GEO 与 AEO 术语表

用平实的语言，定义那些决定 AI 是否推荐一个品牌的术语——并说明每个术语在 JefurryAxis 方法中的位置。

检测你的 AI 可见度阅读完整方法

由 Jeffery Asia 的 JefurryAxis 研究团队维护。更新于 2026 年 9 月 21 日。

一分钟读懂

SEO

让网页在一串链接中被找到。

GEO 与 AEO

让品牌在 AI 写出的答案中被点名。

B = f(P, E)

这个答案取决于谁在提问、他正经历什么——所以我们针对人和情境做优化，而不是针对关键词。

靠测量，不靠假设

AI 可见度得分用固定的、不含品牌词的问题追踪它；HCI 在内容发布前为其评分。

基本概念方法论测量指标内容与来源SEO、AEO 与 GEO 对比常见问题

基本概念

生成式引擎优化（GEO）Generative Engine Optimization

GEO（生成式引擎优化）是一种让品牌在 ChatGPT、Gemini、DeepSeek、豆包等生成式 AI 模型给出的答案中被理解、被引用、被推荐的实践。

在 JefurryAxis 中：GEO 从买家出发，而不是从关键词出发。我们为提问者及其情境建模，测试他们真正会输入的问题，并改变模型所读取的证据。

答案引擎优化（AEO）Answer Engine Optimization

AEO（答案引擎优化）是一种塑造内容的实践，目的是让答案引擎——AI 助手、AI 搜索以及应用内的“提问”类功能——给出包含该品牌的直接答案。

在 JefurryAxis 中：我们把 GEO 和 AEO 视为同一项工作，用同一种方式测量。AEO 还覆盖小红书“问一问”这类封闭平台——在那里，只有平台内的内容才算数。

AI 搜索优化（AI SEO）

AI SEO 是一个统称，指既面向排名链接、也面向 AI 生成结果的搜索优化工作，通常把传统 SEO 的基础工作与 GEO、AEO 结合起来。

在 JefurryAxis 中：SEO 基础依然重要——可抓取的页面、清晰的事实、结构化数据——但它们决定的是 AI 能不能读懂你，而不是它会不会选你。

搜索引擎优化（SEO）Search Engine Optimization

SEO（搜索引擎优化）是针对某一查询，提升网页在搜索引擎结果排名列表中位置的实践。

在 JefurryAxis 中：一个页面可以排名第一，却仍然不在针对同一需求的 AI 答案里。我们测量的是答案，而不是排名。

零点击搜索（Zero-click search）

零点击搜索，是指用户在搜索结果页或答案界面上就得到了所需信息，而没有点击进入任何网站的搜索。

在 JefurryAxis 中：当答案本身就是终点，能在答案里被点名，才是真正算数的可见度。

答案引擎（Answer engine）

答案引擎是指以一段组织好的答案、而非一串链接来回应问题的任何系统，包括 AI 聊天助手、AI 搜索功能和应用内的 AI 答案。

在 JefurryAxis 中：我们自动检测十个模型，腾讯元宝、小红书“问一问”和 Google AI 概览则由团队辅助完成检测。

方法论

B = f(P, E)Lewin 行为方程

B = f(P, E) 表示：行为（B）是人（P）与其所处情境（E）的函数。该方程由 Kurt Lewin 于 1951 年提出。

在 JefurryAxis 中：B 是买家向 AI 提出的问题，以及随之而来的选择。我们为 P 和 E 建模，推导出 B，再检查品牌是否出现在答案里。亲手推演一遍

人设（P）Persona

人设是由画像、目标、资源、约束和偏好共同定义的决策者——一个有动机、有时间线的具体的人，而不是一个年龄段。

在 JefurryAxis 中：人设从品牌自有资料中提炼，按四个细分维度打标签并聚类，再与客户确认。P 是常量。

场景或情境（E，或 Et）Scenario or environment

场景是一个问题背后的情境：它的触发因素、紧迫程度、评估标准和所处的决策阶段，以及政策、价格、舆情、竞品动向等外部信号。

在 JefurryAxis 中：E 随时间变化，因此记作 Et，由洞察引擎持续监测。E 如何被追踪

P × E 矩阵

P × E 矩阵把每一个人设与其发生购买的每一种情境交叉组合。每个单元格都是一个决策情境，有各自的问题，也有各自的胜出答案。

在 JefurryAxis 中：标准切片为 5 个人设 × 2 种情境 × 3 个问题 = 每次检测 30 个问题。

不含品牌词的问题（Brand-free question）

不含品牌词的问题，是指从不提及被测品牌的测试提示词，按买家在知道答案之前的输入方式来撰写。

在 JefurryAxis 中：所有参与测量的问题都不含品牌词。点名品牌的问题，测到的是提示词本身，而不是市场。

双轨（Dual track）

双轨测量把国际 AI 模型与中文 AI 模型分开计分，因为两者读取的语料不同，信任的来源也不同。

在 JefurryAxis 中：两条轨道从不合并平均成一个数字。曾有一个品牌在一条轨道上得分 83.0，在另一条轨道上得分 32.6。

封闭平台

封闭平台是指只调用平台内部已发布内容的 AI 答案界面，例如小红书“问一问”或腾讯元宝。

在 JefurryAxis 中：官网和新闻稿进不了这些答案，平台内的内容是唯一的入口。小红书案例

问题集冻结（Query freeze）

问题集冻结是指在首次测量之前，固定人设、情境、问题、模型和计分方式，使之后的每次检测都可以相互比较。

在 JefurryAxis 中：复测使用完全相同的问题。新情境以新增列的方式加入，从不替换原有情境。

测量指标

AI 可见度得分（VS）AI Visibility Score

AI 可见度得分是一个 0–100 的指标，衡量品牌在 AI 针对一组固定的、不含品牌词的问题所给出的答案中的可见程度，由提及率、出现频率、平均排名和品牌内容占比合成。

在 JefurryAxis 中：四项指标经过归一化、加权和映射，使得分在区间中段最为敏感。它不是市场份额。正式定义

提及率（MR）Mention rate

提及率是指在抽样的 AI 答案中，品牌至少被提及一次的答案所占的比例。

在 JefurryAxis 中：MR 在得分中权重最大，因为缺席是任何其他指标都弥补不了的。

出现频率（OF）Occurrence frequency

出现频率是指品牌在单个答案中被提及的次数，并按答案长度进行校正。

在 JefurryAxis 中：它能区分顺带一提的品牌和通篇被讨论的品牌。

平均排名（AR）Average rank

平均排名是指品牌在 AI 答案所列清单中的平均位置；未被列出的品牌按最后一名计。

在 JefurryAxis 中：把缺席计为最后一名，可以避免品牌仅仅因为从答案中消失，平均排名反而变好。

品牌内容占比（BCR）Brand content ratio

品牌内容占比是指一个答案中讲述该品牌的句子所占的比例。

在 JefurryAxis 中：它显示品牌是答案的主角，还是只在别人的答案里占一行。

引用或来源（Citation or source）

引用是指被 AI 答案列为来源、或被其作为依据的网页或帖子。

在 JefurryAxis 中：引用数据决定内容发布在哪里——在一次诊断中，品牌自有域名在中文轨上的被引次数为零。

进攻、防守、监测

进攻、防守、监测是每次检测后对每个人设给出的三种判定：竞品领先处进攻，领先优势在缩小处防守，其余情况一律监测。

在 JefurryAxis 中：判定按轨道分别给出，并决定预算投向哪里。如何解读雷达图

内容与来源

人本洞察（HCI）Human-Centric Insight

HCI（人本洞察）是一项内容评分，在发布前检查一篇内容是否为正确的人设而写、是否回应了正确的情境、是否给出了可信的解决方案，以及是否便于 AI 引用。

在 JefurryAxis 中：四个层级——人设契合度、场景契合度、方案成熟度、内容质量——共十二项检查。HCI 评估投入，VS 衡量结果。四个层级

三道关口：检索、选用、推荐

这是内容在 AI 点名一个品牌之前要经过的三个阶段：因契合情境而被检索，因契合人而被选用，并且只有在携带品牌专属证据时才会被推荐。

在 JefurryAxis 中：这一模型出自我们经同行评审、被 ANZMAC 2026 接收的论文。三道关口

来源分析（Source analysis）

来源分析用于识别 AI 模型针对一组问题实际引用了哪些域名和页面，以及这些页面为何值得被引用。

在 JefurryAxis 中：被引页面会被抓取出来，按人设归类并评分，再转化为内容规范。运作方式

结构化数据与 llms.txt

结构化数据（schema.org JSON-LD）以机器可读的形式描述页面中的事实；llms.txt 则是为语言模型编写的网站纯文本索引。

在 JefurryAxis 中：两者都能帮助 AI 准确读懂网站，但都不能让 AI 推荐它——推荐取决于证据是否契合人和情境。

SEO、AEO 与 GEO 对照

SEOAEOGEOJefurryAxis 的做法
目标让页面获得排名成为直接答案被引用、被推荐在指定情境中被推荐给指定人设
呈现位置排名链接答案框、AI 助手、应用内 AIAI 生成的答案双轨 AI 模型，以及封闭平台
优化对象关键词、页面、链接问答类内容实体、证据、来源先是人设 × 情境，再是证据与来源
测量方式排名位置、点击量是否被纳入答案提及、引用、占比基于冻结的、不含品牌词的问题集，按人设、按轨道计算 AI 可见度得分

三者互补多于竞争：SEO 让网站可被读懂，GEO 与 AEO 让品牌成为答案。

关于这些术语的常见问题

GEO 和 AEO 是一回事吗？

几乎是。GEO 通常指面向生成式 AI 答案的优化，AEO 则适用于任何答案引擎，包括应用内功能。两者的目标都是让品牌进入答案，而不是进入一串列表；JefurryAxis 也用同一种方式测量它们。

GEO 会取代 SEO 吗？

不会。SEO 决定 AI 能否读懂并信任你的页面；GEO 和 AEO 决定 AI 是否会为某个特定的人选择你。网站两者都需要——SEO 做得很好的网站，也可能在 AI 答案里缺席。

AI 可见度得分多少才算好？

没有通用的门槛。得分只有在问题、模型和竞品都相同时才可比较，因此 JefurryAxis 基于冻结的问题集报告得分趋势以及与指定竞品之间的差距，并按人设、按轨道分别呈现。

schema 或 llms.txt 能让 AI 推荐一个品牌吗？

不能。它们帮助 AI 准确读懂网站。能否被推荐，取决于内容是否契合人和情境，以及是否带有模型可以引用的证据。

为什么要用不含品牌词的问题？

因为真实的买家在认识一个品牌之前，不会说出它的名字。包含品牌名的问题会让模型去谈论这个品牌，测到的就是提示词，而不是市场。

成为 AI
推荐的品牌

读懂这些术语是第一步。下一步，是看清 AI 今天把你的品牌放在了哪里——只需跑一次检测。

联系销售