术语表
这些词汇尚属新兴，供应商对它们的使用较为随意。以下是我们对每个术语的定义，以及我们认为其他人如何过度延伸这些术语的说明。
标记为“我们定义”的术语是工作性定义，而非行业标准。没有权威机构管理这些词汇，同一个术语在不同供应商的演示文稿中可能含义不同。
旨在成为答案框或 AI 助手引用段落的工作。其历史早于 ChatGPT：精选摘要（featured snippets）和语音助手最早使用了这一概念。
旨在被模型生成的回答命名或引用的工作。2023 年的一篇研究论文使该标签广为人知，随后被营销人员广泛采用。
答案附加到声明上的链接或脚注。读者可以点击它，使其可被衡量。
答案文本中提及您的品牌但未附带链接。较难追踪，但可能仍具价值。
部分 Google 搜索结果顶部的生成式摘要，于 2024 年 5 在美国推出。
一种独立的对话式 Google 搜索结果体验，于 2025 年 3 月宣布。
向模型提供检索到的文档，使其答案基于这些文档而非记忆。引用通常来自这一步骤。
一个问题转化为多个子搜索，然后再撰写答案。Google 在 AI 模式中描述了这一概念。
| 配对 | 我们使用的区别 |
|---|---|
| 引用与提及 | 引用包含链接；提及仅为文本 |
| AEO 与 GEO | AEO 旨在获得引用的答案，GEO 旨在被包含在生成的答案中 |
| AI 概览与 AI 模式 | 一个位于结果顶部，另一个则以聊天形式替换结果 |
| 训练数据与检索 | 训练是截止期之前的记忆；检索是获取实时页面 |
| 引荐域名与反向链接 | 链接到您的独立站点数量，与链接总数 |
某些标签的营销价值大于其描述价值。对于任何与分数、保证或专有 AI 可见性指数相关的术语，请保持谨慎。
对报告您在 ChatGPT 中声量份额的供应商进行简单测试。该数字取决于提示词样本，样本决定了结果。询问使用了哪些提示词、针对哪些国家、频率如何以及具体日期。诚实的供应商会给出回答，含糊其辞的供应商则是在推销仪表盘。
每当新的首字母缩略词出现在您的收件箱中时，找到它替代的最通俗的旧词。这是一个良好的习惯。通常，那个旧词是摘要、提及、引用或排名。我们的发布时间表展示了哪些产品何时推出，神话表则测试了最响亮的声明。
今年发明的词汇明年可能会消失，而且该领域已经存在针对同一概念的竞争首字母缩略词。由此得出两点警告：不要围绕一个标签重建您的策略。
AEO 和 GEO 标签比它们所描述的策略更年轻。大多数底层习惯早于这两个词，词汇是后来才出现以命名这些习惯的。请记住这一点。
AEO 早于聊天机器人时代。精选摘要和语音助手奖励了那些直接回答问题的一小段文字，人们在 ChatGPT 之前很久就开始针对该段落进行优化。以直接答案开头页面的习惯就源于此时期。
一些现在被标记为 GEO 的建议，实际上是旧工艺的新名字。在付费学习答案引擎课程之前，先阅读关于摘要的早期指南。旧指南并非徒劳，其中许多内容仍然适用。
GEO 一词在 2023 年一篇研究论文为该概念命名后开始传播。该论文描述了带有来源的生成式引擎。营销人员采用该短语的速度快于研究界确定其含义的速度。
一个通过会议幻灯片传播的标签可能会偏离其起源。当 GEO 出现在供应商演示文稿中时，请询问该声明是否源于研究，还是仅借用了其名称。
每个新工具往往会为相同的测量带来自己的词汇。声量份额、可见性分数和 AI 存在感可能描述几乎相同的内容。它们的定义因供应商而异，这就是为什么术语表必须固定其术语的原因。
选择在您的工具中含义一致的词汇，并在每份报告的顶部声明该选择。无法验证的术语表条目应标记为工作术语。
结果页面在链接下方显示的文字段落。它比 AI 答案更古老，仍然是概览引用的最接近祖先。
结果列表中的位置。答案引擎可能会引用排名较低的页面，因此排名与引用相关但并不相同。
从一个站点到另一个站点的链接。该术语未发生变化，尽管模型是否重视此类链接仍未知。
一个描述站点可信度的宽松词汇。供应商将其附加到许多不同的分数上，因此请询问他们指的是哪一个。
如果相同的词汇跟随您进入您的笔记，术语表才有帮助。大多数偏差发生在电子表格中，而不是文章中，因此在输入第一行数据之前确定术语。
为每个想法选择一个词，并在每一行中使用它。如果一列说“引用”，另一列说“提及”，比较结果看起来会比实际更丰富。
为提及单独设置一列。纯文本中提及的品牌不是引用，将两者计为一个数字会使后续趋势难以读取。
AEO 和 GEO 命名目标。引擎是可以检查的地方。记录每次运行的产品、日期和位置，因为一个目标可以通过非常不同的方式在不同的引擎中实现。
实验列表遵循这一习惯，因此词汇保持与您可以重复的内容相关联。
大多数 AI 可见性数字都是比率。比率的上限容易想象，麻烦隐藏在分母中。在接受百分比之前，请阅读两者。先询问分母，再询问分子。
声量份额通常是采样提示词中答案提及您品牌的比例。其值完全取决于提示词集，因此没有附带提示词列表的数字告诉您的信息非常有限。
两个工具可以为同一品牌报告不同的声量份额，而两者都不一定粗心。样本不同，而样本就是测量本身。
一个实用的检查方法是将分母写入行标题，以便任何阅读电子表格的人都能一目了然。
引用率是采样答案中链接到您域的比例。问题在于分母中应包含什么。完全没有链接的答案在一个工具中可能计入，而在另一个工具中则消失。
比较两个比率时，请检查两者是否使用相同的分母。否则，差距可能来自记账方式，而不是答案的任何变化。
引用通常来自检索。这是系统在撰写答案之前获取材料的步骤。来自该步骤的三个词汇经常出现，且每个都容易被误读。在阅读供应商的架构图之前，请先了解它们。
检索增强生成，通常缩写为 RAG，是一种系统获取文档并将其交给模型，然后再撰写答案的模式。许多带有引用的答案遵循这种模式的某种变体。
并非每个带有链接的答案都是以此方式构建的。模型也可以从记忆中回答，然后附加来源，因此仅凭引用并不能证明使用了哪条路径。
分块是检索系统索引的页面片段。能够独立理解的段落更容易从页面中提取，这也是人们建议段落自包含的原因之一。长度不如段落是否明确提及主题重要。
这条建议是一种推断，而非经过测量的规则。在围绕它重写整个网站之前，请先在自己的页面上进行测试。
大部分重叠。页面仍然需要可抓取、清晰且受信任，Google 表示其 AI 功能遵循正常的搜索指南。GEO 增加了对段落措辞方式以及您在其他何处被提及的关注。声称有独立规则手册的人尚未展示出来。
这是 2024 年 9 月提出的一个提案，旨在通过一个文件引导模型获取您页面的干净版本。我们尚未看到任何主要供应商确认他们使用它。添加一个的成本很低，但不要期望会有明显的变化。
与往常一样：从一个站点到另一个站点的链接。模型是否重视它尚不清楚。链接数据仍然描述站点在网络上的足迹，这就是为什么我们跨引用域名进行比较的原因。
