研究主題頁 · GEO
GEO 生成式引擎最佳化AI 回答裡，
有沒有你？
GEO（Generative Engine Optimization，生成式引擎最佳化）是針對 AI 回答中的品牌呈現與來源引用所做的內容改善，涵蓋網站資訊、可核對來源與外部資料的一致性。
這裡整理檢索原理、MCAC 觀測方法與引用查證，分開看品牌被提及、網頁被引用，以及資訊是否正確。
01
GEO 閱讀指南
從檢索原理到實際觀測，再看流量與引用來源。
- 行銷成長
從向量到引用：GEO 背後的語義檢索邏輯
理解語義檢索如何找出候選內容，以及被找回與被引用的差別。
- 研究報告
AI 搜尋時代的檢索機制報告
用台北牛肉麵店的觀測，分開看品牌提及、引用來源與資訊正確性。
- 行銷成長
從 Referral 到 AI Assistant：GA4 如何重新定義 AI 時代的流量來源
辨認 AI 帶來的造訪，釐清流量報表看不到的回答曝光。
- 研究報告
當 AI 開始引用 AI 生成的文章，網路知識會發生什麼事？
沿引用來源追查證據，理解 AI 生成內容如何進入知識傳播。
延伸閱讀：AI 如何比較品牌：從檢索到推薦排序。
02
MCAC 四項檢查
MCAC 是 LS-Labs 的診斷框架，不是 GEO 的通用評分標準，也不是搜尋平台的排名標準。它把 GEO 的成效拆成品牌提及、來源引用、資訊正確性與行動承接度四項，分開記錄、不能加總成一個品牌總分，才分得出問題出在被提到、被引用、說得對，還是回答裡沒有下一步。完整定義見名詞解釋〈MCAC〉，量測方式與樣本見〈AI 搜尋時代的檢索機制報告〉。
- 01
品牌提及 Mention
回答裡，有沒有你？
先確認它說的是哪個品牌，再看你出現在推薦、比較還是批評。提問已經帶品牌名稱的結果，要分開記。
- 02
來源引用 Citation
它連到哪一頁？
記下回答附上的連結、註腳或來源清單，並核對來源是否支持那句話。品牌被提到，不代表你的網站被引用；看得到的引用，也不是模型用過的全部資料。
- 03
資訊正確性 Accuracy
它有沒有把你的資訊說錯？
把地址、電話、價格這些事實對回有效資料。正確、錯誤、未提供與無法核對，要分開記錄。
- 04
行動承接度 Conversion-readiness
回答有沒有給出下一步？
只看回答有沒有提供電話、網址或地址這類下一步，不代表使用者已經聯絡、訂位或交易。
03
一則餐廳回答的檢查範例
同一則餐廳回答，依 MCAC 四項各檢查一次。切換下面四個狀態，依序看餐廳 A 有沒有被提到、附了什麼來源、說得對不對，以及回答有沒有提供下一步。
使用者問「今晚 19:00，幫兩位找一家餐廳並訂位。」
回答裡出現你的名字
可以看看餐廳 A，適合兩人晚餐；訂位前先確認今晚有沒有空位。
回答中出現了餐廳名稱
怎麼檢查名字出現一次，算一次品牌提及。接著看它被放在推薦、比較還是其他脈絡，以及回答附了哪些連結。
回答引用的來源
餐廳 A 提供線上訂位。來源
怎麼檢查點開回答附的來源，確認資訊來自官網、媒體還是目錄頁。被提到的品牌，不一定是被引用的網站。
來源要能支持回答的內容
缺少證據：即時空位
怎麼檢查營業資訊回答得了幾點開門，回答不了今晚有沒有位子。即時空位要查訂位系統，回答直接斷言就缺少證據。
回答有沒有提供下一步
餐廳 A 提供線上訂位，也可以來電詢問。
回答附上了訂位頁與來電入口
怎麼檢查只看回答有沒有提供電話、網址或地址這類下一步。有入口，不代表讀者真的訂了位。
AI 是怎麼挑出這些來源的？看圖解 ↓
04
AI 怎麼用向量比對內容
向量檢索可以用文字向量的相似度尋找候選內容。下圖是二維教學模型：用「講訂位」與「講餐廳故事」兩條軸說明方向和夾角；角度與名次均為示意設定，不是 Google 或其他 AI 平台的實測排名。
你的頁面這樣寫
「主廚在東京學藝十年，回台後用老木料親手打造這間店，希望每位客人都吃得到家的味道。」
「主廚在東京學藝十年，店內只有二十個座位。想來用餐，歡迎來電詢問。」
「晚餐 17:30 至 21:30，每 30 分鐘一個時段。兩位以上可在官網線上訂位，畫面會顯示當晚還有哪些空位。」
方向差異較大：在這組設定中，相似度較低。
模型內第 4，未進入前 2 個候選。
- A 訂位平台的店家頁0.990
- B 美食部落客食記0.866
- C 雜誌主廚專訪0.574
- d 你的頁面0.469
這個模型只比較設定好的方向。實際檢索還會受到查詢、索引與排序方式影響；被取回的內容，也不一定成為答案的引用來源。
cos θ = (q · d) / (‖q‖ ‖d‖)，夾角 0° 時為 1，90° 時為 0
- 01
文字變成箭頭
Embedding 模型把問題和每段內容換成一串數字，也就是一支有方向的箭。意思相近的文字，箭頭指向也相近。
- 02
比對夾角並取回前幾名
在這個模型中，依 cos θ 排序並取回前兩段。實際系統的相似度算法與候選數，依實作而異。
- 03
用候選段落寫答案
候選內容還需要經過後續選材與回答生成。清楚的條件、數字與來源有助於讀者核對內容，但不能保證被引用。
05
常見問題
GEO 是誰提出的？
GEO 的學術命名來自 Aggarwal 等人的〈GEO: Generative Engine Optimization〉。預印本在 2023 年 11 月公開，後來獲 KDD 2024 接受，提出內容最佳化與可見度評估框架。
GEO 和 SEO 有什麼不同？做了 SEO 還需要 GEO 嗎？
SEO 看搜尋結果的排名與點擊，GEO 看 AI 回答裡有沒有提到你、引用你的網頁，並把資訊說對。依 Google Search Central 的說明，網頁要出現在 Google 的 AI 功能裡，得先能被索引、能顯示摘要，所以 SEO 的基本功仍是前提；但回答裡有沒有你、說得對不對，要另外檢查。
AI 提到品牌，就代表引用了官網嗎？
要看回答附上的連結。品牌名稱可能出現在回答裡，引用來源則來自官網、媒體、目錄或其他網站。
MCAC 是什麼，和 GEO 有什麼關係？
MCAC 是 LS-Labs 的診斷框架，把 GEO 的成效拆成品牌提及、來源引用、資訊正確性與行動承接度四項。它是本站的診斷做法，不是 GEO 的通用評分標準。
改了內容之後，怎麼知道有沒有用？
固定問題與判定規則，保留平台、模型、日期、完整回答和來源，並重複觀察。不同問題、平台與時間可能得到不同回答，所以一次被提到，不能證明改寫有效。
可以把 MCAC 四項加成一個分數嗎？
不行。四項衡量的是不同的事，要分項比較。把不同問題的結果加成一個通用品牌分數，會看不出問題出在提及、引用、正確性還是下一步。
沒有官網，還能出現在 AI 回答裡嗎？
能。在 LS-Labs 對台北六家牛肉麵店的觀測樣本中，沒有官網的商家也被 AI 提及，可見來源包括商家檔案、食記與評論。官網是商家自己能維護的第一方資訊入口，但這不證明官網會讓答案更正確。
06
四個研究主題的關係
GEO 看自然回答裡的提及與引用，TSO 看代理人選用哪個工具，AX 看任務能不能完成，AI 廣告看回答下方的付費版位怎麼配對與轉換。四者處理相鄰的問題，可依內容交叉閱讀。
