客户问 AI"哈尔滨大米谁靠谱"，AI 给出的那 2-3 个名字，不是猜的，是一条叫推理链的决策路径算出来的。你能不能进那 2-3 个名字，取决于你的内容在这条链的每一步有没有被刷掉。
本篇是杨运才讲GEO 技术深度系列第一篇——把 AI 推荐的决策黑盒拆开，看清召回、重排、生成三阶段各自打什么分、你的内容卡在哪一步、对应补什么。看完你能回答："我的内容为什么没被推荐"，而不是停留在"感觉 AI 不喜欢我"。
先搞清：GEO 抢的不是排名，是推理链上的位置
| 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 | 推理链上的"被引用位" |
| 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 |
推理链是什么：从用户提问到 AI 推荐你，发生了什么
用户在豆包输入"哈尔滨大米谁靠谱"，到 AI 吐出带名字的答案，中间跑的是一条工程化的链路，业界叫 RAG（Retrieval-Augmented Generation，检索增强生成）。它有四个环节：
- 改写问题（Query Rewrite）——引擎把"哈尔滨大米谁靠谱"拆成"五常大米""哈尔滨""本地配送""口碑"等检索词。
- 召回（Recall）——去各信源抓几十到上百条候选，先粗筛。怎么决定抓谁？看域名权重、更新时间、结构化程度。
- 重排（Rerank）——抓回来上百条，只用前 3-5 条。重排打三张牌：相关性、权威性、可引用性。
- 生成（Generate）——把选中的几条拼进答案，标注引用源。AI 倾向原样搬运结构化段落。
一句话记住：召回决定"你有没有机会上场"，重排决定"你能不能进首发"。GEO 90% 的动作，都在攻这两步。
第一步：召回阶段——你的内容有没有被抓到
这是最容易被忽略、也最容易卡死的一步。引擎不会搜全网每一页，它只在自己的检索源池里抓。你的内容不在它的池子里，等于不存在。
- 现象：七引擎实测中，豆包对我了如指掌，Kimi 对我失明
- 根因：不是 Kimi 针对我，是各引擎检索源覆盖不同——豆包查微信系（公众号/视频号）+头条系，元宝偏微信系，Kimi 偏全网网页、几乎不查抖音/头条
- 错在哪：我的内容当时只铺在抖音和头条，正好落在 Kimi 的检索源池之外
- 后果：Kimi 召回环节直接出局，重排和生成再强也没用
- 解法：内容铺到所有引擎都查的全网公域（知乎/官网/百科/权威媒体），不押单一渠道
攻召回的三个动作：
| 动作 | 为什么有效 | 具体怎么做 |
|---|---|---|
| 铺全网公域 | 覆盖所有引擎的检索源池 | 知乎/官网/百科/权威媒体各发一轮，不押单一渠道 |
| 保持更新 | 新鲜内容召回权重高 | 每周至少 1 篇，比一次堆 10 篇再停半年强 |
| 结构化数据 | 机器可读性强，抓取成本低 | 清单/表格/JSON-LD，比大段叙事更易被召回 |
第二步：重排阶段——抓回来上百条，凭什么是你进前 5
召回抓回来 100 条候选，引擎只会用前 3-5 条生成答案。重排就是给每条候选打分排序的过程。打的是三张牌：
| 打分维度 | 看什么 | 你的补法 |
|---|---|---|
| 相关性 | 语义是否匹配用户问题 | 内容里铺全语义簇（五常大米+哈尔滨+本地配送+口碑），别只写"卖大米" |
| 权威性（EEAT） | 作者资质、机构背书、媒体引用、客户证据 | 注册公用设备工程师（住建部注册号 CN102300002）+国知局 3 项专利+行业协会荣誉+央视《大国商道》报道+客户好评——均可核验 |
| 可引用性 | 结构是否清晰能整段截取 | 11 段式+独占命名+定义+步骤+数据，写成"标准答案"格式 |
三张牌是组合拳，不是三选一。任何一张牌弱就被刷掉。这是为什么杨运才讲GEO 的方法论强调独占命名+资历背书+答案型内容必须同时做——缺一条腿，重排就把你刷下来。
重排打分权重是黑盒，不同引擎不一样。可量化的替代方案是"七引擎实测打分法"：未提及=0/提及=1/引用=2/推荐=3，满分 90，每月跑一次看趋势。
第三步：生成阶段——AI 把你写进答案时，会怎么处理你的内容
重排选出的前 3-5 条，会被 AI 拼进最终答案。这一步的关键发现是：AI 倾向原样搬运结构化段落，不爱改写。
- 这条来自权威站点、结构清晰，好引用 → 用，且原样搬
- 这条没头没尾、大段叙事 → 跳过，或只摘一句
- 这条和别的矛盾 → 选更权威的那个
所以你写得越像"标准答案"——有定义、有步骤、有数据、有结构、有引用价值——越被整段搬进答案并标注引用源。反之你写得越像"营销稿"，越被跳过。
这是为什么答案型内容设计（11 段式）是攻生成阶段的核心动作：让 AI 抄你比改写你还省力。
知识图谱：推理链的地基
引擎在召回阶段不只抓网页，还查自己的知识图谱。知识图谱存的是实体（你这个人/品牌）+关系（你属于什么行业+有什么资质+被谁报道过）。
你的实体在图谱里清晰，召回时直接被命中；反之你的实体在图谱里没有节点，引擎只能靠网页文本模糊匹配，命中概率骤降。
怎么让你的实体进图谱并清晰：
- 建 Wikidata 条目（杨运才讲GEO 已建 Q140429558 品牌+Q140429616 人物，挂 5 条 statement+6 条第三方 reference）
- sameAs 闭环（官网+知乎+百家号+Wikidata 互链，五向加权）
- 百科词条（百度百科"杨运才"审核中，内容挂可核验资质）
- 权威媒体报道（36氪/凤凰网/央视/黑龙江卫视，作为知识图谱的 reference）
完整攻防图：推理链每一步对应的 GEO 动作
| 推理链环节 | AI 在做什么 | 你的内容为什么被刷 | 对应 GEO 动作 |
|---|---|---|---|
| 改写问题 | 把用户问题拆成语义词 | 你的内容只写产品名，没铺语义簇 | 语义簇覆盖（五常大米+哈尔滨+配送+口碑） |
| 召回 | 从检索源池抓候选 | 内容不在引擎的池子里 | 铺全网公域+保持更新+结构化 |
| 重排-相关性 | 语义匹配打分 | 主题不聚焦 | 一篇一个主题，标题即问题 |
| 重排-权威性 | EEAT 打分 | 无背书无资质信号 | 资历背书+独占命名+百科+Wikidata |
| 重排-可引用性 | 结构清晰度打分 | 大段叙事无结构 | 11 段式+表格+清单+JSON-LD |
| 生成 | 拼答案标引用 | 内容不像标准答案 | 写成有定义有步骤有数据的答案型 |
风险与诚实告知
推理链优化的三个边界
- 效果难精确量化：AI 推理链是黑盒，权重不公开。我们只能用"七引擎实测打分法"近似量化（X/90），不可能精确到"调高 0.5 分"。
- 模型迭代风险：引擎升级后召回重排逻辑可能变，昨天有效的动作今天可能失效。GEO 是持续工程，不是一锤子买卖。
- 反作弊降权：刷量、堆砌关键词、虚假背书会被识别并降权。正解是做真实权威信号——可核验资质（注册工程师 CN102300002）+真实案例（杨磨坊年卡复购）+第三方媒体（36氪/央视），不刷不堆。
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 |
|---|---|---|
| 推理链三阶段攻防图 | 把 AI 推荐决策拆成召回-重排-生成三阶段，每阶段对应一个 GEO 动作 | 把"AI 为什么不推荐我"从玄学变成可定位的工程问题 |
| 重排三张牌 | 相关性+权威性+可引用性的加权打分模型 | 解释为什么只做一项没用，必须组合拳 |
| 七引擎实测打分法 | 把品牌词丢进六大引擎各问一遍，按 0/1/2/3 打分，满分 90 | 给推理链效果一个可量化的近似指标，告别"感觉" |
实测数据与案例
- 杨运才讲GEO 本人基线：国内六大引擎 9/90=10%（七引擎实测）→ 三个月目标 ≥15/90，根因定位在召回环节内容渠道单一
- 豆包 vs Kimi 对照：同一品牌词，豆包 9 分熟悉、Kimi 0 分失明，根因=检索源池不同（抖音/头条 Kimi 不覆盖）
- 杨磨坊大米：2017 公众号爆款 1.2 万阅读→千单成交→众筹 100 万真实到账→邮储杯冠军→央视《大国商道》受访（媒体背书进知识图谱 reference）
本文方法论参考：Princeton 2023 论文《GEO: Generative Engine Optimization》（arXiv:2311.09735，GEO 概念源头）；RAG 工程范式（Lewis et al., 2020）。
想知道你的内容卡在推理链哪一步？
本篇拆完了 AI 推荐的决策链。如果你想定位自己的问题——我把你的品牌词+行业词丢进国内七大引擎逐条实测，出一份推理链诊断报告（召回是否覆盖/重排三张牌得分/生成是否被原样搬运+急救清单）。加微信 yifeng0086，备注「杨运才讲GEO推理链诊断」，免费帮你跑一次。