GEO是什麼？Generative Engine Optimisation實測數據＋最佳操作分享
什麼是生成引擎優化（GEO）？
生成引擎優化（英文：Generative Engine Optimisation，簡稱：GEO）是一種針對人工智能驅動的搜索引擎（如ChatGPT和Google的Bard）量身定制的內容優化革新方法。
與傳統的SEO主要關注關鍵詞使用和元標籤不同，GEO旨在提高內容在這些先進AI模型生成的回應中的可見度和相關性。隨著生成式AI的不斷發展，掌握GEO對於希望改善其在線存在和用戶參與度的企業來說變得至關重要。
2024年年尾開始，愈來愈多人談論日GEO ，如何令到chatgpt/perplexity/deepseek 答問題的時候會提及你的品牌或引用你的網站，將在未來的行銷策略變得愈來愈重要。
GEO如何運作？
GEO通過將內容與AI驅動的搜索引擎解釋和生成回應的方式保持一致來運作。重點從單純匹配關鍵詞轉移到理解用戶意圖和行為。這意味著創建全面、與上下文相關的內容，直接回答用戶的查詢。
為什麼要做GEO？生成式人工智能使用率爆升！
從2023年到2025年初，生成式人工智能（Generative AI）使用者的增長相當可觀，反映出在各種人口統計和行業中的採用率顯著提高。以下是關於這一增長的最新見解和統計數據：
採用率
直至2025年初，約65%的機構表示經常使用生成式人工智慧，幾乎是2023年約33%的兩倍。
2024年8月，近40%的18至64歲美國人口使用生成式人工智慧工具，其中約三分之一的受訪者每天或每週會使用數次。
使用者人口分佈
生成式人工智慧使用者中有相當大一部分是年輕人群，其中65%是千禧一代或Z世代。值得注意的是，70%的Z世代報告使用生成式人工智慧技術，表明年輕用戶的參與度很高。
如何實行GEO？你要知道的7大Best Practices
在家中的使用比在工作場所更普遍，32.6%在家中使用，而28.1%在工作中使用，儘管在專業環境中的日常使用率更高。
要有效地為生成式人工智慧引擎優化內容，採用適合這些系統處理和解釋資訊的策略至關重要。以下是在生成式人工智慧不斷發展的環境中實現最佳內容表現的最佳實踐：
1.確保你的內容結構清晰
使用描述性標題：清晰且描述性的標題（H1、H2、H3）有助於用戶和人工智慧理解內容層次和上下文。這種組織方式改善了可讀性，並使人工智慧能夠更有效地解析資訊。
短段落和項目符號：將文本分解成簡潔的段落，並使用項目符號或編號列表清晰地呈現資訊。這種格式增強了可瀏覽性，使人工智慧能夠更快地提取相關數據。
2.專注於用戶意圖
直接回答問題：構建內容以直接解答特定用戶查詢。使用基於問題的子標題，並在章節開頭提供簡潔的答案，以立即吸引注意力。
優化自然語言：以反映用戶通常如何表述查詢的對話語氣撰寫。這種方法與生成式人工智慧模型解釋語言的方式一致，提高了您的內容在人工智慧生成的回應中被採用的機會。
3.利用結構化標記
使用結構化數據實施如FAQ、HowTo和Article等結構化標記。這些標記幫助人工智慧理解您內容的上下文，並通過提供關於您內容性質的明確信號來增強在搜索結果中的可見性。
4.加入相關關鍵字
專注於反映用戶意圖的長尾、對話式關鍵字，而不是傳統的關鍵字堆砌。應使用上下文變體和同義詞來豐富內容，而不影響清晰度。
圍繞支柱主題組織內容，並包含相關子主題，以提供全面的主題覆蓋，這有助於人工智慧系統理解您專業知識的廣度。
5.創建可總結的內容
設計易於總結的內容。在章節開頭使用介紹性摘要，並在整個內容中突出關鍵點。這種做法不僅有助於用戶理解，還與生成式人工智慧經常提供濃縮資訊的方式相一致。
6.提升內容質素
優先考慮高質量、資訊豐富的內容，解決特定受眾痛點或常見問題。引人入勝、相關的內容更有可能受到生成式人工智慧算法的青睞，增加其可見性。
定期更新您的內容以保持相關性和準確性，因為生成式人工智慧依賴當前數據來提供可信的建議。
7.監控參與指標
追踪頁面停留時間和跳出率等參與指標。鼓勵用戶互動的結構良好的文章可以積極影響人工智慧驅動搜索中的排名。
通過實施這些最佳實踐，您可以增強您的內容在生成式人工智慧環境中的可發現性和有效性，確保它既滿足用戶需求，又符合算法偏好。
哪些因素對於GEO最大影響？即看最新數據！
GEO-Bench是一個由10,000個來自多個領域的多樣化搜索查詢組成的基準測試，專門設計用於評估生成引擎優化（GEO）方法。它有助於評估不同優化技術如何改善內容在生成引擎回應中的可見性。該基準包括來自各種來源的查詢，按領域、難度、查詢意圖和其他屬性進行分類。
GEO-Bench保持真實世界的查詢分佈，其中80%為信息性查詢，10%為交易性查詢，10%為導航性查詢。每個查詢都增加了來自Google搜索引擎前5個搜索結果的清理過的文本內容。
主要統計數據和發現：
- GEO方法，如包括引用、相關來源的引述和統計數據，可以在各種查詢中將源可見性提高40%以上。
- GEO-Bench研究人員研究了九個關鍵因素，以了解哪些因素與影響AI回應的可能性相關。結果發現，像關鍵詞堆砌這樣的簡單方法效果不佳，但添加統計數據和引述顯示出顯著的性能改善。
- GEO努力中表現良好的優化包括添加引述、添加統計數據、流暢度優化、引用來源、技術術語和權威性通信。
- 該基準為每個查詢標記七個不同類別之一，並包含來自25個不同領域的查詢。
- GEO方法的評估涉及計算印象的相對改善，考慮諸如字數和引用位置等因素。
- GEO-Bench通過客觀和主觀的角度促進GEO方法的評估。
- 研究人員還在真實世界的生成引擎Perplexity.ai上展示了生成引擎優化的有效性，並證明可見性改善高達37%。
MCGA結合真實數據及研究作出總結
我全職的in house公司其實都研究了GEO一段時間, 今次結合內部數據，分享暫時我們所知的觀察：
1.外國文章談論的大多數是針對chatgpt, 但現在仍處於戰國時代，未有一間明顯跑出，即是每個engine 都要研究
2.GA4 已經看到Generative AI 的referral traffic, 個人經驗由上年年初開始見到，最多是perplexity, 而且以每年10倍速度增長
3.有研究話Generative AI traffic 已經佔了organic traffic 1%, 但暫時眼見我有access的網站未去到此比例，不知道是否因為香港還是比較少人用或tracking 問題
4.比起意見型內容，真理知識型會較多人問，以及較易出現在result, 相信暫時人們作出購買決定都不會只信AI
5.GEO content 更著重權威性，我個人預測未來內容必備4 個元素先有機會跑出：詳細+專家撰寫+數據支持+可信資料來源
6.因為AI result 都是來自網上世界，所以都是要先做好SEO，不同的地方是要monitor bing 和其他search engine, 因為試過就算google 排第一，都未必會引用個網站，後來發現ai 引用了bing 排第一的網站做source
香港行銷人員對於GEO 的看法
Make Content Great Again團隊在Threads 發表了關於GEO的貼文，引起不少行銷行業人士討論：
miracle_maker_hk ：老實 依家啲人買嘢嘅原因唔係因為ai而買嘢
暫時都仲係因為人嘅說話 人嘅推薦而去做呢個decision你問我五年後十年後我唔知
起碼呢兩三年應該都仲未去到呢個地步
對於是否香港未夠多人用ai search 嘢？
jeffy0930 ： 呢個我覺得要等下report先知，不過會常用既應該係年輕群眾，如果有訪問年青人search behaviour應該有insight我公司GA既insight 係…我懷疑果少量既click係我自己search and click而黎
個人而言，要quick search答案，perplexity係幾唔錯 （尤其中文），copilot同POE係比下去但有左概念，暫時都係返Google 好啲
mrseobeast：睇緊100+個網站，表示冇乜feel
資料來源：
1.https://surferseo.com/blog/generative-engine-optimization/
2.https://mailchimp.com/resources/generative-engine-optimization/
4.https://writesonic.com/blog/generative-engine-optimization
5.https://www.enilon.com/blog/how-to-optimize-content-for-generative-ai/
6.https://aioseo.com/generative-engine-optimization-geo/
7.https://bloomfire.com/blog/how-to-optimize-content-for-generative-ai/
8.https://www.bigtincan.com/resources/how-to-optimize-for-generative-ai-a-guide-for-marketers/
9.https://www.interodigital.com/blog/how-to-optimize-content-for-generative-search-engines/
10.https://www.aiprm.com/generative-ai-statistics/
11.https://www.salesforce.com/news/stories/generative-ai-statistics/
12.https://foundationinc.co/lab/generative-engine-optimization
