搜索正在分成两半。旧的一半是排名页面：AI摘要接走了简单的问题，自然点击率已经大幅下滑。新的一半是答案本身，由ChatGPT、Gemini、Claude和Perplexity写出，背后只挂着少数几个引用来源。赢下前一半靠SEO，赢下后一半靠生成式引擎优化（GEO）。早在这门学科有名字之前，我就在为一家生物科技客户，针对医生和患者的搜索问题搭建GEO测试方案。
工作分得很清楚。SEO这边：技术层面的基础维护、按搜索意图规划的内容，以及那些不起眼、却依然决定排名的结构功夫，因为传统索引仍然是答案引擎读取的原始材料。GEO这边：让机器能引用你的品牌。具体来说，就是模型可以放心摘取的明确论断，真正能被解析的结构化数据，在爬虫接触到的每个页面和平台上都一致的实体信息，供机器读取的内容版本，以及对AI助手已经带来的引荐流量的衡量；大多数分析配置要么把这部分流量标错，要么完全漏掉。
我卖什么标准，就用什么标准要求自己。这个网站为AI爬虫提供llms.txt版本，每个页面都有有效的结构化数据，问答模块只放在用户看得见的地方，还有一个验证脚本，任何有问题的内容都无法上线。The Signal栏目下的英文文章库就是实际演示：一百篇文章，都是为了被引用、相互链接、被摘进答案而写的。我告诉客户答案层看重什么时，说的是我已经做出来的东西，不是从哪份简报里读来的。
适合谁：客户在购买前会先提问的品牌；在AI回答里一再输给错误或过时信息源的品类领导者；需要曝光、又不能承担合规风险的受监管行业广告主。合作从一次诊断开始，看各个答案引擎目前怎样描述你；这份诊断常常是营销团队多年来看到的最能理清局面的文件。在此基础上，再推进能改变答案的结构和内容工作。
十条蓝色链接的时代不会回来了。接下来被引用的品牌，今年就已经为此调整好了结构。