熵这个词,在信息论里指混乱程度。放到内容上,就是同一件事有多少种说法、多少种理解方式。熵高的内容,人读了可能懂,机器读了会得出好几个互相矛盾的结论。降低熵,就是让表达收敛到唯一解释。先看熵高在哪我审站时会找四类痕迹。同一个东西有三种叫法;同一个数字在不同页面不一样;同一项业务描述用了不同措辞;同一个产品的适用场景说法前后矛盾。这些在人工审阅时容易被忽略,因为编辑知道它们是一回事。但机器不知道。人的容忍,往往是熵的来源。熵源一:产品名称不统一一个设备,产品页叫「全自动双工位清洗机」,文章里叫「双工位清洗设备」,报价单里叫「清洗线」。人一看知道是同一个,机器可能当成三种产品。我的做法是建一张产品命名表:正式名称、通用简称、英文名、型号前缀,各一行。所有对外内容按这张表写。先定名,
新闻行业有个老写法叫倒金字塔:最重要的信息放最前面,越往后越次要。这个结构写新闻是为了应对读者随时停止阅读,现在用来写GEO内容,恰好对上了。因为AI读内容的方式,也是随时可能停。它不会读完你三千字,可能只取前三段。为什么倒金字塔适合AI搜索AI组织答案时,要判断哪段内容能直接回答用户。判断依据之一是信息的完整度:这一段自己能不能说清楚一件事。倒金字塔天然满足这个要求。第一段就是结论加关键条件,独立成段,能直接用。后面的段落是展开,取不取都行。可截断,是这种结构的核心优势。第一层:一句话答案开头第一段,把答案说完。不超过三句,包含三个要素:结论、条件、范围。比如写设备选型,第一段就该是「风量在两万到三万之间的铸造车间,一般选某某型号,管道超过三十米要加一级除尘」。不是「选型需要
做GEO,很多人以为写得多就行。实际观察下来,被引用最多的内容,往往不是最长的那篇,而是结构最完整、层次最清楚的那一层。我一般把内容分成三层来搭:事实层、判断层、经验层。三层解决三种不同的提问。第一层:事实层,解决「是什么」定义、参数、标准、规格、流程。这一层的特点是客观,不需要观点,只需要准确。事实层最容易被引用,因为AI在回答定义类问题时,需要的就是这类内容。但它的竞争也最激烈,因为谁都能写。所以事实层的差异不在写得多全,在准和细。比如同样讲一个参数,你给的是区间加适用条件,别人给的是一句形容词,差别就出来了。第二层:判断层,解决「怎么选」这一层是你的观点。什么情况下选A不选B、哪个方案的坑在哪、什么指标比什么指标更重要。判断层是AI在回答选择类问题时最缺的内容。它自己能
结构化数据这件事,理论讲得很多,真正落到代码上的教程很少。我把企业站最常用的八种类型整理成可以直接抄的模板,附上容易写错的地方。先说三个前提:在页面head里放script标签,类型写application/ld+json;字段名区分大小写;填的内容必须和页面上能看到的一致。一、Organization:放在首页必填的是名称和网址,强烈建议加上Logo、联系方式、地址。有社会信用代码的,可以放identifier。代码骨架:context用schema.org,type写Organization,name写公司全称,url写官网,logo写图片绝对地址,telephone写带国家码的号码,address里分streetAddress、addressLocality、addressRe
中小企业做GEO,最大的困难不是方法,是没人。通常是一个运营兼着内容、SEO、还要管社群。所以我给他们排的路径,一定是能一个人做下来的。五步,每步两个月左右,一年能跑完一轮。第一步:把「我们是谁」写死先不碰内容,先做一件事:把公司的基础信息统一。公司全称、简称、成立时间、地址、主营业务、服务区域、核心客户类型、主要资质。写成一页纸,然后让这个版本在官网、地图平台、行业目录、B2B店铺、社交账号上全部对齐。这一步看起来和最时髦的AI没关系,但它是实体识别的基础。机器连你是谁都不确定,后面写再多也没用。第二步:整理一份问题清单把销售和客服最常被问的问题,列三十到五十个。不要用行业术语,用客户的原话。我一般让客户从三个地方抄:微信聊天记录、报价前的电话、售后工单。这三处的语言最真实
GEO最难的地方不是做,是证明做了有用。没有排名表,没有流量曲线,老板问起来很难讲清楚。我一般用五个指标,前四个能算,第五个靠体感。五个一起看,才能拼出一个相对完整的图。指标一:品牌提及率在固定的一组问题里,AI回答中提到你品牌的比例。比如二十个问题,提到你八次,提及率就是四成。这个指标最容易测,也最容易被误读。提到不等于正面,也不等于推荐,所以要和语境一起记。提及率是基础盘,不是成绩单。指标二:引用率AI在回答中引用你页面链接的比例。这个比提及进一步,说明你的内容被当成依据用了。我一般会分开统计:引用了官网、引用了知识库、引用了第三方平台上你的内容。三个来源的比例变化,能看出矩阵哪一层在起作用。指标三:推荐位出现率在「哪家好」「推荐哪些」这类问题里,你出现在推荐列表中的比
做GEO之前,先得知道现状。我见过不少企业,上来就问怎么优化,其实连AI现在怎么说他都不知道。诊断这一步不难,但要认真做。我的做法分三块:问什么、怎么问、怎么看。第一步:设计问题集问题要分五类,每类看的东西不一样。第一类,身份类:「某某公司是做什么的」。看AI对你的业务描述准不准。第二类,能力类:「某某公司能做某某业务吗」。看它知不知道你的能力边界。第三类,比较类:「某某和某竞品有什么区别」。看它能不能讲出你的差异。第四类,推荐类:「某类需求推荐哪些供应商」。看你是否进入候选名单。第五类,事实类:成立时间、所在地、资质、主要客户。看基础信息有没有错。五类问题覆盖了认知的基本面。第二步:怎么问才算有效两个原则。一是问题要像真实用户问的,别写成内部术语。二是要换几种问法,同一
AI回答问题时,不会只看你的官网。它会看很多地方:行业媒体、平台、百科、论坛、政府网站。这些地方构成了一张「信源网」。信源矩阵,就是把这张网有意识地布局一遍。哪一层放什么内容、谁来生产、多久更新一次,都要提前想清楚。先理解分级的逻辑我按两个维度分级:可信度和可控性。可信度高、你又能影响的,是S级;可信度高但你只能间接影响的,是A级;反之往下排。这样分的好处是,投入有依据。不是所有信源都值得花同样的力气。分级的意义在于分配资源。S级:自有权威资产官网、官方知识库、官方技术文档、官方案例库。这些你完全可控,可信度也高,是矩阵的地基。我要求S级做到三件事:信息完整、表述一致、结构清晰可拆。这三件做得不好,A级B级做得再多也撑不起来。A级:第三方权威背书行业协会、标准机构、政府或园
结构化数据在传统SEO里,主要用来争取富媒体展示。到了GEO这边,它的作用变了:从争取展示,变成确认身份。这个区别很关键。搞混了,容易把标记做成形式主义。它对GEO到底起什么作用AI在组织答案时,要判断三件事:这条信息属于谁、是什么类型、什么时候的。页面正文里这些信息往往是模糊的。「我们成立于2008年」这句话,人一看就懂,机器要提取出年份,得靠猜。标记就是把这个猜的过程去掉。减少歧义,是标记的核心价值。Organization:解决「你是谁」最基础的一个。名称、Logo、官方网址、联系方式、注册地址、社交账号。这些信息标清楚,AI才知道这个站属于哪家公司。我建议在首页标一次,其他页面引用。不要每页重复标,容易造成信息不一致。Product:解决「你卖什么」产品名称、型号、
这个问题我被问过很多次,答案很明确:绝大多数情况下不需要重构。重构的风险远大于收益,尤其是已经有稳定流量的站。改版之后排名掉下去、半年爬不回来的案例,我见过不止一次。先判断:你到底缺什么不需要重构,但要先做一次诊断。缺的是技术可访问性,还是内容表达方式,还是实体信息不清楚。三者的改法完全不同。技术问题要开发配合,内容问题编辑就能改,实体问题要跨部门统一口径。先定位,再决定动不动结构。只在三种情况下才考虑重构第一种,站的技术架构已经无法支撑内容展示。比如纯前端渲染,改一个字段要发版,成本高到无法维护。第二种,信息架构彻底错位。栏目按内部组织架构划分,用户和机器都读不懂,改内容解决不了。第三种,安全和合规问题。老框架有漏洞、有被挂马风险,这种情况必须换,但那已经不是SEO问题了。
不是所有企业都适合现在做GEO。这话我说得比较直,但确实是实话。判断标准不在行业大小,在三个条件:客户会不会用AI问、你的决策链够不够长、你有没有可公开的专业内容。适合的第一类:B2B和专业服务采购决策周期长、金额大、需要多方评估的生意,最匹配。客户在做功课的阶段,会反复提问、反复比较。工业设备、检测服务、企业软件、工程咨询、法律和财税服务,这类业务的问题都很具体,答案也有明确的判断标准。内容做得好,被引用的概率高。问题具体,是GEO能发挥作用的前提。适合的第二类:有技术门槛的产品产品越复杂,客户越需要解释。选型、参数、兼容性、维护,这些内容天然适合被拆成问题回答。反过来,一瓶矿泉水很难通过GEO做出差异,因为没什么可解释的。适合的第三类:区域性和本地服务「某地某类服务哪家
客户问我做GEO有什么用,我一般不谈流量,先谈四件事:被正确认识、被优先考虑、降低信任成本、以及减少解释成本。这四件事都不太像营销指标,但它们直接连着生意。价值一:让AI把你说对这件事的价值被严重低估。现在很多客户在见你之前,已经问过AI了。如果AI把你的业务说错了,你连解释的机会都没有。我见过一家做工业清洗的公司,被AI描述成「家用清洁服务」。原因很简单,站上没有一个地方把业务边界写清楚。这种错误认知,会直接影响询盘质量。被说对,是基础价值,不是加分项。价值二:进入候选名单用户问「某类设备哪家做得好」,AI给出的往往是一个短名单。不在名单里,后面所有环节都和你无关。进入名单不需要排名第一,需要的是被多个来源提到、有具体案例、有明确的能力描述。这些恰好是内容工作能积累的。候选资
GEO这个词现在被用得有点乱。有人把它当成新的SEO名词,有人把它说成一套神秘技术。我按自己的理解讲一遍:它到底是什么,跟SEO到底差在哪。先说结论:GEO不是SEO的升级版,它是应对另一种分发方式的一套方法。目标对象、判断依据、结果形态都不一样。GEO要解决的是什么问题过去用户搜一个词,得到十来个链接,自己挑着看。现在越来越多用户直接在对话框里问,得到一个整理好的答案,可能顺手看一眼引用了谁。这个变化带来一个新问题:你的内容还在,但用户不再经过你的页面了。你的说法被AI总结进去,用户就看到;没被总结进去,等于不存在。GEO做的就是这件事:让你的品牌和内容,成为答案的一部分。从被点击,变成被采用,这是最本质的转变。区别一:优化的对象不一样SEO优化的对象是搜索结果列表。你要在一