论文与参考文献
GEO: Generative Engine Optimization
Section titled “GEO: Generative Engine Optimization”- 作者：Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande
- 机构：Princeton University、IIT Delhi、Adobe Research
- 会议：KDD 2024 (ACM SIGKDD)
- 链接：arXiv:2311.09735
- 摘要：首个针对生成式搜索引擎内容可见性优化的学术框架。在 10,000 个查询上测试了 9 种优化策略。核心发现：添加统计数据可将可见性提升 +115.1%。
- 详细摘要 →
llms.txt 提案
Section titled “llms.txt 提案”- 作者：Jeremy Howard
- 链接：llmstxt.org
- 摘要：一项标准化文件提案，用于向 LLM 提供网站相关信息。类似于 robots.txt，但设计目标是供 AI 消费而非爬虫控制。
行业报告与指南
Section titled “行业报告与指南”Microsoft：面向 AI 搜索的内容优化
Section titled “Microsoft：面向 AI 搜索的内容优化”- 发布方：Microsoft（Bing Webmaster Blog）
- 日期：2025 年 10 月
- 摘要：官方指南，提出了 AI 内容优化的 3 项原则：结构化、权威性和时效性。
- 详细摘要 →
Ahrefs：网络提及 vs 反向链接对 AI 可见性的影响
Section titled “Ahrefs：网络提及 vs 反向链接对 AI 可见性的影响”- 发布方：Ahrefs
- 数据集：75,000 个品牌
- 摘要：网络提及（品牌 + 关键词）对 AI 可见性的预测力是传统反向链接的 3 倍。
Gartner：搜索的未来
Section titled “Gartner：搜索的未来”- 发布方：Gartner
- 日期：2024 年 2 月
- 摘要：预测到 2026 年，传统搜索引擎的使用量将下降 25%，因为用户正在转向 AI 驱动的替代方案。
Go Fish Digital：AI 搜索转化率
Section titled “Go Fish Digital：AI 搜索转化率”- 发布方：Go Fish Digital
- 摘要：由于用户意图经过预验证，AI 搜索流量的转化率是传统搜索流量的 25 倍。
Schema.org 结构化数据
Section titled “Schema.org 结构化数据”- URL：schema.org
- 相关性：LLMO 组件 2（结构化格式）中 JSON-LD 结构化数据实施所使用的标准词汇表。
Google 结构化数据文档
Section titled “Google 结构化数据文档”- URL：developers.google.com/search/docs/appearance/structured-data
- 相关性：搜索引擎和 AI 系统均可识别的结构化数据实施指南。
有相关论文或报告推荐？欢迎提交 Issue 或发起 Pull Request 将其添加到此列表。