GEO 文章
GEO 不是 SEO 的升级版，是换了考核对象——从"页面在结果页的位置"换成"品牌在答案里的出现"。机制层（查询扇出 → 检索 → 重排 → 生成）国内外通用，但国内的落地形态差别很大：六套互不通用的信源池、没有跨平台统一分数、问句数据更难拿。本文用一张对照表 + 七个差异点讲清楚，哪些能力可以复用，哪些必须重做。
llms.txt 是真相还是骗局：一个 5 分钟就能做完、但不该当战略的小动作llms.txt 是 2024 年 9 月提出的一个提案——在网站根目录放一个 Markdown 文件，告诉大模型"我这些页面值得读"。它确实被不少站点采用了，但没有任何一家主流 AI 服务公开承认自己会读它。国内的官方说法更是零。本文把事实层、传言层、可验证层分开，给出一个判断：花 5 分钟做，别花 5 天做，更别写进 KPI。
重排器与切片：AI 到底从你的页面上"抠"走了哪一句一个页面整体很强，仍然可能丢掉引用。原因在于 AI 搜索不是"评估你的页面"，而是"评估从你页面上切下来的某一段"。这条链路有四道关：查询扇出、检索（关键词 + 向量双路）、重排（逐段打分）、生成。内容侧唯一能直接改善的，是让每一段在被单独抠出来时也说得通。 本文给出中文内容特有的四个切段陷阱和可直接套用的改写示例。
可引用表达：为什么你的文案一句都抄不走AI 引用你的内容，前提是它能从你这里"拿走一句完整的话"。绝大多数中文营销文案做不到这一点——不是写得不好，是写得不可搬运：全是形容词、全是指代、全是没主语的判断。本文给出一套可操作的改写方法：六个可引用特征、六种句式模板、一份禁用清单，和一组改写前后对照。
GEO优化之证据密度：一段话要几条证据，才值得被 AI 抄走内容被引用不是因为写得漂亮，是因为它替模型省了核实的力气。一段话里可核验的要素越多，被判为"可引用"的概率越高。本文给出三层证据模型、国内可用的权威源清单、密度标准（每个结论至少三个可核验要素），以及"手上真没数据"时的三种合规写法。
GEO内容结构：在不同信源平台要排成不同样子AI 抓页面时，先看到的是结构，不是文字。小标题决定它能不能切出好段，目录决定它知不知道你有几件事要说。本文给出五种页面骨架模板、第三方榜单的国内对应物（以及"为什么值得主攻那几篇"），和同一份内容在三种载体上的排法差异。
指标体系：AI 搜索该怎么衡量，以及怎么跟老板交差AI 搜索的流量在分析工具里几乎是隐形的——用户被 AI 种草后会去搜品牌词或直接输网址，功劳记给了自然搜索或直接流量。所以你不能用流量报表证明 GEO 的价值。本文给出三层指标体系（曝光 / 认知 / 结果）、国内平台的口径限制、一张可落地的 KPI 卡，以及三句能对老板说清楚的话。
基线测试与失败归因：怎么设计一次能拿结论的测试大模型是不确定的，同一个问题问两次可能给不同答案——所以"我问了一下，AI 没提我们"不是一个结论。本文给出取样设计公式（问句 × 平台 × 重复）、12 个必记字段、四种失败桶归因法，以及一个 4 周就能跑完的改写实验模板。
品牌口碑与竞品位次：真正决定成交的那句话，搜索量是零大多数人只追踪"哪个牌子好"这类高流量问句，漏掉了真正决定成交的那一批——"XX 靠谱吗""XX 售后怎么样""XX 是不是智商税"。这些问句搜索量接近零，但它们是客户下单前问 AI 的最后一句话。本文给出口碑主题的六个维度、情感判定的可操作方法、负面来源地图，以及合规的修复路径。