GEO 是什麼?

GEO 是「生成式引擎優化」,白話講就是:讓 ChatGPT、Google AI 摘要這類 AI 回答問題時,提到你、講對你、引用對的那一頁。它跟 SEO 大部分重疊,多的是「看 AI 怎麼講你」這一層。

黃建東、YC 最後更新

先用一句話講:GEO 到底在做什麼

以前大家上網找東西,是打關鍵字、看一排藍色連結、自己點進去比。SEO(搜尋引擎優化)做的事,就是讓你的網頁排在那一排連結的前面。

現在越來越多人換了一種問法:直接問 AI。「台灣有哪幾家做某某的?」「某某公司評價怎麼樣?」「我工廠遇到這個狀況,該找誰?」AI 不會丟一排連結給你,而是直接寫一段答案,裡面可能列幾家公司、講幾句評語,下面附幾個來源。

GEO 管的,就是這段答案。你的公司有沒有在裡面?AI 講的對不對?它附的來源是你的官網、別人寫你的文章,還是一篇講錯的舊資料?

所以 GEO 不是什麼新魔法,比較像是:搜尋的入口多了一個會自己講話的角色,你得知道它在講你什麼。

這個詞是從哪裡來的

「GEO」這個說法,最早出自 2023 年 11 月公開的一篇學術論文,題目就叫〈GEO: Generative Engine Optimization〉,作者是 Pranjal Aggarwal、Vishvak Murahari、Tanmay Rajpurohit、Ashwin Kalyan、Karthik Narasimhan、Ameet Deshpande,後來發表在 2024 年的 KDD 研討會(資料探勘領域的重要國際會議)。

這篇論文做了幾件事:

・建了一個叫 GEO-bench 的題庫,大約一萬題,用來測「網頁內容改了之後,在 AI 回答裡的能見度有沒有變」。

・試了好幾種改寫內容的方法,效果最好的三種是:幫內容加上引用來源、加上可信的引述、加上具體數據。在他們的實驗裡,這幾種方法讓能見度相對提升了大約三到四成。

・反過來,傳統 SEO 常見的「塞關鍵字」,在他們的測試裡幾乎沒有幫助。

・他們也發現,不同領域適合的方法不一樣,沒有一招通吃。

要提醒的是,這是研究團隊在自己設計的環境裡做的實驗,數字不能直接套到你家官網上。但它點出一個方向:AI 比較願意引用「有根據、講得具體」的內容,而不是「關鍵字很多」的內容。這跟一般人判斷一篇文章可不可信的標準,其實很接近。

你可能也聽過這些名字

同一件事,市場上有好幾種叫法:

・GEO:生成式引擎優化,學術論文用的詞,現在最常見。

・AEO:Answer Engine Optimization,答案引擎優化。強調「讓你成為 AI 給出的那個答案」。

・LLMO:Large Language Model Optimization,大型語言模型優化。強調對象是 ChatGPT 這類語言模型。

・也有人直接講「AI 搜尋優化」「AI 能見度」「讓 AI 推薦你」。

這些詞的範圍略有不同,但大方向都在講同一件事。看到不同名字,不用以為是不同的服務;重點是對方實際要做什麼、怎麼量。

為什麼這兩年突然一直有人在講

原因很簡單:AI 開始直接給答案了。

Google 搜尋現在常常在最上面先放一段 AI 摘要,還多了 AI 模式;ChatGPT、Perplexity、Gemini 也都能上網查資料再回答。很多人問完 AI 就有答案,不一定會再點進任何網站。

對做生意的人來說,影響最大的是「找廠商」這種問題。以前客人搜「某某服務推薦」,會看到十幾個結果,自己一家一家比。現在問 AI,它可能直接給三到五家的名單。客人從那份名單開始問價,你不在名單上,就少了一次被比較的機會。

B2B(公司對公司)的採購尤其明顯。Forrester 2026 年調查近 18,000 位 B2B 買家,94% 說最近一次採購過程中用到了 AI。這不代表大家不用 Google、不問朋友了,而是在決定找誰之前,多了一個會給建議的角色。

這也是為什麼你這陣子可能一直收到推銷訊息。需求是真的,但話術也很多,後面會講怎麼分辨。

GEO 管的三件事

把 GEO 拆開來看,其實就是在顧這三件事。

第一件:AI 怎麼描述你

有人直接問「某某公司是做什麼的?」的時候,AI 講的對不對?

常見的問題有:地址或電話是舊的、服務項目講錯、把你跟同名的公司混在一起、把你很多年前的業務當成現在的主力。這種錯最急,因為問這題的人通常已經對你有興趣了,看到的卻是錯的資訊。

講錯的狀況和處理方法,我們分開寫在〈ChatGPT 把我公司的資訊講錯了,怎麼辦?要怎麼改?〉、〈Google AI 摘要把我公司講錯了,可以關掉嗎?〉和〈AI 把我公司跟同名的品牌搞混了,怎麼辦?〉。

第二件:AI 會不會提到你

客人沒打你的名字,只描述需求的時候,你會不會出現在 AI 的答案裡?

這是大部分公司真正的缺口。很常見的情況是:有打名字的題目,AI 大致認得你;不打名字的推薦題,一次都沒有你。AI 認得你,但不會主動推薦你。

為什麼會這樣?通常是因為 AI 回答「推薦幾家」的時候,讀的多半是媒體報導、產業名單文、論壇討論這類「別人寫你的」內容,而不是各家公司自己的官網。這部分寫在〈問 ChatGPT 推薦我們這行,出來的都是別家,為什麼?〉。

第三件:AI 引用你哪一頁

很多 AI 的回答會附來源連結。這些連結決定了客人「想多看一點」的時候會點去哪。

同樣是提到你,AI 附的可能是你最新的服務頁,也可能是一篇三年前的舊新聞、一個你早就不用的社群帳號,甚至是別人寫錯的文章。GEO 要看的不只是「有沒有提到」,還有「它憑什麼這樣講」,也就是它讀了哪些網頁。各家 AI 找資料的地方不太一樣,可以參考〈ChatGPT、Gemini、Perplexity、Claude 各從哪裡找資料?〉。

跟 SEO 是什麼關係?老實說,大部分重疊

這題很多人問,我們直接講:GEO 有一大半的功夫,就是好好做 SEO。

Google 在自家的官方說明裡講得很清楚:從 Google 搜尋的角度來看,為生成式 AI 搜尋做優化,就是為搜尋體驗做優化,所以仍然是 SEO。Google 的 AI 功能建立在原本的搜尋排名和品質系統上,一般 SEO 的好做法依然適用。

意思是,如果你的網頁沒被 Google 收錄、內容寫得含糊、網站很難讀,那不管叫 SEO 還是 GEO,都很難有好結果。

那多出來的是什麼?大致有這幾件:

・看的東西不一樣。 SEO 看的是排名和點擊;GEO 要看 AI 回答裡有沒有你、講得對不對、附了哪些來源。排名在前面,不一定代表會被 AI 引用。

・不只 Google 一家。 ChatGPT、Perplexity、Gemini 各有各的找資料方式,同一題在不同 AI 上,答案可能差很多,要分開量。

・別人寫你的,比以前更重要。 AI 回答推薦題時常常參考第三方的內容,所以媒體報導、合作夥伴網站、產業名錄上怎麼寫你,影響會被放大。

・答案每次都會變。 同一題問很多次,名單常常不一樣,所以要看「問很多次,出現幾次」,不能只看一次。

如果你已經在做 SEO,想知道還要不要另外做,可以看〈已經在做 SEO,還需要做 GEO 嗎?〉。

三個常見誤解

誤解一:「做 GEO 可以保證排第一、保證被 AI 推薦」

不行,任何人都不能保證。

AI 的回答本來就會變。SparkToro 做過研究,讓三家 AI 回答同樣的推薦題將近三千次,完全相同的名單出現機率不到 1%。連「每次都出現在同一份名單」都很難,更不用說「保證排第一」。

能做的,是提高被提到的機會,然後用一組固定的題目,長期量「被提到的比例」有沒有往上走。聽到「保證上榜」「保證第一名」,先停一下。怎麼分辨推銷是真是假,寫在〈一直收到 GEO、「讓 AI 推薦你」的推銷,怎麼分辨是真的還是話術?〉。

誤解二:「放個 llms.txt、加一些 Schema 標記就完成了」

llms.txt 是一種放在網站上、寫給 AI 看的說明檔;Schema 是加在網頁原始碼裡、幫機器看懂內容的標記。這兩個常被包裝成「GEO 必做項目」。

但 Google 官方說得很直接:要出現在 Google 搜尋(包含它的 AI 功能)裡,不需要另外做給 AI 看的檔案或特殊標記,因為 Google 搜尋本身不會用 llms.txt 這類檔案;結構化資料也不是生成式 AI 搜尋的必要條件,沒有什麼特別的 schema.org 標記非加不可。

這不代表這些東西完全沒用,Schema 對一般搜尋結果的呈現還是有幫助,其他平台也可能讀 llms.txt。只是如果整個方案的重點只有這些,那就是把小配件當成主菜了。哪些做法證據不足,可以看〈哪些 GEO 做法其實沒用?llms.txt、Schema 標記有效嗎?〉。

誤解三:「付錢就能進 AI 的推薦名單」

目前 ChatGPT、Google AI 摘要這類 AI 的一般回答,並沒有「付費就能進名單」的公開管道。有人說「我們跟 AI 有合作」「付錢幫你放進資料庫」,要問清楚他到底做了什麼、你能不能自己驗證。

還有一種做法更要小心:用分身帳號到論壇推自己、買假評論、大量產生內容灌到各平台。Google 的 AI 優化指南有特別提到,這類不真實的提及和大規模濫用內容,效果沒有想像中好,還可能違反垃圾內容政策。短期也許看得到一點變化,長期風險自己扛。

自己怎麼開始:先量,再決定

不管你之後要不要找人,第一步都一樣:自己量一次。這不用錢,一個下午就能做完。

步驟一:用沒登入的瀏覽器

開一個無痕視窗,或用沒登入任何帳號的瀏覽器。登入的帳號會參考你的使用紀錄,看到的答案會偏向你自己,量出來的結果會太樂觀。

步驟二:用客人的白話問

先問 3 題有打公司名字的,例如「某某公司是做什麼的?」「某某公司評價怎麼樣?」「某某公司在哪裡?」

再問 7 到 10 題不打名字的。這一組最重要,要用客人真的會講的話問,不要用你們業內的行話。例如不要問「推薦某某製程代工廠」,而是問「我們想做一批某某產品,台灣有誰可以做?」

問法真的會影響結果。Go Fish Digital 2026 年做過一個測試,同一家公司,用行業術語問的時候被提到的比例是 23.6%,換成一般人描述狀況的講法,只剩 3.6%。只用行話測,很容易高估自己。

步驟三:看引用,存紀錄

ChatGPT、Google AI 模式、Perplexity 至少問兩家,分開記。每一題都存下日期、回答原文,還有它附的來源連結。

量完之後看三件事,剛好對應前面講的三件事:

・AI 講你的內容有沒有錯?

・不打名字的題目,你出現了幾次?

・它引用了哪些網頁?是你的官網、別人寫你的文章,還是別家的名單文?

這份紀錄就是你的起點。三個月後用同一組題目再量一次,就知道有沒有進步,也看得懂別人給你的報告。

我們自己也照這個方法量過,完整過程寫在〈做 GEO 的公司,自己會被 AI 推薦嗎?我們拿自己測了 30 題〉,可以當作範例參考。

量完之後,接下來看哪篇

這篇是總覽,每一塊都有專門的文章,可以依你現在的狀況挑著看:

資料來源

數字引自上列研究與官方文件,我們於 2026-10-08 查證連結;各家 AI 的做法會變動,本頁會定期更新。

關於這題,還有人問過

GEO 跟 SEO,哪個比較重要?

不用二選一。Google 官方說為生成式 AI 優化仍然是 SEO,所以 SEO 的基本功是 GEO 的地基。GEO 多出來的是「看 AI 怎麼講你、引用哪一頁、每家 AI 分開量」。SEO 沒做好,GEO 通常也很難做好。

GEO、AEO、LLMO 有什麼不一樣?

大方向是同一件事,都是在講「讓 AI 回答時提到你、講對你」。GEO 是學術論文用的詞,AEO 強調成為 AI 給的答案,LLMO 強調對象是語言模型。看到不同名字不用緊張,重點是對方實際做什麼、怎麼量。

做 GEO 多久會有效果?

看是哪一種 AI。會上網即時查資料的 AI,官網改好、被收錄後,幾週內就可能開始引用;要進「推薦幾家」的名單,通常要等第三方提及慢慢累積,以月計算。詳細的時間分層寫在〈GEO 要多久才看得到效果?〉。

我公司很小,也需要做 GEO 嗎?

不一定。要看你的客人買之前會不會先問 AI、是不是「比幾家再決定」的生意。不過有一件事建議每家都做:用無痕視窗問 AI「某某公司是做什麼的」,確認它沒講錯你。判斷方法可以看〈中小企業要不要做 GEO?先問自己這 5 件事〉。

llms.txt 一定要放嗎?

不是必要的。Google 官方說 Google 搜尋不會使用 llms.txt 這類檔案,放了對 Google 的排名和能見度不會有好處也不會有壞處。其他平台可能會讀,想放可以放,但它不是 GEO 的重點。

可以自己做,還是一定要找人?

量測、官網文字、公司資料對齊,這些自己做得來,也最了解自己的公司。比較難自己做的是長期量很多題、分析 AI 引用了哪些網頁、規劃第三方提及。建議先自己量一次,有了紀錄再決定要不要找人。

有人保證讓 AI 推薦我,可以相信嗎?

先停一下。AI 每次回答的名單本來就會變,研究顯示同一題重問,名單完全一樣的機率不到 1%,沒有人能保證。比較值得信任的說法是「怎麼量、多久量一次、你能不能自己重跑驗證」。