docs: add first 50 GEO research notes

This commit is contained in:
guanjiabei
2026-09-24 11:00:00 +08:00
commit 812a7b5e60
53 changed files with 2852 additions and 0 deletions
@@ -0,0 +1,49 @@
# GEO 奠基论文:生成式引擎优化框架
- 原文链接:[https://arxiv.org/abs/2311.09735](https://arxiv.org/abs/2311.09735)
- 作者/机构:Aggarwal 等研究者
- 发布日期:2023-11-16
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
论文提出 GEO、可见度指标和 GEO-bench,并报告不同内容改写策略可能提升生成式回答中的曝光。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
先建立基线问题集,再分别测试引用、统计数据、表达清晰度等单变量策略。
## 局限与待核实内容
实验环境与真实商业平台存在差异,40% 提升不能直接外推到所有行业。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# 2023—2026 年 GEO 研究综述
- 原文链接:[https://arxiv.org/abs/2607.14035](https://arxiv.org/abs/2607.14035)
- 作者/机构:研究团队
- 发布日期:2026
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
综述指出 GEO 的术语、指标和证据标准仍不统一,跨论文比较必须先统一口径。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
为项目建立“提及、引用、位置、情感、流量”五类指标字典。
## 局限与待核实内容
属于较新的综述,结论仍需结合论文版本和后续同行评审复核。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# 如何赢得生成式搜索中的品牌提及
- 原文链接:[https://searchengineland.com/what-is-generative-engine-optimization-geo-444418](https://searchengineland.com/what-is-generative-engine-optimization-geo-444418)
- 作者/机构:Search Engine Land
- 发布日期:2026-02-11
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
稳定的 AI 可见度依赖实体清晰、内容易抽取和多平台可信存在,而不是单一技巧。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
统一品牌名称、产品边界、适用人群和第三方描述。
## 局限与待核实内容
文中平台使用量和波动数据具有时间敏感性。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# Semrush GEO 实践指南
- 原文链接:[https://www.semrush.com/blog/generative-engine-optimization/](https://www.semrush.com/blog/generative-engine-optimization/)
- 作者/机构:Semrush
- 发布日期:2026-04-16
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
主题持续性、内容可访问性和可信网络提及是 GEO 的三条主线。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
围绕品牌专长构建主题集群,并确保站外信息与站内信息一致。
## 局限与待核实内容
跨平台统一策略仍要保留平台差异测试。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# GEO 的发现、理解与引用管线
- 原文链接:[https://geoready.dev/guides/generative-engine-optimization/](https://geoready.dev/guides/generative-engine-optimization/)
- 作者/机构:GEOReady
- 发布日期:2026
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
GEO 可以拆成站点基础、可测信号、检索选择和最终引用四个环节。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
为四个环节分别建立检查项,出现问题时定位具体漏斗阶段。
## 局限与待核实内容
商业工具站的框架需与官方资料和实测交叉验证。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# GEO 定义、抓取与品牌提及
- 原文链接:[https://geonimo.com/blog/what-is-geo](https://geonimo.com/blog/what-is-geo)
- 作者/机构:Geonimo
- 发布日期:2026
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
GEO 目标包括提及、引用和推荐,进入检索池之前首先要保证爬虫可达。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
从服务器日志验证 AI 爬虫,而不是只检查 robots.txt 文本。
## 局限与待核实内容
文章较新,长期有效性尚需观察。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# 从 SEO 迁移到 GEO 的完整框架
- 原文链接:[https://evoix.io/guides/generative-engine-optimization](https://evoix.io/guides/generative-engine-optimization)
- 作者/机构:EVOIX
- 发布日期:2026
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
传统 SEO 与 GEO 并非替代关系,技术基础和内容权威仍然共用。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
保留 SEO 工作流,在其上增加提示监测、引用分析和实体一致性。
## 局限与待核实内容
框架中的平台比较需用本项目数据复核。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# AI 搜索与 GEO 入门资料
- 原文链接:[https://getfastr.com/hubfs/Downloadable%202026/Fastr%20Guide%20to%20AI%20Search.pdf](https://getfastr.com/hubfs/Downloadable%202026/Fastr%20Guide%20to%20AI%20Search.pdf)
- 作者/机构:Fastr
- 发布日期:2026
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
理解生成式引擎如何检索、综合和引用,是制定 GEO 策略的前提。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
用流程图标出内容从发布到被引用的关键节点与责任人。
## 局限与待核实内容
PDF 中的市场数据和产品判断需核对出处。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同
@@ -0,0 +1,49 @@
# 生成式引擎优化概念概览
- 原文链接:[https://en.wikipedia.org/wiki/Generative_engine_optimization](https://en.wikipedia.org/wiki/Generative_engine_optimization)
- 作者/机构:Wikipedia contributors
- 发布日期:持续更新
- 访问日期:2026-09-24
- 语言:英文
- 分类:GEO 基础
- 标签:GEO、AI 搜索、GEO 基础
- 整理状态:AI 初步整理,待人工复核
## 一句话结论
百科条目适合快速了解术语、历史和相关概念,但不应作为关键结论的唯一来源。
## 核心观点
1. GEO 的有效性应同时从内容是否可发现、是否被采用以及如何被呈现三个层面判断。
2. 原始来源、清晰结构和可验证证据,比单纯追求关键词或固定模板更稳健。
3. 平台机制持续变化,任何策略都需要定期复测并保留日期和环境信息。
## 方法与步骤
1. 阅读原文并核对作者、发布日期、研究或案例背景。
2. 提取文中的明确事实、方法、证据和限制,区分作者观点与可验证结论。
3. 使用固定问题集在目标 AI 平台建立基线,再只改变一个变量进行复测。
4. 记录提及、引用、链接、位置、情感和后续访问或转化。
## 数据、案例与证据
当前记录仅完成来源发现与初步摘要。具体数字、样本范围和实验条件必须回到原文逐项核对后才能用于报告或客户建议。
## 可执行建议
沿参考文献继续追踪原始论文和官方资料。
## 局限与待核实内容
开放编辑内容质量不均,必须二次核查。
此外,AI 搜索结果具有地区、语言、时间、账号和模型差异,本笔记不能替代重复实验。
## 人工阅读备注
- [ ] 已通读原文
- [ ] 已核对关键数据与引用
- [ ] 已确认发布日期和作者信息
- [ ] 已完成一次平台复测
- [ ] 已补充与其他文章的异同