基礎概念
| 術語 | 定義 |
|---|---|
| GEO（生成式引擎優化） | 讓品牌被 AI 問答引擎找到、理解並引用的方法體系。詳見什麼是 GEO。 |
| AIEO | AI 引擎優化，GEO 的同義表述，強調優化對象是 AI 引擎而非傳統搜尋結果列表。 |
| 直接答案 | 頁面開頭對標題問題的簡明回答，通常 40–80 字加粗呈現，是 AI 摘引的首選單元。 |
| 答案塊 | 可獨立成立、可被整段引用的內容單元：定義句、編號清單、對比表、帶來源的數據陳述。 |
| 可摘引性 | 內容脫離上下文仍能獨立成立、可被 AI 整段搬用的性質。 |
| 問題簇 | 圍繞同一購買意圖的一組相關問題；內容要覆蓋整個簇而非單一關鍵字。 |
| 零點擊搜尋 | 用戶在答案頁面獲得滿足、不點擊任何連結的搜尋會話；2026 年約占 68%（Ahrefs）。 |
引擎機制
| 術語 | 定義 |
|---|---|
| AI Overview | Google 搜尋結果頁頂部的 AI 生成答案區，月活 25 億+（Alphabet 2026 Q2）。詳見深度解析。 |
| AI Mode | Google 的對話式 AI 搜尋介面，I/O 2026 宣布與 AI Overviews 合併。 |
| query fan-out | 引擎把複雜問題拆成多個子查詢並行檢索再合成答案的機制，Google 對此的公開稱呼。 |
| 落地驗證（Grounding） | 四段流水線第二關：引擎對候選內容做跨信源事實核對，不一致的實體被降權。 |
| 引用（Citation） | AI 答案中指向來源頁面的連結或標註，是最稀缺的能見度資源。 |
| 幻覺 | AI 生成與事實不符內容的現象；品牌側的應對是建檔追蹤並從信源端糾正。 |
| RAG（檢索增強生成） | 先檢索外部資料再生成答案的技術路線，主流 AI 問答引擎的共同架構。 |
技術實現
| 術語 | 定義 |
|---|---|
| 結構化資料 | 以 Schema.org 詞表（JSON-LD 格式）標註頁面事實，讓機器直接解析。詳見技術實現。 |
| sameAs | Schema 屬性，聲明實體在其他平台的官方檔案頁，用於跨站錨定身份。 |
| alternateName | Schema 屬性，聲明實體的別名與多語言名稱。 |
| NAP | 名稱（Name）、地址（Address）、電話（Phone）的合稱，本地實體一致性的最小檢查集。 |
| hreflang | 聲明多語言頁面對應關係的標註，避免跨語言重複內容判定。 |
| llms.txt | 放在網站根目錄的 Markdown 站點導覽，告訴 AI 爬蟲核心內容在哪。詳見完整指南。 |
| robots.txt | 爬蟲訪問控制文件，可對 GPTBot、OAI-SearchBot、ClaudeBot 等分別設定。 |
| IndexNow | 內容更新主動推送協議，可加速 Bing 等引擎的收錄。 |
| 實體 | AI 理解世界的基本單位：有名字、屬性與關係的對象（品牌、產品、人物）。 |
| 知識圖譜 | 引擎維護的實體關係資料庫，是落地驗證的高權重參照。 |
| 信源圖譜 | 品類 AI 答案實際引用的第三方域名清單及品牌進入這些信源的過程。詳見信源圖譜。 |
測量與驗收
| 術語 | 定義 |
|---|---|
| 能見度 | 四維標準之一：問題集中品牌被 AI 答案提及的比例（0–100 分）。 |
| 引用率 | 四維標準之一：品牌域名被 AI 答案引用的頻率與位次品質（0–100 分）。 |
| 語意覆蓋 | 四維標準之一：品牌出現的問題簇占品類完整問題矩陣的比例（0–100 分）。 |
| 品牌認知 | 四維標準之一：AI 對品牌描述的事實準確性、情感與跨引擎一致性（0–100 分）。 |
| 基線／複測 | 優化前的首次四維測量與干預後的同口徑重測，構成可驗收的證據閉環。 |
| 90 天 POC | 標準驗證結構：第 1 週基線、第 2–10 週干預、第 12 週複測，以四維分數變化驗收。 |
常見問題
這些術語有行業統一定義嗎？
GEO 是年輕的行業，術語口徑仍在收斂。本表是本站百科的統一用法，與主流行業文獻基本一致；引用時建議註明出處以減少歧義。
術語表會更新嗎？
會。新機制（如新的爬蟲協議、新的引擎介面）出現並經驗證後會補充進表，頁面標註更新日期。