SEO已经过时了，现在是 GEO的时代 。随着像Bard和Perplexity这样基于LLM的搜索引擎的兴起，机器人直接输出答案，通过SEO来改进网站已经越来越难。
普林斯顿大学和艾伦科技研究所提出了GEO的概念，即生成引擎优化。他们不仅提出了这一新概念，还开发了一套专门针对生成引擎的印象度量标准，这为内容创作者提供了优化他们在生成引擎中表现的策略。
传统搜索引擎和生成引擎的区别显而易见。传统搜索引擎提供链接列表，直接指向相关网页。而生成引擎使用大型语言模型（LLM）生成更丰富、综合的回答，可能直接包含用户查询的答案，而不仅仅是链接。
项目地址: https://top.aibase.com/tool/geo
论文:https://arxiv.org/pdf/2311.09735.pdf
代码:https://github.com/GEO-optim/GEO
GEO的印象度量标准包括内容可见性、信息准确性、用户参与度和内容影响力。通过这些度量标准，GEO帮助内容创作者更好地了解他们的内容在生成引擎中的表现，并提供了优化这些内容的策略，以提高可见性和有效性。
GEO的原理涵盖多模态理解、内容综合性和语义理解。多模态理解意味着生成引擎处理文本信息的同时，还可能结合视觉和空间布局等其他模态的信息。内容综合性是与传统搜索引擎的区别，生成引擎更倾向于提供综合、完整的回答，而不仅仅是简单的链接。语义理解是通过优化内容以提高在语义层面的清晰度和相关性来实现的。
为了实施GEO策略，内容创作者可以优化网站和内容的结构，突出关键信息，增强语义相关性，并利用GEO提供的度量标准评估和优化内容。持续监测和调整也是关键，以适应生成引擎和大型语言模型的变化。
GEO引入了一个名为GEO-BENCH的多样化基准测试，包含10，000个查询，用于评估和比较不同优化方法的效果。这个基准测试包含了多个领域、难度级别和类别的查询，由多个来源的数据集组成，如MS Macro、ORCAS-1、Natural Questions等。
GEO-BENCH的公共排行榜定期更新，促进不同方法之间的健康竞争和进步。通过这些全面的基准测试，内容创作者和研究人员可以在标准化的环境中训练和测试他们的优化策略。GEO为内容创作者提供了一个更好地满足用户搜索需求的机会，从而在新一代搜索引擎中提高网站和内容的可见性和有效性。
（ 举报）
