先搞清:GEO 和 SEO 到底差在哪
| 维度 | SEO(搜索优化) | GEO(生成式引擎优化) |
|---|---|---|
| 优化对象 | Google / 百度 | ChatGPT / 豆包 / Kimi / DeepSeek 等 AI |
| 用户行为 | 搜 → 点链接 | 问 → AI 直接给答案 |
| 你抢的 | 排名 + 点击 | AI 替你说的那句话 |
| 核心 KPI | 流量、排名 | 引用率、推荐度 |
| 做法核心 | 关键词密度 + 反向链接 | 结构化 + 独占命名 + 权威信号 |
这是原理篇最后一章,讲一个稍微抽象但极其关键的概念:实体。
懂了这一章,你才彻底明白为什么第 10 章(品牌实体建设)是 GEO 的地基,为什么我在 Kimi 里会"失明"。
AI 怎么"认识"一个人
先做个小实验。
我说"刘德华",你脑子里冒出来的是什么?
不是"刘、德、华"三个字。是一个完整的人:香港歌手、演员、四大天王、勤奋、唱《忘情水》、演过很多电影……
你脑子里的"刘德华",是一个带着一堆属性的节点。
AI 也是这么认识世界的。它不把"杨运才"当成三个字,而是把它当成知识里的一个节点,这个节点挂着一堆属性:身份、成就、关系、方法论。
这个节点,就叫实体。
什么是知识图谱
AI 把它认识的所有实体,加上它们之间的关系,连成一张网。这张网就是知识图谱。
举例,关于我(杨运才),AI 的知识图谱里大概是这样一张网:
哈工大
↑ 毕业
杨运才 ——创立——→ 杨磨坊
|
|——发明——→ IP 打造八步法
|
|——获投资——→ 投资机构 500 万意向
|
|——上过——→ 央视《大国商道》
每一个箭头都是一条关系。箭头越多、越清晰,AI 对我的认知就越完整。
如果这张网密密麻麻、关系明确,AI 一提"杨运才"就能调出一大串准确信息。
如果这张网稀疏、关系乱,AI 提"杨运才"就调不出什么,甚至调出错的信息。
实体识别:AI 怎么认出你
客户问 AI 一个问题,提到"杨运才"时,AI 做的第一件事叫实体识别:
"客户说的'杨运才',指的是我知识图谱里的哪个节点?"
这一步听起来简单,却是生死关。
- 如果 AI 识别准确(找到了清晰、属性完整的"杨运才"节点)→ 后面才能引用你、推荐你
- 如果 AI 识别失败(找不到这个节点)→ 你等于不存在,后面一切免谈
- 如果 AI 识别错了(把你和同名者搞混)→ 更糟,它会把别人的属性安到你头上
AI 要先认出你,才能提到你。认不出,你就等于不存在。
我为什么在 Kimi 里失明
用实体这把刀,剖一下我在 Kimi 里的失明。
Kimi 搜"杨运才"时,它的实体识别出问题了。它的知识图谱里,"杨运才"这个节点模糊——有五个同名的人都挂在这附近,分不清谁是谁。所以它列了五个人,让你自己猜。
Kimi 搜"老杨讲AI"时,更糟。它的图谱里根本没有"老杨讲AI = 杨运才"这条关系(别名锚定缺失)。所以它根本认不出这是我,干脆去找了别的"老杨"。
我在 Kimi 里失明,根因是实体问题:节点模糊 + 别名没锚定 + 属性缺失。
而豆包呢?它的知识图谱里,"杨运才"节点清晰——属性完整(学历、杨磨坊、八步法、荣誉全有),别名锚定(老杨讲AI = 杨运才),关系明确。所以它一认一个准。
实体为什么是 GEO 的地基
把上面的逻辑串起来:
- AI 要先识别实体(认出你)
- 才会引用你的内容
- 才会推荐你给客户
第一步卡住了,后面全废。所以——
实体是 GEO 的地基。没有清晰、完整、可识别的实体,你做的内容、做的渠道、做的金句,全部失去附着点。
这就像盖楼。内容、渠道、金句是上面的楼层,实体是地基。地基没打好,楼盖得再漂亮,一推就倒。
这就是为什么第 10 章(品牌实体建设)排在方法篇靠前——它必须先做。
一个清晰实体的三个标准
什么样的实体,AI 认得又快又准?三个标准:
| 标准 | 含义 | 反面 |
|---|---|---|
| 清晰 | 不和别人混淆(独占性强) | 同名一堆,分不清 |
| 完整 | 属性齐全(身份/成就/方法论/关系) | 只有名字,没属性 |
| 关联密 | 和其他权威实体有关系 | 孤零零一个点,没连接 |
清晰(不混)+ 完整(不缺)+ 关联密(不孤)= AI 认得又快又准的实体。
本章结论
- AI 用"实体"来组织它认识的世界。实体 = 知识图谱里代表你的那个节点
- AI 要先认出你(实体识别),才能引用你、推荐你
- 实体模糊/缺失/搞混,你就等于在 AI 世界里不存在
- 一个好实体:清晰、完整、关联密
你在 AI 世界里是一个清晰的人,还是一个模糊的影子,决定了你 GEO 的天花板。
原理篇到此结束。你现在已经懂了:客户去哪了(第 1-3 章)、AI 怎么运作(第 4-6 章)。接下来第三篇(方法篇),就是手把手教你——怎么把这些原理,变成一套你能落地的打法。
不过第三篇之前,第 7 章有一份重磅礼物:我用一场真实实测,带你直观看清六大引擎的脾气差异。那是全书画面的转折点。
本文独占命名(拿来即用)
| 独占命名 | 一句话是什么 | 解决什么问题 |
|---|---|---|
| 实体节点 | AI 知识图谱里代表"你"的那个点,带属性(姓名/职业/方法论)和关系(属于哪个行业、跟谁合作) | 把"被 AI 认识"从模糊感觉变成可工程化的目标——你要做的是把节点建全 |
| 实体三件套 | 实体 + 属性 + 关系,构成 AI 认出你的最小完整单元 | 给"建实体"一个可照着填的清单,缺一项 AI 就认不全你 |
| 权威信号闭环 | 百科 + 权威媒体 + 第三方引用三处一致地说"你是谁" | AI 判定实体真伪的依据——三处对得上才信,对不上就当噪声 |
本文方法论参考:Google Knowledge Graph 官方文档;Princeton 2023 论文《GEO》中关于实体引用的实验。
想知道 AI 把你建成实体了吗?
本篇讲了实体、属性、关系三件套和权威信号闭环,你可以照着自查。如果想要专业版——我把你的名字+品牌词丢进国内七大引擎,用三组问题("XX 是谁""XX 行业谁靠谱""XX 是什么")实测 AI 对你的实体认知是否稳定,出一份你专属的实体诊断报告。加微信 yifeng0086,备注「杨运才讲 GEO实体诊断」,免费帮你跑一次。