领航鲸PilotAI把品牌，领进 AI 的答案GEO 学堂
生成式引擎优化，从这里学起
AI 正在替你的客户做选择。这里是关于 GEO 的方法、指标与实操清单——我们自己也照着做。
数据观测
每期数字直接从我们自己的探测库生成，口径固定，可跨期对比
品牌舆情监控
看这条线的全貌社媒上谁在说你、评论区在骂什么、有没有冲上热榜——AI 口碑的上游
正文是发布者立场，评论区才是民意
视频在夸、评论在骂，只看正文判不出来。本文讲舆情取证为什么必须下钻到评论区，各平台评论能拿到什么、不能拿到什么，以及哪些平台的评论区不能当民意用。
一份事件舆情报告该有什么：五个板块与它们的证据来源
发布会、召回、财报、代言人塌房——事件舆情和常态口碑要回答的问题不同。本文给出事件报告的五个板块、每个板块的数据来自哪一层，以及为什么监测频率该由事件本身决定。
热榜和搜索不能互相替代：舆情监测的三层结构
只看热榜，知道火了却不知道在骂什么；只搜帖子，知道在说什么却不知道是小圈子自嗨还是全网都在看。本文讲热榜层、搜索层、下钻层各回答什么问题，以及热榜为什么不抓就永远没有了。
口碑分是被自己搜崩的：舆情监测的三池关键词模型
用「品牌+投诉」搜出来的帖子必然全是投诉，把它算进口碑分，分数就是自己按出来的。本文讲中性池、负向池、事件池怎么分工，以及每一池该配多少个词。
舆情监测该盯哪些平台：一份按决策链路的取舍清单
平台不是加得越多越好。本文讲怎么按行业与购买决策链路挑监测阵地、定时监测与按需扫描该怎么分工，以及为什么同一个平台在不同任务里的取舍可以不一样。
小红书站内的 AI 也在给你的品牌下判断
小红书搜索结果顶部的 AI 智能卡片，会直接给出品牌榜单、「好用/不好用」的百分比和两个品牌的对比结论。它本质上是一个语料只有小红书笔记的 AI 搜索引擎——而这一层大多数品牌还没在监测。
AI 在说你的坏话吗？品牌 AI 口碑监测指南
用户私下问 AI「XX 怎么样」时，AI 的回答可能是过时信息、对比中的隐性贬低，甚至张冠李戴。本文讲 AI 口碑的三类风险、可执行的监测方法与纠偏流程。
生成式引擎优化
搜索引擎优化｜canonical 是什么：重复地址会怎样
重复地址大多不是故意造出来的，是系统自己长出来的。引擎会从中挑一个代表，问题在于它可能挑得和你想的不一样。这篇讲清 canonical 为什么是建议不是命令，以及三种最常见的自相矛盾配置。
6 个国内 AI 引擎横评：哪个给引用、哪个只给答案
用 3306 条真实回答实测通义千问、豆包、文心一言、DeepSeek、腾讯元宝、Kimi 六个国内 AI 引擎：谁公开引用来源、谁一次给多少条、各自偏爱哪些站点，以及同一个引擎换个入口为什么结果会变。
搜索引擎抓取｜抓取预算是什么：多数网站其实不用管它
抓取预算是被过度传播的一个概念。Google 自己的口径是：绝大多数站点不必关心它。这篇先讲清哪些站真的需要管，再讲它由什么决定、额度被浪费时是什么样子，以及它和 AI 引用旧口径之间的关系。
AI 爬虫是怎么发现你的网站的：三条发现链路和它们的优先级
站点地图提交了、主动推送也做了，AI 爬虫还是不来抓。因为「发现」和「抓取」是两件事。本文用 21 天日志实测拆开三条发现链路，说明为什么外链在 AI 时代反而更重要，以及一份不越线的外链清单。
GEO 服务商怎么选：12 个能当场核实的问题
市面上的 GEO 服务商榜单几乎全是软文，同一个市场规模能差 62 倍。这份清单给出 12 个可以当场问、当场核实的问题，以及每个问题「合格的回答」与「该警惕的话术」分别长什么样。
搜索引擎抓取｜robots.txt 怎么读：一行一行拆给你看
robots.txt 不是权限控制，是一份声明——而且它直到 2022 年才成为正式标准。这篇一行一行拆开它的分组规则与匹配优先级，并讲清那个最常见的陷阱：挡住抓取，等于让引擎永远读不到你的 noindex。
搜索引擎收录｜主动推送与 IndexNow 能做什么，不能做什么
百度 API 提交每天 10 条、超额整批拒绝，IndexNow 一次推完全部返回 202——然后引擎该不来还是不来。用 26 条 URL 的完整实测，说明收录提交解决什么、不解决什么，以及三条通道各自的正确用法。
搜索引擎收录｜收录和排名的区别：怎么查自己卡在哪一关
「收录」和「排名」在日常说话里常混成一个词，实际是两件事，中间还夹着一件很多人没意识到的事——召回。这篇把它们拆开，并给出一套能自己动手查的判据：日志看抓取、站长平台看索引、原话搜索看召回。
搜索引擎入门｜GEO 怎么做：先过五道关
做 GEO 的第一公里不在 AI 那边，在搜索引擎这边。一个网页从躺在你的服务器上，到被 AI 摘进一段答案，中间要过发现、抓取、索引、检索、摘引五道关。每一关在判什么、最常见的误解是什么、过不去时是什么表现。
搜索引擎优化｜结构化数据是什么：给机器读的那一层
结构化数据和页面好不好看没有关系，它是给机器读的那一层。这篇讲清 Schema.org 与 JSON-LD 怎么用、三种最常用的类型，以及一件很多教程还没跟上的事：FAQ 富媒体的路 2023 年就关了，但这一层反而更值得写。
搜索引擎收录｜站点地图（sitemap）有什么用：它不保证收录
站点地图的作用被普遍高估了。它做的只有一件事——告诉引擎「我这儿有这些页」，把地址放进待抓队列。这篇讲清它的格式、lastmod 到底怎么用，以及五个几乎人人都会踩的错法。
AI 爬虫 robots.txt 配置清单：18 个 UA 与一份可直接抄的模板
robots.txt 把 GPTBot 拒了，ChatGPT 就永远引用不到你。本文列出需要放行的 AI 爬虫 UA、三个最常见的误封写法、一份可直接复制的模板和四步自查方法。
品牌事实卡：AI 时代品牌口径的最小单元
AI 在不同信源看到互相矛盾的数字时，倾向于两个都不采信。品牌事实卡是把「你是谁」固化成一份可复制口径的做法。本文给出字段清单、写法示范与四条校准规则。
GEO 效果怎么归因？三条通道和它们各自的边界
发了稿，AI 里有变化吗？本文讲 GEO 归因的三条通道——引用链路、提及率趋势、官网访客来源，各自能证明什么、不能证明什么，以及哪些引擎根本无法归因。
黑帽 GEO 的三条红线：为什么刷量这条路正在关闭
批量伪造稿件、关键词堆砌、AI 投毒——这些做法短期看有效，长期是负资产。本文用实验数据和平台官方政策，说清三条红线各自的失效机制与替代做法。
出海品牌的 GEO:海外引擎和国内是两套打法
ChatGPT、Gemini、Perplexity、Grok 的信源结构与国内引擎差别极大。本文讲海外 GEO 的四个结构性差异、题库与内容的本地化要求，以及一份实测的海外信源观察。
竞品霸占了 AI 的答案怎么办？声量份额(SOV)反超打法
用户问「哪家好」，AI 张口全是竞品。本文用声量份额(SOV)拆解差距来源，给出一条有实测数据支撑的 90 天反超路线，并纠正一个流传很广的长尾词误区。
中小企业要不要做 GEO?一份带成本账的判断清单
不是所有企业都要立刻投入 GEO。本文用三个判断问题、一张实测数据表和一笔完整成本账，帮中小企业老板判断该不该做、先做哪一步。
llms.txt 有用吗？让 AI 读懂你官网的三件套(附 Google 官方口径)
llms.txt、结构化数据、可见事实块——三个成本极低的官网改造。本文附上 Google 官方对「AI 文本文件」的明确表态，说清哪些是硬指标、哪些只是做了不亏。
AI 可见度评分怎么算？四个维度与提分路径
AI 可见度评分(AI Visibility Score)把「AI 怎么看你的品牌」变成一个 0-100 的可追踪分数。本文公开四个维度的权重、统计口径、常见误读，以及每个维度对应的提分动作。
本地生意的 GEO:让 AI 把客人带到你的门店
「附近哪家火锅好吃」「杭州靠谱的离婚律师」——这类本地问题正在被 AI 大量回答。本文讲餐饮、门店、律所、诊所做 GEO 的特殊打法、题库设计与自查清单。
让品牌进入 AI 答案的 5 个实操步骤
从基线探测到内容投放再到效果复盘，一份可以直接照做的 GEO 落地清单：每一步的做法、判断标准、常见错误，以及各步骤的实测参考数据。
怎样写出 AI 愿意引用的内容？可引用性的 6 个要素
同样一篇品牌稿，有的被 AI 反复引用，有的永远进不了答案。差别在「可引用性」。本文给出 6 个有实证支持的要素与可直接套用的自查清单。
AI 引擎最爱引用哪些平台？11 个引擎的信源实测
豆包、通义、文心、DeepSeek 回答问题时到底在引用谁？本文用 3490 条真实引用记录，给出每个引擎的 Top 信源、跨引擎通吃站点清单，以及内容该发在哪里的判断方法。
AI 为什么推荐某些品牌？拆解大模型回答的信源机制
豆包、DeepSeek、通义千问推荐品牌时，答案从哪来？本文用 564 条真实回答、3500+ 条引用的实测数据，拆解 AI 引擎的两条知识通路，以及品牌分别该怎么影响它们。
什么是 GEO(生成式引擎优化)？和 SEO 有什么区别
GEO(Generative Engine Optimization)是让品牌出现在豆包、DeepSeek、通义千问等 AI 引擎回答里的优化方法。本文讲清定义、与 SEO 的区别、有实证支持的做法，以及企业为什么现在就要开始。