– 您好，这是我的第 435 天打卡分享 –

1）七个变化，一句话就能把你拍醒

姚金刚在第一章把”AI带来的变化”拆成七个维度，但穿透所有描述，最核心一句是：

用户行为已经发生不可逆转变：

从”检索→筛选→点击→阅读”变成了”提问→直接拿答案”。

这意味着什么？意味着你沿用了二十年的漏斗——

关键词排名 → 标题党 → 落地页 → 表单留资

正在被截断。

中间环节没了，落地页连被看到的机会都在萎缩。

他列了那七个变化里，最要命的三条：

①交互门槛消失：以前用搜索得”会搜”，现在问AI跟聊天一样，门槛低到连你爸妈都会用，这意味着AI入口的流量盘子比你想象的更大，也意味着你想”截流”的对象已经不是人，是模型。

②从信息到方案：用户不要10条链接，要”我该买哪个”、”我该怎么做”——AI给出的是方案，方案背后必须有”被采信的信源”。

③控制力天平倾斜：平台控制力更强了，你控制力更弱了——你没法再靠堆外链、堆TDK、堆伪原创混下去，模型只认”它认为可信的事实结构”。

2）本质定义：GEO不是SEO2.0，是”答案”争夺战

书里把GEO定义得很硬：GEO的目标是让品牌成为AI回答、推荐与比较场景中的高置信信源，从而提高品牌在AI结果中的出现概率、位置与一致性。

换个更直白的写法：

①SEO时代你争的是”用户点不点”

②GEO时代你争的是”AI提不提你、怎么提你、提你的时候说你什么”

如果用户问”家用投影仪哪个好”，AI的回答里出现了你的品牌 + 一句可追溯的理由（参数/评测/对比），这就是GEO胜利。如果AI回答只提了竞品，你不存在——不是你SEO做差了，是你没有被AI纳入”可信答案空间”。

3）E-A-S-T：GEO战略基石（你先得翻译成人话）

姚金刚借用了学术圈的E-E-A-T框架，但揉成了更适合企业落地的 E-A-S-T：

E（Expertise/专业性）：你能不能被识别为”干这行专家/品牌”，而不是一个泛内容农场

A（Authoritativeness/权威性）：外部世界（媒体、社区、行业平台、甚至维基/百科系）有没有引用你、提到你

S（Safety & Trust/可信与安全）：信息是否可验证：有没有资质、数据、案例、官网事实页、隐私合规

T（Transparency/透明可溯）：你不能神神叨叨只留一段AI美文，你必须让”谁说的、凭什么信”清清楚楚

这四点翻译成落地语言就是：

GEO的起跑线不是写文章，是先把”你是谁、你凭什么可信”拆成机器能读懂的事实砖块。

这是全书最值钱的部分之一：

第二章把”AI答案生成”拆成可操作的因果链，然后给出 E-R-E框架（实体-关系-证据）当做实操骨架。

1）AI答案生成五个关键步骤（你要对它设计内容）

姚金刚把它近似拆成：

①解析用户意图：模型在猜”这人到底要什么场景下的什么结果”

②召回信源集合：它去扫它训练/联网能接触到的内容，建一个”候选信源池”

③评估信源可信度：核心就是往E-A-S-T/你的结构化事实上打分——谁更像官方/谁更像广告/谁更像灌水

④抽取/重组答案结构：把信息捏成一段自然语言：定义式→比较式→推荐式→步骤式

⑤对齐与校准：模型还会做一轮自洽校验：这个说法矛盾吗？有冲突来源吗？

你做GEO，本质就是在每个步骤里把自己做成”高概率被选中元素”：

①让意图解析时”能匹配到你的场景词汇”

②让召回时”能找到你（靠联网可访问的事实页）”

③让可信度评估时”你得分最高（靠证据块）”

④让答案结构里”你的品牌能被塞进那个位置”

2）E-R-E框架：把品牌变成AI世界观里的”可引用对象”

E（Entity/实体）：品牌、产品、型号、地点、机构——必须是”已知项”。

做法很土：Schema结构化数据（Organization、Product、FAQPage、HowTo、Review等） + 官网本体信息一致性（名称/地址/电话/统一社会信用代码/备案号/资质证书）别写得像营销页，要写得像”事实登记表”。

R（Relation/关系）：你跟谁关联——上下游、竞品对比、适用场景、客户类型。

你要主动给AI喂”关系图谱”：比如”XX投影仪 vs YY投影仪””XX适合客厅暗光环境””XX获IF设计奖””XX在京东自营旗舰店有售”。关系是上下文，上下文决定你是不是答案。

E（Evidence/证据）：这是杀手级动作——可验证证据块。

不是”我们口碑第一”这种虚话，是：

参数表（结构化）、第三方评测截图/链接、客户案例（带可验证信息：行业/规模/用例）、资质证书（编号可查）、价格/服务条款/售后政策（写清、写稳、写一致）

一句话：SEO时代你堆”关键词密度”，GEO时代你堆”可验证证据密度”。

3）跟SEO的八大差异（把你的旧肌肉拆掉重练）

他列了八个差异，我挑最致命的四条翻译成人话：

①从追逐点击 → 赢得信任：

SEO要CTR，GEO要”信源权重”。你再标题党，AI不吃情绪，它吃结构+证据。

②从网页优化 → 证据块构建：

一页好看没用，要有一堆”机器可摘取的事实单元”（FAQ、参数、对比表、步骤序列）。

③从搜索结果页 → 答案生成场：

你优化的终点不再是SERP位置，而是”进不进AI答案空间 + 以什么措辞出现”。

④从内容数量 → 内容质量（可验证的质量）：

AI不奖励你日更十篇，它奖励你能不能当它的”权威事实源”。

1）内容工程化：别”写文章”，建”答案工厂”

姚金刚的第三章核心词是内容工程（Content Engineering）：

把内容当成可组装零件，而不是灵感产物。

他的做法大致长这样：

①把业务拆成问题空间：

用户会问你什么？（选型类/对比类/故障类/价格类/适用场景类/合规类）

②给每个问题配”答案资产”：

定义型：XX是什么、怎么工作

比较型：XX vs YY，各自适合谁

场景型：XX在暗光客厅/小户型/侧投怎么选

决策型：我该买XX还是YY，决策树

步骤型：怎么安装、怎么调试、怎么退换

③统一结构：每个小答案块都要有：

H1问题 → H2结论 → 参数/证据表 → 来源标注 → 相关链接（内链回官网事实页）

然后他要求：这些答案块要同时在官网承载 + 在可索引媒体/垂直平台也出现（这就是分发资产），让AI从多个角度”碰到你”，提高信源权重。

2）三类核心资产（你必须亲手建）

① 事实资产（官网侧）

官网不是展示厅，是”事实注册表”：

Ⅰ产品页要参数化（别只放美图）

Ⅱ要有独立的”证据页”：资质/认证/检测/白皮书下载/服务SLA

ⅢFAQPage结构化，让爬虫/模型能直接抽”Q→A”

② 答案资产（内容侧）

就是你上面建的”问题→答案”库，形成长尾覆盖。

重点不是流量词，是意图词：用户问句形式、疑问词开头、比较句式。

③ 分发资产（外部认知侧）

媒体矩阵/行业社区/知乎专栏/视频号简介/合作KOL提及——目的是让AI在”找引用来源”时，不只看到你自说自话，还能看到”外面也在提你”。

3）GEO评估体系（不做这个，你永远不知道钱花哪了）

姚金刚第四章给了非常落地的监控逻辑，不是”排名几名”那么粗，而是拆分两层：

前端（AI端可见度）

①品牌在目标问题中的出现率（TOP1/TOP3有没有你）

②出现时的措辞（说你什么：正确引述？张冠李戴？只提产品不提你品牌名？）

③信源占比（AI引用的是你官网还是你自卖自夸的博客？前者赢）

后端（业务端）

①自然咨询/访问/表单：来自”AI参考来源”的流量你很难100%归因，但可以做：UTM特版页 + 专属入口 + 问卷”你从哪听说我们→豆包/DeepSeek/朋友推荐/搜到的”

②最终盯的还是：咨询量、线索质量、成交占比的趋势

他给了一个很冷静的结论：

GEO不是立竿见影的SEM，它是半年起步的基建项目，但它一旦站稳，护城河比SEM稳得多——因为AI答案比搜索结果”更固化”。