geo-review

GEO 评审

评估你的应用和内容针对 AI 驱动的搜索与问答引擎的优化程度，包括 ChatGPT、Perplexity、Google AI Overviews、Claude，以及其他会引用网络来源的生成式 AI 系统。传统 SEO 帮你在链接列表中获得排名；GEO 则让你被 AI 生成的答案引用。

适用场景

在以下情况使用 /geo-review：

• 用户会通过 AI 助手发现你的产品（开发者工具、SaaS、API）
• 你希望出现在 Google AI Overviews 中
• 用户会向 AI 提问“什么是适合 Y 的最佳 X？”来寻找你的产品
• 你发布文档、指南或教育内容
• 你的竞争对手出现在 AI 答案中，而你没有
• 你正在打造值得 AI 引用的思想领导力内容
• 你正在推出一款重视 AI 驱动发现的新产品

GEO 为何在当下如此重要

• 40% 的 Z 世代使用 TikTok 和 AI 聊天机器人代替 Google 搜索（Adobe，2024）
• Google AI Overviews 现在出现在约 30% 的搜索查询中，将传统搜索结果挤到首屏以下
• Perplexity 每月处理 1 亿次以上查询，并在每个答案中引用网络来源
• 支持浏览和搜索的 ChatGPT 正逐渐成为主要的研究工具
• AI 系统不会对链接排名，而是依据不同于传统 SEO 的信号筛选并引用来源
• 成为 AI 引用的来源，就是新的“排名第 1”

参考标准与框架

• GEO 研究（Georgia Tech / Princeton / IIT Delhi，2024）——“GEO：生成式引擎优化”
• Google E-E-A-T——经验、专业知识、权威性、可信度
• Schema.org——用于实体理解的结构化数据
• llms.txt——新兴的 AI 爬虫指令标准（类似于面向大模型的 robots.txt）
• 检索增强生成（RAG）——AI 系统获取和引用内容的方式

阶段概览

Phase 1: EDUCATE   → How AI search works differently from traditional search
Phase 2: SCOPE     → Identify content types, target queries, AI visibility goals
Phase 3: ANALYZE   → Content analysis + browser-based AI search validation
Phase 4: REPORT    → Findings with citation gap analysis and confidence scores
Phase 5: REMEDIATE → Fix guidance + YAML regression tests

---

阶段 1：了解

AI 搜索有何不同：传统搜索引擎会抓取、索引网页，并根据相关性信号（反向链接、关键词、权威性）进行排名。AI 问答引擎的做法则截然不同：它们会检索内容、理解其语义，并筛选最值得引用的来源来综合生成答案。你的内容需要清晰、具体、权威，并能直接回答问题，才有机会被选中。

关键见解：AI 系统倾向于选择包含具体、可验证的主张和支持证据的内容。含糊的营销文案会被忽略；包含数据、比较信息和清晰结构的具体陈述更容易被引用。

---

阶段 2：确定范围

收集背景信息

1. 从代码库/内容中自动识别：

   • 内容页面（文档、博客、落地页、关于页面、定价页面、常见问题）
   • 现有结构化数据（JSON-LD、Schema.org）
   • 内容管理方式（静态、CMS、MDX 等）
   • 是否存在 llms.txt
   • 站点地图和内容组织方式
   • 作者/专业知识信号
   • 发布日期和内容新鲜度信号

2. 向用户提问（一次一个问题）：

   • 产品类型：你的产品/网站是做什么的？（用于了解 AI 查询背景）
   • 目标 URL：内容发布在哪里？
   • 目标 AI 查询：你希望 AI 用你的内容回答哪些问题？（例如：“适合初创公司的最佳 CI/CD 工具”“如何在 Node.js 中实现 OAuth”）
   • 竞争对手：AI 回答这些查询时还会提到谁？（可选，但很有价值）
   • 内容目标：文档？思想领导力？产品发现？以上全部？

3. 梳理内容版图：

   • 关键内容页面及其用途
   • 每个页面应满足的目标查询
   • 当前的 AI 引用情况（在 ChatGPT/Perplexity 中测试几个查询）
   • 与竞争对手相比的内容缺口

---

阶段 3：分析

使用 new_session 开启浏览器会话，并设置 record_evidence: true。运行所有适用的检查类别。

类别 A：内容的引用价值（CITE）

检查 ID	检查项	原则	方法
CITE-01	内容包含具体、可验证的主张	GEO 研究	扫描页面，查找包含数据或数字的具体陈述
CITE-02	内容包含统计数据和原始数据	GEO 研究	检查是否有独特数字、基准数据和研究发现
CITE-03	内容直接回答目标查询	RAG 检索	将内容与目标查询进行匹配——是否包含直接答案？
CITE-04	主张有支持性证据或引用	E-E-A-T	检查是否有来源引用、链接和数据出处
CITE-05	内容具体（而非泛泛而谈或含糊不清）	GEO 研究	分析内容是否具体，还是充斥营销套话
CITE-06	存在对比内容（与其他方案对比）	AI 偏好	检查是否有 AI 可引用的“X 与 Y”对比或对比表格
CITE-07	内容包含清晰、可引用的总结句	引用格式	检查关键段落是否以可引用的主张开头
CITE-08	观点或数据独特（而非重复转述）	E-E-A-T	评估原创性——内容是否提供了 AI 无法自行综合得出的新信息？
CITE-09	内容展现亲身经验	E-E-A-T（经验）	检查是否有案例研究、个人经验和真实示例
CITE-10	技术准确且深入	E-E-A-T（专业性）	评估内容是否超越表面层次

浏览器验证： 导航至内容页面。提取文本内容。分析主张密度、统计数据和可引用陈述。将内容与目标查询进行比较，检查是否能直接匹配答案。

类别 B：面向 AI 检索的内容结构（STRUCT）

检查 ID	检查项	原则	方法
STRUCT-01	清晰的标题层级对应各类问题	RAG 分块	检查 H2/H3 标题是否采用问题形式或清晰指明主题
STRUCT-02	FAQ 部分采用直接问答格式	AI 偏好	检查是否有 FAQ 部分和问答对
STRUCT-03	定义或解释段落开门见山地给出答案	检索	检查段落是否在开头先给出关键主张（倒金字塔结构）
STRUCT-04	包含表格和结构化对比	AI 偏好	检查是否有标题清晰的 HTML 表格
STRUCT-05	内容分块为易于理解的小节（300-500 个词）	RAG 分块	测量各标题之间的小节长度
STRUCT-06	多点信息采用列表形式	AI 偏好	检查多步骤或多条目内容是否使用有序或无序列表
STRUCT-07	代码示例完整且可运行（适用于技术内容）	开发者体验	检查代码块是否完整并标注语言
STRUCT-08	长篇内容开头包含 TL;DR 或摘要	检索	检查是否有执行摘要或要点总结部分

浏览器验证： 提取标题结构，统计 FAQ 模式，测量小节长度，并通过 DOM 检查表格和列表。

类别 C：权威性与信任信号（AUTH）

检查 ID	检查项	原则	方法
AUTH-01	作者信息完整（姓名、简介、资历）	E-E-A-T	检查作者署名和关于页面
AUTH-02	组织／品牌身份清晰	实体识别	检查关于页面和品牌形象是否一致
AUTH-03	发布和更新日期清晰可见	时效性	检查内容页面的日期元数据
AUTH-04	引用了来源和参考资料	E-E-A-T	检查是否有指向权威来源的外部链接
AUTH-05	有客户评价／社会认同	信任	检查客户评价、徽标和案例研究
AUTH-06	提供专业联系信息	信任	检查联系页面、实际地址和支持渠道
AUTH-07	内容近期更新（过去 12 个月内）	时效性	检查发布日期／更新日期
AUTH-08	域名权威性指标（网站已建立）	E-E-A-T	检查网站历史、关于页面内容深度和团队页面

**浏览器验证：**访问内容页面、关于页面和作者页面。提取日期、作者信息和引用链接。

类别 D：AI 技术可发现性（TECH）

检查 ID	检查项	原则	方法
TECH-01	网站根目录中存在 llms.txt	AI 爬虫标准	获取 /llms.txt，检查格式和内容
TECH-02	存在包含详细内容的 llms-full.txt（如适用）	AI 爬虫标准	获取 /llms-full.txt
TECH-03	JSON-LD 结构化数据包含丰富的实体信息	Schema.org	检查 Organization、Product、Article、FAQ 架构
TECH-04	无需 JavaScript 即可访问内容	RAG 爬取	禁用 JS，检查内容是否能正常呈现
TECH-05	HTML 清晰且语义明确（不是框架代码堆砌）	可爬取性	检查有意义的标签，而非充斥 div 的 DOM
TECH-06	robots.txt 允许 AI 爬虫抓取	可发现性	检查 GPTBot、ClaudeBot、PerplexityBot、Bingbot 规则
TECH-07	站点地图包含带有 lastmod 的内容页面	可发现性	检查站点地图中的内容页面和日期
TECH-08	Open Graph 标签有助于 AI 理解内容	社交 + AI	检查 OG 标签是否准确描述内容
TECH-09	API 文档可供机器读取（如适用）	开发者 GEO	检查 OpenAPI 规范和 API 参考文档格式
TECH-10	内容不受身份验证限制	RAG 访问	确认关键内容可公开访问

**浏览器验证：**获取 llms.txt，检查 robots.txt 中的 AI 机器人规则，验证 SSR 内容，检查结构化数据。

类别 E：实体与品牌清晰度（ENTITY）

检查 ID	检查项	原则	方法
ENTITY-01	产品／品牌名称使用一致	实体识别	检查各页面中的名称是否一致
ENTITY-02	明确声明产品类别	AI 分类	检查内容是否明确表述“X 是一种［类别］”
ENTITY-03	清晰说明关键功能／差异化优势	AI 比较	检查功能列表和独特价值主张
ENTITY-04	具体描述用例	AI 推荐	检查是否有“最适合［具体用例］”等表述
ENTITY-05	定价／套餐信息结构清晰	AI 推荐	检查定价页面是否提供清晰、结构化的套餐
ENTITY-06	提供集成／兼容性信息	AI 推荐	检查是否有“可与 X 配合使用”之类的信息或集成页面
ENTITY-07	对竞争对手的差异化描述基于事实	AI 比较	检查比较内容是否包含事实性（而非仅营销性）声明
ENTITY-08	明确指定行业／垂直领域目标	AI 分类	检查内容是否面向特定行业／角色

**浏览器验证：**访问关键页面并提取产品定位、功能列表、用例和定价结构。检查是否有清晰说明实体身份的陈述。

类别 F：AI 引用测试（TEST）

此类别是 GEO 独有的，用于测试实际的 AI 可见度。

检查 ID	检查项	方法
TEST-01	在 Perplexity 中测试目标查询	访问 perplexity.ai，搜索目标查询，检查是否引用了你的网站
TEST-02	在 ChatGPT 中测试目标查询（如果支持浏览）	通过 ChatGPT 搜索，检查引用
TEST-03	在 Google 中测试目标查询（检查 AI Overview）	在 Google 中搜索，检查 AI Overview 是否引用了你的内容
TEST-04	对比你与竞争对手的引用频率	统计你和主要竞争对手在各查询中的引用次数
TEST-05	分析实际被引用的内容（来自竞争对手）	研究被引用内容的格式、结构和主张

浏览器验证： 使用 new_session 访问 Perplexity 和 Google。搜索目标查询。截取结果。检查是否引用了用户的域名。这可以提供当前 AI 可见度的真实证据。

重要提示： TEST 类别的结果是确凿依据——它们能显示你的内容是否确实被引用，无论其他类别得出的结论如何。

---

第 4 阶段：报告

生成结构化报告并保存到 shiplight/reports/geo-review-{date}.md：

# GEO Review Report
**Date:** {date}
**URL:** {url}
**Product type:** {description}
**Target AI queries tested:** {list}

## Overall GEO Score: {X}/10 | Confidence: {X}%

## Score Breakdown
| Category | Score | Findings |
|----------|-------|----------|
| Citation-Worthiness (CITE) | 5/10 | 2 high, 2 medium |
| Content Structure (STRUCT) | 6/10 | 1 high, 2 medium |
| Authority Signals (AUTH) | 7/10 | 1 medium |
| Technical Discoverability (TECH) | 4/10 | 1 critical, 2 high |
| Entity Clarity (ENTITY) | 5/10 | 2 high |
| AI Citation Testing (TEST) | 3/10 | Not cited in 4/5 target queries |

## AI Citation Status
| Target Query | Perplexity | Google AI Overview | Cited? | Competitor Cited? |
|-------------|------------|-------------------|--------|------------------|
| "best X for Y" | Not cited | Not in overview | ❌ | CompetitorA: ✅ |
| "how to do Z" | Cited (#3 source) | Cited | ✅ | CompetitorB: ✅ |
| ... | | | | |

## Citation Gap Analysis
What competitors' cited content has that yours doesn't:
- Specific performance benchmarks (CompetitorA cites "40% faster than...")
- Comparison tables (CompetitorB has detailed feature matrices)
- Direct answer paragraphs (CompetitorA leads sections with the conclusion)

## Findings
(structured findings with evidence and priority)

可信度评分

• 90-100%：通过实时 AI 搜索验证——内容已被引用或未被引用（TEST 类别）
• 70-89%：有力的结构性证据——内容具备或缺少值得引用的特征
• 50-69%：对内容质量信号进行启发式评估
• 低于 50%：不要报告

---

第 5 阶段：修正

1. 修复指导（示例）

#### CITE-01: Landing page lacks specific, verifiable claims
**Impact:** AI systems skip vague marketing copy — your landing page is invisible to AI answers
**Current:** "We're the fastest platform for modern teams"
**Fix:** Add specific, citable claims:
- "Deploys complete in 47 seconds on average (based on 10,000 deployments in Q4 2025)"
- "Used by 2,300 companies including [notable names]"
- "Reduces CI/CD pipeline time by 62% compared to Jenkins (internal benchmark, Jan 2026)"
**Principle:** AI cites facts, not adjectives. Every claim should be verifiable.

#### TECH-01: No llms.txt present
**Impact:** AI crawlers have no guidance on how to understand your site
**Fix:** Create /llms.txt at site root:

# [Your Product Name]

> One-sentence description of what your product does.

## Docs
- [Getting Started](/docs/getting-started): How to set up and configure [Product]
- [API Reference](/docs/api): Complete API documentation
- [Guides](/docs/guides): Step-by-step tutorials

## Key Pages
- [Pricing](/pricing): Plans and pricing
- [Changelog](/changelog): Recent updates and releases
- [About](/about): Company and team information

Also create /llms-full.txt with expanded content for deeper AI understanding.

2. YAML 回归测试

- name: tech-01-llms-txt-present
  description: Verify llms.txt exists and is properly formatted
  severity: high
  standard: llms-txt-standard
  steps:
    - URL: /llms.txt
    - VERIFY: The page loads successfully and contains structured information about the site
    - description: Assert llms.txt is present and uses markdown headings
      js: |
        const content = await page.textContent('body');
        if (!content || content.trim().length < 50) {
          throw new Error('llms.txt is missing or too short');
        }
        if (!content.includes('#')) {
          throw new Error('llms.txt should use markdown heading structure');
        }
        console.log(`llms.txt found (${content.length} chars)`);

- name: tech-06-ai-crawlers-allowed
  description: Verify robots.txt allows AI search crawlers
  severity: high
  standard: AI-Discoverability
  steps:
    - URL: /robots.txt
    - description: Assert robots.txt does not block AI crawlers
      js: |
        const content = await page.textContent('body');
        const blockedBots = ['GPTBot', 'ClaudeBot', 'PerplexityBot', 'Google-Extended'];
        const blocked = blockedBots.filter(bot => {
          const pattern = new RegExp(`User-agent:\\s*${bot}[\\s\\S]*?Disallow:\\s*/`, 'i');
          return pattern.test(content);
        });
        if (blocked.length > 0) {
          throw new Error(`AI crawlers blocked in robots.txt: ${blocked.join(', ')}`);
        }
        console.log('All major AI crawlers are allowed');
    - VERIFY: robots.txt does not block major AI search engine crawlers

- name: cite-01-specific-claims-present
  description: Verify key pages contain specific, citable claims with data
  severity: high
  standard: GEO-Citation-Worthiness
  steps:
    - URL: /
    - description: Assert the landing page has citable statistics
      js: |
        const text = await page.textContent('main') || await page.textContent('body');
        // Check for specific numbers/statistics
        const hasNumbers = /\d+[%xX]|\$[\d,.]+|\d{1,3}(,\d{3})+|\d+\s*(users|customers|companies|teams|downloads)/i.test(text);
        if (!hasNumbers) {
          throw new Error('Landing page lacks specific statistics or data points that AI can cite');
        }
        console.log('Found specific, citable claims with data');
    - VERIFY: Landing page contains specific statistics, benchmarks, or verifiable data points

将所有 YAML 测试保存到 shiplight/tests/geo-review.test.yaml。

---

深度级别

• --quick：llms.txt 检查 + robots.txt AI 爬虫检查 + 落地页主张分析。约 2 分钟。
• 默认：所有内容类别 + 在 Perplexity 中测试 3 个目标查询。约 10-15 分钟。
• --thorough：所有类别 + 在多个引擎中进行完整的 AI 引用测试 + 竞争对手引用分析 + 内容差距建议。约 25-40 分钟。

提示

• TEST 类别（实时 AI 搜索测试）最有价值——它展示的是确凿依据，而非理论
• Perplexity 是最佳测试平台，因为它总会显示引用
• llms.txt 正在兴起，采用率也在不断提高——投入少、信号强
• AI 系统更新知识的速度各不相同——更改可能需要数周才会反映在引用中
• 专注于回答具体问题的内容，而不是提高品牌知名度的内容
• GEO 的首要原则：AI 引用事实，而非形容词——将每个模糊的主张替换为具体说法
• 使用 close_session 结束会话，并使用 generate_html_report 提供证据