你在 DeepSeek 或 ChatGPT 里输入自己的品牌名，答案里列出了三家同行，没有你；回到 Search Console，官网的核心词还稳在前两页。这个反差，是「SEO 已死」这类判断最常被引用的证据。
更准确的说法是：SEO 没有死，它退化成了基础设施——负责被抓到、被理解、被信任；而「被 AI 答案选中并引用」是另一层能力，业内通常叫 GEO。本文把两层拆开讲：哪些工作照旧、哪些必须新增、怎么排优先级、怎么衡量。
结论先行：SEO 管「进得来」，GEO 管「被引用」
SEO 让搜索引擎抓得到、存得下、信得过你的页面；GEO 让 AI 组织答案时愿意把你当作素材。前者决定入口，后者决定出场。
两层不是替代关系。没有可抓取的页面、没有可索引的正文、没有可核验的权威信号，AI 连你的内容都读不到，谈不上引用。反过来，只有技术底座而没有可被摘取的答案句、没有一致的实体描述，页面能排进搜索结果，却很难进入答案。理解这一点，「SEO 还有用吗」就不再是二选一的问题。
变化到底发生在哪一层
变化不在抓取与索引，而在结果页的形态：从十条蓝色链接，变成一段带两三个引用的答案，用户点开的次数随之下降。
这对内容价值的影响是结构性的。过去一篇文章靠「排名 + 点击」兑现价值，现在多了一道筛选：AI 要先判断这段话能不能直接回答提问，再决定是否引用。写作目标因此从「让用户点进来读」变成「让答案先引用你，再让用户顺着引用找过来」。
Google 在 Search Central 关于 AI 功能的官方说明里表示，站点不需要为 AI 搜索做特殊优化，也不需要新建专用文件，既有 SEO 基础仍然适用。这句话常被读成「GEO 是伪命题」，但它真正说的是：地基不变，上层要重做。地基决定你有没有资格进场，上层决定你能不能被念出名字。
SEO 仍然有效的那部分：抓取、索引、权威
抓取、索引、页面体验与权威信号仍是所有 AI 答案的前提，这部分工作一天都没作废。
- 抓取许可：robots.txt 仍按 RFC 9309 生效。GPTBot、PerplexityBot 这类 AI 爬虫遵守该协议，把整站误挡在门外是最常见的自伤。
- 可索引的正文：内容靠前端脚本渲染、关键段落只存在于图片里，任何引擎都读不到，也就无从引用。
- 结构化数据：schema.org 标记帮助机器确认「这是什么实体、谁写的、什么时候更新」，这是机器理解的前提。
- 权威与一致：同一实体在全站用同一个名称、同一句定位语，跨站引用越多，被当作可信来源的概率越高。
这些是 SEO 的老本行，也恰好是 GEO 的地基。把它们丢掉去追「AI 优化技巧」，等于在沙地上盖楼——短期看不出问题，一次算法或抓取策略调整就全塌。关于抓取机制本身，可以配合 GEO 基础概念 一起读。
GEO 补上的那部分：让内容成为可引用素材
GEO 的核心动作只有一个：把专业知识写成 AI 可以直接摘走的答案句，并让这句话在全网可核验。
落到写作上，四条最有效：
- 结论前置：每个小节第一段就是 40–80 字的完整结论，不铺垫、不设悬念、不先讲背景。
- 定义句：对核心概念给出「X 是指……」的标准句式，这类句子是 AI 引用的高频目标。
- 结构化对比：把「A 与 B 的区别」写成表格，机器对表格的解析优于长段散文。
- 可追溯：每个数字后面跟来源，没有来源就不写数字。这一条同时保护品牌信誉。
还有一条容易被忽略：实体一致性。AI 判断「这段内容说的是不是同一家公司」，靠的是名称、定位语、联系方式、产品名在全网的重复一致。品牌名今天写「AiVisible」、明天写「爱可见」，等于把自己拆成两个实体，两边都拿不到完整的信任分。
分工表：同一件事，两层各做什么
把两层放进同一张表，优先级就清楚了：SEO 的工作不能省，GEO 的工作不能只做一半。
| 工作项 | SEO 层 | GEO 层 |
|---|---|---|
| 抓取 | robots.txt 放行、提交 sitemap | 确认 AI 爬虫未被误挡、日志可查 |
| 内容形态 | 关键词覆盖、内链结构 | 结论句、定义句、对比表 |
| 结构化 | 标题层级、语义标签 | 实体标注、FAQ 问答结构 |
| 权威 | 外链、品牌搜索量 | 跨平台实体一致、第三方提及 |
| 衡量 | 排名、点击、点击率 | 提及率、引用位次、落地页分布 |
注意最后一行：两层的衡量口径不同。用排名去评价 GEO，就像用下载量评价一封邮件，指标和结果对不上，团队会一直吵。这也是很多企业做完「AI 优化」却说不清效果的原因。
只做 SEO 为什么会在答案里消失
只做 SEO 的站点通常不缺排名，缺的是可被摘取的答案句，这是最常见的断点。
三个典型断点，可以拿来对照自己的站点：
- 答案藏在长段落里：一段四百字讲完三个观点，AI 很难摘出干净的一句，只能整段跳过。
- 只讲产品不讲问题：页面通篇是功能列表，没有回答「什么情况下该用」，而用户问的正是后者。
- 没有第三方佐证：只有自说自话，缺少可交叉验证的外部提及，模型难以确认可信度。
这三个断点都不需要重写全站，通常改三到五个核心页面就能看到变化。区别在于，改之前要先知道 AI 现在是怎么描述你的——这一步靠猜没有意义。
一套可执行的协同打法
把 SEO 与 GEO 合并执行，最小可行版本是六步，两周内能跑完第一轮。
- 先测基线：在目标平台用 20 个真实客户问题各问一遍，记录品牌是否出现、排第几、引用了谁。这是后面所有对比的锚点。
- 修地基：robots.txt 放行 AI 爬虫、正文服务端可读、补 Organization 与 Article 结构化数据。
- 选题对齐提问：从「关键词」转向「问题」，一个 H2 对应一个真实提问，标题尽量贴近用户的问法。
- 重写关键页：每节加结论句、定义句与对比表，删掉铺垫和形容词堆砌。
- 建立外部提及：行业媒体、垂直目录、合作方页面上的统一实体描述，这是模型判断权威的旁证。
- 按月复测：同一批问题重跑，看提及率与位次变化，再决定下一轮改哪些页面。
顺序不要颠倒。先修地基再写内容，成本最低；先写内容再修地基，等于把稿子写进了没人能读到的目录里。
怎么衡量：从排名到被引用
衡量口径要换一层：排名仍然看，但主指标应改成「在目标问题下被提及的比例与位次」。
建议同时看四个数：目标问题的品牌提及率、平均出现位次、被引用的落地页分布、以及这些页面的自然流量变化。前三个回答「AI 认不认你」，最后一个回答「认了之后有没有生意」。四个数放在一起，才能判断是该继续投入内容，还是该先修技术问题。
这类监测过去靠人工截图，现在有工具化方案。像 AiVisible 做的就是把这几项变成可追踪的指标：在哪些平台、哪些问题下被提到、排第几位、引用的是哪个页面，再对照 AI 可见度评分 看趋势。评分本身不是目的，它只是把「有没有进步」这件事变得可讨论。平台差异也值得单独看，例如 DeepSeek 的引用偏好 与海外平台并不一致。
常见问题（FAQ）
SEO 会被 GEO 取代吗？
不会。GEO 依赖 SEO 提供的抓取、索引与权威基础，两者是同一套地基上的两层工作。只做 GEO 而不修技术底座，内容连被读取的机会都没有。合理的做法是把两层当成一个项目排期，而不是二选一。
做 GEO 需要新建 llms.txt 之类的专用文件吗？
不是必需项。Google 官方说明表示站点无需为 AI 功能新建专用文件，既有 SEO 基础仍然适用。llms.txt 目前仍是社区提案，可以作为补充说明，但不能替代 robots.txt 与可索引的正文。
多久能在 AI 答案里看到变化？
通常以月为单位观察更可靠，具体取决于抓取频率与内容更新速度。建议先固定 20 个问题做基线，按月复测同一批问题，避免用单次结果下结论。内容重写后的一到两个抓取周期内，通常先看到引用页面的变化。
中文平台和海外平台要分开做吗？
数据要分开看，内容可以共用一套结构。DeepSeek、豆包、通义与 ChatGPT、Perplexity 的抓取与引用偏好不同，同一篇内容需要分别验证提及情况。先做目标客户最集中的那一两个平台，比全面铺开更有效。
预算有限应该先做哪一步？
先修地基，再写内容。robots.txt 误挡 AI 爬虫、正文不可索引这两类问题修复成本低但影响全局，优先级最高。其次是重写三到五个核心页面，补上结论句与对比表，这两步通常就能改变 AI 描述你的方式。