这个领域的词，
一句话说清。

GEO

生成式引擎优化，Generative Engine Optimization

GEO 是让品牌在 AI 生成的回答里被提到、被推荐、被引用的一套工作方法。它的对象是答案引擎给出的回答，而不是搜索结果页的排名。

和 SEO 的关键区别在于结果的形态。搜索引擎返回一列链接，用户自己挑；答案引擎直接给出一段结论，多数用户不会再往下核对。所以在 GEO 里，「有没有出现在这段结论里」比「排在第几条链接」更接近生意。

也正因为回答是生成的，同一个问题的两次回答可以不同。任何 GEO 的结论都必须带样本量，否则它描述的可能只是一次偶然。

AEO

答案引擎优化，Answer Engine Optimization

AEO 是让内容更容易被答案引擎直接采用为答案的做法，重点在内容结构：一个明确的问题、一句完整的直接回答、可核对的事实。

AEO 与 GEO 在实践中大量重叠，差别是侧重点。AEO 说的是内容怎么写，GEO 还包括测量、竞品对照和信源分布。

答案引擎

Answer Engine

答案引擎是直接给出答案而不是给出链接列表的系统，例如豆包、DeepSeek、ChatGPT 这类产品，以及搜索结果页顶部的 AI 摘要。

我们不用「AI 搜索」这个说法。有的答案引擎会联网检索，有的完全依赖模型内部的知识，两者对品牌的影响路径不同，混为一谈会让结论失焦。

AI 可见度

AI 可见度是在一组有代表性的提问下，答案引擎的回答里出现某个品牌的程度，通常用提及率、推荐率和声量占比一起描述。

单独一个百分比不足以描述可见度，因为它取决于问了什么、问了几次、问的是哪个引擎。所以一份可见度报告至少要写明提问集、样本量和引擎范围。

提及与引用的区别

提及是回答的正文里出现了这个品牌；引用是回答标注了它参考的网页来源。一次回答可以提到你而不引用你的网站，也可以引用你的网站却不提你的品牌名。

两者要分开统计。提及关系到用户看到了什么，引用关系到这段回答的依据来自谁的内容，能改进的动作也不一样。

还要再分一层：有的引擎给出回答实际采信的逐条来源，有的只给出这次检索取回的网页集合。后者不能当成前者用。

样本量

n

样本量是一个指标背后的观测次数，也就是分母。因为答案引擎的回答是非确定性的，任何比率脱离样本量都无法判断可信度。

举例：提及率 40% 在 5 个样本上意味着两次提到，换一天再问很可能变成 20%；在 200 个样本上它是一个稳定的结论。

Caudal 在界面上给每个数字印出样本量，样本量低于 30 时显式标注低置信。分母为零时显示「数据不足」，不显示 0%。