生成式引擎优化（GEO）是指塑造在线内容，使其更有可能被生成式人工智能系统（如聊天机器人和AI驱动的搜索摘要）呈现、引用或引述的实践，从业者将其定位为传统搜索引擎优化的继承者或配套学科。该术语在2023年由一组学术和行业研究人员发表的论文中正式确立，他们基准测试了哪些内容特征能提高来源在AI生成答案中的可见性，并随着Perplexity等产品以及主流搜索引擎的AI答案功能开始在生成响应中直接引用来源而非仅列出链接，该术语获得了更广泛的商业应用。
搜索引擎优化针对的是人类随后点击的链接列表中的排名位置，而GEO针对的是在AI生成的答案中被选为引用、被引述或被转述，而用户可能永远不会点击该答案。
技术
GEO从业者强调添加清晰的统计数据、直接引语和结构化事实，以便模型能够轻松提取和引用，因为对GEO的研究发现，具有具体、可引述语句的内容被生成式答案系统不成比例地青睐。改进技术可抓取性并提供干净、低噪声的页面结构，包括llms.txt等约定，旨在帮助传统爬虫和AI专用抓取器可靠地解析内容。构建主题权威性和结构化标记呼应了知识图谱和语义网实践中的旧有技术，因为AI系统在选择引用来源时似乎会权衡感知到的权威性。监测各大AI助手中的引用频率也已成为一个新的分析类别，区别于经典的搜索排名跟踪。
与搜索的关系及批评
GEO处于自然语言处理和Semantic search研究及营销实践的交叉点，其兴起反映了人们获取信息方式的更广泛转变，从点击排名链接转向阅读由大型语言模型生成的综合答案。出版商已提出担忧，即AI答案引擎在依赖出版商内容生成答案的同时减少了引荐流量，从而引发了关于补偿和归属的争议。批评者还警告说，广泛的GEO实践可能产生为迎合模型引用偏好而非服务人类读者而优化的内容，这种动态被一些人联系到更广泛的AI垃圾内容问题，即网络被为算法而非受众设计的内容淹没。