GEO 峰会 2026 · 北京 · 报名中查看详情
博客 · AEO 入门

2026 年 AEO 从入门到精通:12 个 LLM、5 个流派、1 个 5% 优先级框架

GEO 元年正式起跑 · 一篇文章把方法论 / 流派 / 指标 / 路线图讲透 · 含可立刻照抄的 8 周 sprint

2026年5月2日·18 分钟阅读·南瓜 GEO 团队· Research × Customer Success
🚀 TL;DR · 3 分钟看完
  • 1.AEO(Answer Engine Optimization)= 让 ChatGPT / 豆包 / Kimi 等 LLM 在回答里主动推荐你 · 是 SEO 的叠加层不是替代
  • 2.5 大流派各擅胜场:Ethan Smith 5%-Picker / Princeton GEO Paper / Lily Ray E-E-A-T / Mike King Entity / Aleyda Solis 国际化
  • 3.3 个核心指标决定一切:Citation Rate(CR)/ Citation Diversity Index(CDI)/ Time-to-First-Citation(TTFC)
  • 4.12 个 LLM 全景:中文 5(豆包/Kimi/DeepSeek/通义/智谱)+ 英文 1(ChatGPT)+ 待接 6 · 60% 长尾、6× 转化
  • 5.8 周从 0 到 1:Week 1 体检 → Week 2-4 ship 30 篇内容 → Week 5-8 拿 30 天 uplift 报告
#AEO 入门#方法论#全景图

一、AEO 是什么 · 为什么 2026 年开始爆发

AEO(Answer Engine Optimization)就是「让 LLM 答案引擎主动推荐你的品牌」。和 SEO 抢搜索结果排名不同 · AEO 抢的是 ChatGPT / 豆包 / Kimi / Perplexity 这些「直接给答案」的入口里那一行被引用的话。

为什么 2026 年是引爆点?三件事同时发生:第一 · 主流 LLM 月活破临界点 —— 豆包日活 6000 万 + Kimi 3500 万 + DeepSeek 4200 万 · 中文用户已经把「问 AI」当成默认动作;第二 · LLM 开始接联网检索 + RAG · 引用源结构化进入正反馈;第三 · 用户行为变了 —— 从「搜索 → 看 10 个蓝色链接 → 比较」变成「问 AI → 看 1 段总结 → 直接决策」· 中间环节被压缩成一句话。

最痛的那个场景:「ChatGPT 搜你 · 你看不到」。客户问「2026 年最值得买的咖啡连锁会员卡」· AI 答了三家 · 你不在里面 —— 你的 SEO 排第几其实已经不重要了 · 因为用户根本没看到那 10 个蓝色链接。

ℹ 提示
数据点:业内观察显示约 60% 的 LLM 查询是长尾问题(传统 SEO 关键词工具几乎覆盖不到)· 而 AEO 渠道带来的流量平均转化率比 SEO 自然流量高 6× —— 因为用户已经被 AI 帮你筛选过一轮了。

二、GEO vs SEO · 不是替代是叠加

很多人第一反应是「SEO 要死了么?」答案是不会。GEO(Generative Engine Optimization · AEO 的同义词)是 SEO 的叠加层 · 不是替代。

SEO 仍然解决两件不可替代的事:第一 · 给 LLM 喂训练 / 检索素材 —— LLM 大量的引用源还是搜索引擎索引到的网页;第二 · 处理「用户已经认定品牌」之后的 navigational 流量(搜「瑞幸」直接进官网)· 这部分 LLM 不参与。

AEO 增量价值更高的是「品类决策」场景 —— 用户还不知道选谁的时候 · LLM 帮他选。这个场景的 ROI 比 SEO 高 · 因为决策意图最强、转化最近。所以正确的 effort allocation 是 80/20:80% 现有 SEO 工作继续做(schema / 内容 / 外链)· 20% effort 加在 AEO 增量动作上(5%-Picker / E-E-A-T / Entity 锚定 / Citation 监测)。

  • SEO 主战场:Google / 百度 / Bing · 优化页面权重 + 关键词密度 + 反向链接
  • AEO 主战场:12+ 主流 LLM · 优化「被引用概率」+ 「引用来源多样性」+「首引用速度」
  • 重叠层:schema.org 结构化数据、E-E-A-T 信号、权威外链 —— 两边都吃
  • 纯 AEO 信号:Wikidata QID 锚定、Wikipedia 词条、知识图谱 sameAs 网络、RAG 友好的内容结构

三、5 大流派思想速读

做 AEO 之前 · 先认 5 个核心人物 / 论文 —— 他们提出的方法论是这一年里最值得抄的:

  1. Ethan Smith(Graphite.io 创始人)· 5%-Picker 框架 —— 核心观点是「95% 的 AEO 工作是浪费」· 真正决定胜负的只有那 5% 的高价值 prompt(三因子交集:高商业意图 + 当前可见度低 + 你有真实优势)· 把资源全部砸在那 5% 上
  2. Princeton GEO Paper(Aggarwal et al. 2024 KDD) —— 第一篇正式可复现的 AEO 实证 · 测了 9 种内容杠杆 · 结论:增加 quotation(直接引语)平均 +41% citation lift(单一杠杆里最高)· statistics(数字锚点)+31% · authoritative tone +28%
  3. Lily Ray(Amsive Digital)· E-E-A-T 流派 —— Experience / Expertise / Authoritativeness / Trustworthiness 四支柱 · 在 YMYL(Your Money Your Life · 医疗 / 金融 / 法律)品类是强制门 · 中文场景额外要叠加「机构资质 + 主创实名 + 行业奖项」三个本地化信号
  4. Mike King(iPullRank)· Entity-First SEO —— 「Wikidata 是新 PageRank」· 实体锚定(QID 注册 + Schema sameAs 网 + Wikipedia 词条)是 LLM 知识图谱里最稳定的认知基底 · 比堆关键词重要 10 倍
  5. Aleyda Solis · 国际化 / 跨语言一致性 —— 出海品牌专属痛点:中英文官网 / 多语种 wiki / 不同语言 LLM 引用源经常打架 · 必须建跨语言 entity 一致性档案 · 否则 ChatGPT 英文答的你和豆包中文答的你不是同一个品牌
ℹ 提示
实操建议:5 派不冲突 · 一个完整 AEO 战术包应该是「Ethan 选 5% 优先级 → Princeton 做内容杠杆 → Lily 守 E-E-A-T 门 → Mike 锚 entity → Aleyda 保跨语言一致」· 我们给客户排路线图就是这个顺序。

四、核心指标 · CR / CDI / TTFC

AEO 不是玄学 · 三个指标就能量化健康度:

  1. Citation Rate(CR · 引用率 · 北极星指标) —— 你的品牌在「品类相关 prompt」里被 LLM 提及的频率。基线扫描 100 个 prompt × 12 个 LLM = 1200 次抽样 · 看你的品牌出现了多少次。健康基线:本地生活 ≥ 35% / SaaS ≥ 50% / 出海 ≥ 25%
  2. Citation Diversity Index(CDI · 多样性指数) —— 你的引用来源是不是只来自 1-2 个网站?CDI 低 = 单点依赖警报 · 一旦那个源被 deindex 你就消失。健康基线:CDI ≥ 0.6(来源 entropy 标准化值)· 至少 5 个不同 domain 在引用
  3. Time-to-First-Citation(TTFC · 首引用速度) —— 你新发的内容从上线到被任意 LLM 引用 · 平均隔多久。这个指标衡量「内容 lift 速度」· 越短越说明你的内容 channel + 权威度健康。健康基线:21 天内拿到首引用算合格 · 7 天内算优秀
⚠ 注意
常见踩坑:只看 CR 不看 CDI · 结果 80% 引用全来自一个公众号矩阵 · 一旦那个号被风控 · CR 一夜归零。CDI 是抗风险指标 · 必须监测。

五、12 个 LLM 全景 · 中文 5 + 英文 1 + 待接 6

南瓜 GEO 当前接入 + 路线图覆盖的 LLM 全景:

  • 已接中文 5:豆包(字节 · 日活 6000 万)/ Kimi(Moonshot · 长文强项)/ DeepSeek(深度求索 · 技术圈最强)/ 通义 qwen-plus(阿里 · 电商联动)/ 智谱 GLM-4-Flash(智谱 AI · 企业 B 端)
  • 已接英文 1:ChatGPT gpt-4o-mini(OpenAI · 出海标配)
  • 待接 6(adapter 代码已 ready):文心一言(百度 · 整合搜索)/ 讯飞星火(科大讯飞 · 教育医疗)/ 腾讯混元(腾讯 · 微信生态)/ Gemini(Google · 出海双引擎)/ Claude(Anthropic · 长文档解析)/ Perplexity(搜索 + 答案融合)
  • 为什么要跑 12 家:用户重叠度 < 40% · 同一个品类 prompt 在豆包答案 vs Kimi 答案 vs DeepSeek 答案差异极大 · 只盯一家 = 闭眼睛打仗

六、从 0 到 1 实操路径 · 8 周 sprint

上面理论讲完 · 直接给一个可以照抄的 8 周路线图:

  1. Week 1 · 体检 + 锁定 30 真实 prompt —— 跑一次 nanguageo.com/check 免费体检 · 输入品牌名 + 5 个竞品 · 拿到 CR / CDI / TTFC 三档基线分;让运营团队从 CRM / 客服记录里捞 30 个客户真实问过的问题(不是脑补 · 是真实 query)
  2. Week 2 · 内容杠杆评估 —— 用 Princeton 框架审视现有官网首屏 / FAQ / 落地页 · 找 quotation / statistics / authoritative tone 三个杠杆里最薄弱的那个 · 优先补
  3. Week 3-4 · ship 20 owned + 10 earned —— Owned:官网新增 20 个 AEO 友好 FAQ 页 + 5 个深度长文(每篇带 quotation + 数字锚点 + 权威引用);Earned:10 个 earned 渠道(知乎专栏 / 公众号客座 / 行业媒体投稿)· 强化外部信号多样性
  4. Week 5 · Entity 锚定 —— Mike King 路线:检查 Wikidata QID 是否齐 · 没有就补;Wikipedia 中文词条审一遍;schema.org sameAs 把官方账号矩阵全部串起来
  5. Week 6 · E-E-A-T 强化 —— Lily Ray 路线:Experience(客户案例数字化)/ Expertise(主创团队页 + 资历)/ Authoritativeness(行业奖项 + 媒体报道)/ Trust(资质证书 + 备案信息)· 4 支柱每支柱至少 3 个信号
  6. Week 7 · 跨语言一致性(出海)/ 多平台分发(本地) —— 出海客户:中英官网 entity / Wikidata / Wikipedia 三处对齐;本地生活客户:5 平台同步分发(知乎 / 百家号 / 公众号 / 小红书 / 抖音图文)
  7. Week 8 · 30 天 uplift 报告 —— 重新跑一次完整 1200 抽样 · 对比 Week 1 基线 · 出 Before/After 报告 · 健康曲线应该是 CR +15-30pp / CDI +0.15-0.25 / TTFC 缩短 30-50%
💡 要点
实测周期:50+ 客户平均跑完 8 周 sprint 后 · CR 提升 1.8-3.2×、CDI 健康度从 0.4 上到 0.65、首单 ROI 8-25 倍(vs 同期信息流投放)。

七、下一步 · 3 个动作选一个开始

看完这篇 · 你现在能做的 3 件事:

  1. 0 成本 · 30 秒免费体检 —— 去 nanguageo.com/check · 输入品牌名 · 现场扫 3 家 AI · 拿你当前 CR 基线分(不要钱、不用手机号、不用登录)
  2. 5 分钟 · 看 cockpit demo —— 去 nanguageo.com/demo · 看完整产品仪表盘 · 12 LLM × 388 测试断言 × 9 widget 长什么样
  3. 30 分钟 · 申请 1:1 GEO 体检会议 —— 去 nanguageo.com/request-demo · 创始团队 + Customer Success 一起进会 · 现场给你的品类拉一个完整 8 周路线图

结语 · 现在是窗口期

GEO 这个赛道现在最像 2010 年的 SEO —— 头部品牌已经开始抢位 · 中部还在观望 · 尾部根本没意识到。6 个月后窗口关闭。

今天就动手。

—— 南瓜 GEO 团队

作者
南瓜 GEO 团队
Research × Customer Success

准备好让 AI 主动推荐你了吗?

30 秒免费体检 · 无需登录 · 真实 3 家 AI 扫描