隨著Bard Perplexity等基於法學碩士的搜尋引擎的興起，機器人直接輸出答案，這使得內容創作者越來越難以通過SEO改進其網站。
普林斯頓大學和艾倫科學技術研究所提出了GEO的概念：生成式發動機優化。
他們專門針對生成引擎提出了一個印象指標！
實驗表明，使用GEO的簡單策略可以將商業生成引擎上的內容可見性顯著提高高達40%。
生成引擎和傳統搜尋引擎之間的區別：
- 傳統的搜尋引擎通常提供直接指向相關網頁的連結列表。
- 生成引擎使用大型語言模型（LLM）來生成更豐富、更全面的答案，這些答案可能直接包含用戶查詢的答案，而不僅僅是連結。
GEO的自定義可見性收件箱：
1.內容可見性：測量生成引擎響應中內容的頻率和重要性。例如，引擎是否經常使用網站的信息來構建答案。
2.信息準確性：評估生成引擎提供的信息與原始內容之間的一致性。這對於確保生成引擎正確理解和呈現網站內容非常重要。
3.用戶參與度：衡量用戶與生成引擎提供的內容的互動程度。這可能包括生成的響應的點擊率、閱讀時間等。
4.內容影響：評估生成的引擎響應中內容的權威性和影響力。例如，內容是否被視為某個領域的權威來源。
通過這些專門設計的指標，GEO幫助內容創作者更好地了解其內容在生成引擎中的表現，並提供優化該內容的策略，以提高其在生成引擎中的可見性和有效性。
GEO原則：
1.多模式理解：生成引擎不僅處理文本信息，還可以結合視覺和空間布局等其他方式。GEO的原則包括了解如何處理多模式數據。
2.內容全面性：與傳統搜尋引擎不同，生成引擎往往提供更全面、完整的答案，而不是簡單的連結。GEO的原則在於了解如何使內容更適合這種全面的演示。
3.語義理解：生成引擎使用高級語言模型來深入理解內容的語義。GEO的原則包括優化內容以提高其語義層面的清晰度和相關性。
GEO的戰略：
1.結構化內容：優化網站和內容的結構，使生成引擎更容易解析和引用。這可能包括使用明確的標題、副標題和Meta標籤。
2.關鍵信息突出：確保重要信息（例如產品功能和服務優勢）易於找到和理解，以便生成引擎能夠有效地提取和使用這些信息。
3.增強語義相關性：使用關鍵詞和短語來提高內容的語義相關性，使其更符合目標受眾的搜索意圖。
4.利用GEO指標：使用GEO提供的專業指標來評估和優化內容在生成引擎中的性能。
5.持續監控和調整：定期監控內容在生成引擎中的表現，並根據反饋進行調整。這可能包括分析用戶行為數據並生成引擎的反饋。
6.適應生成引擎的變化：隨著生成引擎和大型語言模型的不斷發展，GEO策略需要靈活適應這些變化並不斷更新優化方法。
通過實施這些策略，GEO幫助內容創作者提高其網站和內容在新一代搜尋引擎中的可見性和有效性，從而更好地滿足用戶的搜索需求。
全面的基準測試：GEO-BENCH
GEO引入了名為GEO-BENCH的多元化基準，其中包含10，000個查詢，用於評估和比較不同優化方法的有效性。這是針對GEO查詢量身定製的基準，用於評估不同的策略。
10，000個查詢：GEO-BENCH包含10，000個不同的查詢，涵蓋多個領域、難度級別和類別。這種多樣性確保了基準測試能夠全面評估不同類型的內容和優化策略。
數據集組成：該基準測試由來自多個來源的數據集組成，包括MS Macro、ORCAS-1、Natural Questions等，它們代表不同類型的用戶查詢和搜索場景。
培訓和測試集：GEO-BENCH包括一個由8，000個查詢組成的訓練集以及一個由1，000個查詢組成的驗證和測試集，允許內容創建者和研究人員在標準化環境中訓練和測試他們的優化策略。
公共排行榜：GEO-BENCH提供了一個定期更新的公共排行榜，以展示最新的測試結果，促進不同方法之間的良性競爭和進步。
項目地址： https://generative-engines.com/GEO/
紙張： https://arxiv.org/pdf/2311.09735.pdf
GitHub：https://github.com/GEO-optim/GEO
地理長凳：https://huggingface.co/datasets/GEO-Optim/geo-bench