GEO（Generative Engine Optimization，生成引擎优化）
一句话定义：让内容能够被生成式AI理解、检索、引用的技术与策略集合。
实际作用：在AI搜索时代，用户直接向AI提问并获得生成式答案。GEO确保企业的内容被纳入AI的知识源，在相关查询中被引用，从而保持品牌可见性和影响力。
场景应用：电商企业优化产品页Schema标记，使AI能够准确理解产品特性；媒体机构构建知识图谱，提升新闻报道在AI回答中的引用率。
关联术语：RAG、AI搜索、Schema标记、知识图谱、E-E-A-T
RAG（Retrieval-Augmented Generation，检索增强生成）
一句话定义：AI在生成答案时，先实时检索外部信息源，再基于检索结果生成回答的技术架构。
实际作用：解决大语言模型”知识截止”和”幻觉”问题，让AI能够基于最新、最准确的信息生成答案。RAG是ChatGPT Search、Perplexity等产品的核心技术。
场景应用：企业客服AI接入产品知识库，实时检索最新产品信息回答客户咨询；新闻摘要AI检索最新报道生成时事总结。
关联术语：GEO、向量检索、Prompt Engineering、大语言模型
Schema标记（Schema.org Markup）
一句话定义：使用Schema.org词汇表，以结构化格式（通常是JSON-LD）标注网页内容语义的技术标准。
实际作用：帮助AI理解网页内容的类型（产品、文章、FAQ等）和属性（价格、作者、发布时间等），提升内容被准确理解和引用的概率。
场景应用：产品页标记Product、Offer、Review等属性；文章页标记Article、Author、Publisher等信息；FAQ页面标记Question和Answer。
关联术语：结构化数据、JSON-LD、实体标记、富媒体摘要
知识图谱（Knowledge Graph）
一句话定义：以图结构表示知识的数据库，由实体（节点）和关系（边）组成，用于描述领域知识的语义网络。
实际作用：让AI建立超越关键词匹配的语义理解。通过知识图谱，AI可以理解”无线吸尘器”与”宠物毛发清理”、”HEPA过滤”、”小户型”等实体之间的关联。
场景应用：电商平台构建产品-场景-问题-价值的四维知识图谱；B2B企业构建行业概念-产品能力-客户价值的知识图谱。
关联术语：实体、关系、三元组、Wikidata、本体论
实体（Entity）
一句话定义：知识图谱中的基本单元，代表现实世界中的对象、概念或事件，如人物、产品、地点、技术术语等。
实际作用：GEO优化的核心单位。内容的价值不在于关键词密度，而在于覆盖了多少相关实体及其关系。实体是AI理解语义的基础。
场景应用：撰写产品评测时，不仅提及产品名，还要覆盖相关实体：核心参数、适用场景、竞品对比、使用痛点等。
关联术语：知识图谱、实体链接、实体消歧、NER
E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）
一句话定义：Google提出的内容质量评估框架，代表经验、专业、权威、可信四个维度。
实际作用：AI系统（尤其是基于Google技术的系统）评估内容可信度的重要依据。高E-E-A-T内容更容易被AI引用。
场景应用：医疗类内容需要医生作者资质和临床案例；产品评测需要真实使用体验和客观数据；行业分析需要引用权威数据源。
关联术语：YMYL、内容质量、可信度信号、作者权威性
向量检索（Vector Search）
一句话定义：将文本转换为高维向量（Embedding），通过向量相似度进行信息检索的技术。
实际作用：AI搜索的核心检索技术。不同于关键词匹配，向量检索能发现语义相似但用词不同的内容，大幅提升召回率和相关性。
场景应用：用户搜索”适合跑步的耳机”，向量检索能召回标题中没有”跑步”但语义相关的”运动耳机”内容。
关联术语：Embedding、向量数据库、语义搜索、相似度计算
Embedding（嵌入）
一句话定义：将高维离散数据（如文本、图片）映射到低维连续向量空间的技术表示。
实际作用：让AI能够计算文本间的语义相似度。语义相近的内容在向量空间中距离更近，这是AI理解”相关性”的基础。
场景应用：搜索系统使用Embedding模型将查询和文档向量化，通过余弦相似度找出最相关内容；推荐系统使用Embedding计算用户与商品的匹配度。
关联术语：向量检索、语义相似度、神经网络、大语言模型
Prompt Engineering（提示工程）
一句话定义：设计和优化输入给AI模型的提示（Prompt），以获得更准确、有用输出的技术和方法。
实际作用：虽然Prompt Engineering主要面向AI使用者，但内容创作者也需要理解它——你的内容最终会被某种Prompt处理，理解Prompt逻辑有助于优化内容结构。
场景应用：设计结构化内容（FAQ、列表、表格），便于AI提取信息；避免歧义表述，减少AI理解错误。
关联术语：Prompt、上下文窗口、零样本学习、少样本学习
AI幻觉（AI Hallucination）
一句话定义：AI生成看似合理但实际错误、虚构或无法验证的信息的现象。
实际作用：GEO需要降低AI对品牌信息的幻觉风险。如果AI错误地”编造”了关于品牌的信息，可能损害品牌声誉。
场景应用：确保核心信息（成立时间、创始人、产品参数）在多个权威来源一致；在官网明确标注可能被AI引用的关键信息。
关联术语：事实核查、RAG、可信度、信息溯源
信息溯源（Information Provenance）
一句话定义：追踪信息的来源、传播路径和验证状态的过程和方法。
实际作用：AI系统依赖信息溯源判断可信度。标注清晰来源的内容更容易被AI信任。
场景应用：
- 数据引用标注：”数据来源：国家统计局2024年Q1报告”
- 研究引用标注：”据《哈佛商业评论》2024年3月刊”
- 案例标注：”基于某头部电商企业2023年实施数据”
关联术语：E-E-A-T、可信度、事实核查、引用规范
YMYL（Your Money or Your Life）
一句话定义：Google对可能影响用户健康、财务安全、重大生活决策的内容类别的分类。
实际作用：YMYL领域的GEO要求更高。医疗、金融、法律类内容的E-E-A-T标准更严格，需要专业资质背书。
场景应用：健康类App的内容需要医学专业人士审核；投资理财内容需要金融资质和合规声明。
关联术语：E-E-A-T、内容质量、医疗SEO、金融合规
语义搜索（Semantic Search）
一句话定义：理解查询的语义含义而非仅匹配关键词的搜索技术。
实际作用：GEO的基础技术支撑。语义搜索让AI能够理解用户查询背后的真实意图，召回语义相关而非仅字面匹配的内容。
场景应用：用户查询”手机续航差怎么办”，语义搜索能理解这是关于”电池优化”的问题，召回相关解决方案。
关联术语：向量检索、自然语言理解、查询意图、NLP
富媒体摘要（Rich Snippets）
一句话定义：搜索引擎结果页中显示的增强型摘要，包含评分、图片、价格等结构化信息。
实际作用：Schema标记的直接收益。虽然富媒体摘要本身是SEO概念，但实施Schema标记是实现富媒体摘要的基础，也是GEO的必要步骤。
场景应用：产品页显示星级评分和价格；食谱页显示制作时间和卡路里；活动页显示时间和地点。
关联术语：Schema标记、SERP、CTR、结构化数据
本体论（Ontology）
一句话定义：对特定领域概念、类别、属性及其关系的正式规范和描述。
实际作用：知识图谱的理论基础。本体论定义了一个领域的”知识语言”，确保不同系统对同一概念有一致理解。
场景应用：电商企业定义产品分类本体：产品-类别-属性-值的标准化定义；医疗领域定义疾病-症状-治疗-药物的本体关系。
关联术语：知识图谱、语义网、RDF、OWL、实体关系
JSON-LD（JavaScript Object Notation for Linked Data）
一句话定义：一种轻量级的Linked Data格式，使用JSON表示结构化数据，是Schema标记的主要实现格式。
实际作用：GEO技术实施的标准格式。JSON-LD允许在HTML页面的<script>标签中嵌入结构化数据，不影响页面展示，便于AI解析。
场景应用：在网页<head>中添加<script type=”application/ld+json”>包含Schema标记；嵌入知识图谱数据；标注实体和关系。
关联术语：Schema.org、结构化数据、Linked Data、RDF
