# GEO增长黑客

> 让所有AI平台引用推荐你的品牌。这里是陈朗关于 GEO（生成式引擎优化）与 AI 搜索的实操文章：品牌怎样被豆包、DeepSeek、Kimi、元宝、千问等 AI 读懂、引用和推荐；也包括中国品牌出海时，怎样被 ChatGPT、Perplexity、Gemini、Grok 等海外 AI 推荐。

## 文章

- [国内 GEO 那套搬到海外为什么不灵：豆包、DeepSeek 与 ChatGPT、Perplexity 的信源地图对照](https://dasvader.com/articles/geo-source-map-china-vs-global)：出海企业把国内 GEO 打法搬到海外常常失效，原因是 AI 找资料的地图不同。本文把豆包、DeepSeek 等国内平台和 ChatGPT、Perplexity、Gemini、Claude 的信源并排对照，讲清楚哪些能平移、哪些必须重做，并给出五件马上能做的事。
- [漫步者在国内 AI 推荐第一，到了 ChatGPT 却一次没出现：28 条海外 AI 回答实测](https://dasvader.com/articles/edifier-overseas-ai-test)：同一个耳机品类，国内 4 个 AI 平台里漫步者被推荐 63%、排第一；用英文去问 ChatGPT、Gemini、Google AI 概览，28 条回答里它一次都没出现，而安克 Soundcore 几乎每条都在。本文拆解差别在哪，以及出海企业可以自查的三件事。
- [GEO 与 SEO 的区别到底是什么](https://dasvader.com/articles/geo-01)：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
- [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](https://dasvader.com/articles/geo-02)：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
- [重排器与切片：AI 到底从你的页面上"抠"走了哪一句](https://dasvader.com/articles/geo-03)：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
- [可引用表达：为什么你的文案一句都抄不走](https://dasvader.com/articles/geo-04)：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](https://dasvader.com/articles/geo-05)：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](https://dasvader.com/articles/geo-06)：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](https://dasvader.com/articles/geo-07)：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
- [基线测试与失败归因：怎么设计一次能拿结论的测试](https://dasvader.com/articles/geo-08)：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](https://dasvader.com/articles/geo-09)：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

## 其他

- [网站首页](https://dasvader.com/)
- [全部文章](https://dasvader.com/articles/)
- [English site](https://dasvader.com/en/)