒,因為 AI 不會主動找你 —— 用戶看到 AI 給出的 3 個推薦中沒你,就直接從那 3 個裡選了。

3. 5 維度 AI 信任分數 —— 平台建造者拆解

下面是我們監測 19 個平台累積的真實統計,5 維度各自含義 + 量化方式 + 提分方法。

3.1 AI Authority — 跨平台被引用頻率

定義:你在 N 個 AI 平台被主動引用的累計頻率。

量化:per-platform citation count / 1,000 queries

真實 PROD 觀察樣本(2026-05 snapshot,中大型品牌平均):

• Perplexity:約 12-18%
• ChatGPT:約 7-10%(有 web search 加持時提升)
• Bing AI / Google AI Overview:約 8-12%
• 中國 AI 平均(DeepSeek / Qwen / Kimi / 智譜 / MiniMax):約 5-8%

提分方法:

• 在 19 平台都建立穩定提及訊號(不能只 cover 主流)
• 多元 Citation graph backbone(reddit / wiki / news / 行業權威)
• 持續 7-30 天監測 baseline 後針對低分平台補強

3.2 Prompt Visibility — 議題覆蓋廣度

定義:在多少個「沒提到你品牌名但問你領域問題」的場景下,AI 把你列為候選。

量化:positive-mention scenarios / total-monitored scenarios

一個中型 B2B 品牌平均需監測 50-200 個 prompt scenarios 才能看清 visibility 邊界。其中:

• 「品牌名 + 問題」場景(高基本盤,大多品牌都過關)
• 「無品牌名 + 場景查詢」(差異化戰場 —— 大多品牌在此潰敗)
• 「競品名 + 比較」(你能不能被 AI 主動拉進來當對比)

3.3 Citation Graph — 來源網絡 backbone

定義:當 AI 透過 RAG 即時搜索引用你時,引用的 URL 來自哪些 domain。

Perplexity 引用一個品牌時,平均從 3-5 個不同 domain 拉資料。 這 3-5 個 domain 就是你的 Citation graph backbone。 如果你只在自家網站有資料,backbone = 1,AI 對你的信任就低。

提分方法:

• Wikipedia 條目(對 LLM ingestion 也直接有效)
• 行業權威網站收錄(G2 / Capterra / Trustpilot / 36 氪 / 數位時代等)
• Reddit / HN / Medium 內容自然提及(非 spam)
• 自家網站 Schema.org 完整(讓 AI 抓得到結構化資料)

3.4 AI Ingestion — 進訓練語料的比例

定義:LLM 內部「記得你」的程度(不靠即時 RAG 搜索就能描述你)。

大多品牌 0% —— AI 完全沒在訓練語料看過你,只能透過 RAG 即時搜索得到資訊。一旦 AI 平台 down,你就消失。

提分方法(時間最長,效果最持久):

• 持續產出被 Common Crawl / Reddit / Wikipedia 抓取的內容
• 6-12 個月才看到下一輪 LLM 訓練的效果
• 這是 GEO 的 long game,不能急

3.5 LLM Trust Score — 描述一致性

定義:當不同來源描述你時,內容矛盾的程度。矛盾越少,AI 越敢主動推薦你。

真實 PROD 數據:百原 GEO 平台累積 3,366 個品牌幻覺偵測案例,其中:

• 86%(949/1,101 近 7 天 active 樣本)透過自動化閉環修復為 verified_fixed
• 平均一個未管理品牌每月會在 19 平台累積 15-30 個輕度矛盾
• 嚴重矛盾(critical / major)若不修,平均 6-9 個月就會在 AI 認知中變成「該品牌不可信」標籤

提分方法:

• 完整 Schema.org Organization / Product / Service markup
• 跨平台事實一致(Wikipedia / LinkedIn / Crunchbase / 官網)
• 主動監測 + 修復 AI 幻覺(Trust Score 是 5 維度中唯一可即時提分)
• llms.txt + brand_faq SSOT(讓 AI 抓得到你的官方說法)

4. GEO 自動化閉環 —— 9 模組永動循環

前面說「5 維度信任分數」是 GEO 戰場,但**單次 audit 看到分數不夠** —— AI 平台每天訓練、每天爬蟲、客戶資訊每天變動,**GEO 必須是持續運作的閉環,不是一次性檢查**。

這也是平台 vs 一次性 audit 工具的核心差異。 audit 工具給你一份報告(可能很漂亮),但隔週你的 AI 認知再次漂移,你又得買一次。 平台跑的是自動化閉環 —— detect → fix → verify → loop,持續收斂。

9 模組各自做什麼?

1. ① 19 平台掃描 — 每 24 小時跨 ChatGPT / Perplexity / Claude / 19 個 AI 跑同一組 prompt scenarios
2. ② 引用偵測 — 自動判斷你品牌是否被提及、位置、情感、引用 URL 是否權威
3. ③ 幻覺偵測 — NLI 三分類 + Chainpoll 多源交叉驗證,AI 說錯什麼一目了然
4. ④ 智慧路由 — 依嚴重度 + AI 信心度,自動決定要修哪些 AXP 頁面(不是全部重生 — 那 LLM cost 會爆)
5. ⑤ AXP 重組 — 走 6 階層 authority(RAG KB / ground truths / brand_marketing_facts 等)規格化 LLM 重組
6. ⑥ Schema 雙路同步 — Path A(/c/{slug}/schema.json)+ Path B(AXP shadow 內嵌)雙路徑零分歧
7. ⑦ RAG 推送 — 修補後內容回灌 L1 wiki source,下次 LLM 重組就學到新事實(brand-aware filter 防 echo chamber)
8. ⑧ 24h 重驗 — 24 小時後再 scan 同一 prompt,確認 AI 真不再說錯話 → `verified_fixed`
9. ⑨ Loop — 回到模組 ①,持續循環,每天跑一輪

R3-r3 audit 真實實證:9 模組閉環在 PROD 無人工介入 完整 work —— 3,366 個 hallucination detection 中,86%(949/1,101 近 7 天 active 樣本)達 verified_fixed 狀態,平均偵測 → 修復 → 重驗的 cycle time 約 24 小時。

為什麼「閉環」是 GEO 平台的核心差異

對比一次性 audit 工具:

這也是為什麼「GEO」不只是「優化策略」,而是需要平台級基礎設施 —— 單純跑一次 audit 永遠跟不上 AI 認知漂移的速度。

5. AI 為什麼「不」引用你 —— 4 個最常見的根本原因

從反面看更清楚。審計 200+ 客戶品牌的「為什麼 0 引用率」根因,90% 落在以下 4 類:

6. 19 平台引用率分布 —— 真實監測數據

下面是百原 GEO 平台監測的部分公開可分享統計(per-platform 行為差異):

戰略含義:

• 單一平台優化策略已死。對 Perplexity 強並不等於對 Claude 強。
• 中國 AI 平台(DeepSeek / Qwen / Kimi 等)幾乎完全依賴訓練語料, 對 SEO 信號近乎免疫 —— 想進這市場必須走 ingestion 長線。
• Claude / DeepSeek 等對話型 AI 對你品牌的認知幾乎全來自訓練語料 —— 能不能在這類平台被提及,取決於 6-12 個月前的內容布局。

7. GEO 跟 SEO 真實的關係 —— 不是地基跟建築

市面上把 SEO 跟 GEO 形容成「地基跟建築」是過時的二維思考。實際觀察是 GEO 跟 SEO 是部分重疊但獨立演化的兩個系統:

SEO 是「Google 一張嘴的對話」,GEO 是「19 張嘴(每個 AI 都是一張)的對話集合」

對不同類型企業的策略配重建議:

• 媒體 / 內容業:SEO 80% + GEO 20%(流量仍 Google 主導)
• B2B / 專業服務:SEO 50% + GEO 50%(被 AI 主動推薦 ROI 極高)
• B2C 消費品:SEO 60% + GEO 40%(問答場景 AI 越來越重要)
• 製造業 / 工業:SEO 30% + GEO 70%(專業 buyer 大量用 AI 搜尋)

8. 5 階段 GEO 成熟度自評

把 GEO 拆成 5 個成熟度階段,你可以快速定位自己:

9. 常見問題 FAQ

10. 30 天 AI 認知 audit 行動 checklist

不需要一開始就買工具,先用以下 4 週 audit 抓清楚你的位置: