AI 搜索术语表
同一套工作里，同一个词经常被两个人理解成两件事 —— 比如「提及」到底算不算「引用」， 「达标」用的是期末排名还是窗口内最优。这个页面把 28 个常用概念写成一句能独立成立的定义， 并标出容易产生分歧的地方。
一、方法与人
GEO（生成式引擎优化）
让品牌在生成式引擎组织答案时被读到、被选中、被引用的方法体系。优化对象是「能否被取用」， 不承诺结果页位次 —— 这一点与 SEO 的根本差别，详见 GEO 与 SEO 的区别。
AI 搜索可见度
在固定问题集下，品牌被 AI 提及与引用的程度。观测分三层：爬虫访问、发现文件合规、品牌提及与引用； 三层性质不同，不能合成一个指数。
E-E-A-T
经验、专业、权威、可信的合称，是用来评估内容可信度的框架，不是可以直接优化的排名因子。 能落地的部分只有：署名、主体信息、可核事实、引用来源。
二、提及与引用
提及（Mention）
答案里出现了品牌名，但没有可点的来源链接。提及率高不代表能带来访问，它衡量的是「被想起」。
引用（Citation）
答案里出现了带链接的来源，用户可点进。引用比提及强一档：它意味着内容被当作依据，而不只是被提到。
零点击
答案提到品牌，但用户没有点击任何链接。这类影响只能从品牌词搜索量、直接访问量的增量间接观察。
引用点击
用户通过答案里的来源链接进入站点。这是三种形态里唯一能在站内会话直接看到的部分，通常也是占比最小的一块。
品牌回流
用户看完答案后，另行搜索品牌名或直接输入网址。来源通常显示为「直接访问」或「自然搜索（品牌词）」， 与 AI 没有任何技术关联。
三、采样与度量
提问集（Prompt Set）
用于采样的一组固定问题。措辞必须固定 —— 改一个字，模型给出的答案就可能变， 跨期比较也就失效了。
采样
在同一时段、同一设备、同一提问措辞下，向多个模型提问并保存完整原文。 截屏不算采样记录，判定「提及」与「引用」都要回看原文。
分母
统计口径内计入的样本集合。查不到数据的词应显「—」并剔出分母，不补 0： 把无数据当 0 会系统性拉低达标率。
窗口内最优排名
在约定的时间窗口里取最好的一次排名，而不是期末排名或平均排名。用它是为了避免「最后一天掉一名就全盘作废」。
样本量与区间
小样本的百分比波动极大。任何抽样得出的比例都应附样本量与置信区间，否则无法区分「真涨」和「噪声」。
复算
第三方按同一规则重算出接近的结果。一份报告如果不能被复算，它只是内部参考资料，不宜作为验收依据。
达标口径
约定「什么算达成」的规则集合：分母怎么定、窗口多长、样本多少、区域榜与全国榜是否分列。 口径不写清，验收就会变成解释。
四、抓取与索引
抓取预算
搜索引擎在单位时间内愿意在你站上花掉的抓取量。动态端点、带参数的客户报告、无意义的重复页 都会消耗它，该屏蔽的要显式屏蔽。
robots.txt
告诉爬虫哪些路径可抓的文本文件。屏蔽内容页等于放弃索引； 需要收录的页面不要用 Disallow 来「集中权重」。
sitemap.xml
站点 URL 清单。其中 lastmod 是仍然有效的信号，priority 与
changefreq 早已被主流引擎忽略。
llms.txt
给生成式引擎的站点说明文件，用来说明站点讲什么、关键页面在哪。它不是排名开关， 基础抓取没做好时它救不了任何页面。
结构化数据
用 JSON-LD 描述实体与页面关系，帮助机器确认「这是谁、这页讲什么、作者是谁」。 写了但与正文不符，比不写更糟。
实体一致性
同一主体的名称、地址、电话、业务描述在各平台保持一致。不一致时，机器会把它理解成几家公司， 评价与资质也随之分散。
收录
页面进入搜索引擎可检索的索引库。收录是前置条件：没被收录的页面，谈内容质量与排名都没有意义。
索引覆盖
站点地图里的页数与实际已收录页数的对应关系。它用来回答一个问题：还有哪些页面没被收录、 以及为什么。
五、内容与交付
事实表
把产品与服务写成字段与取值，一行一条可核对的事实。判断标准很简单：单独拎出一行，仍然成立。 写法见 产品事实表怎么写。
一页一问
一个页面只回答一个具体问题。多个问题挤在一页，模型摘不出结论，读者也找不到重点。
结论前置
把结论放在标题与开头一段，条件、例外、参数放到后面。生成式引擎倾向摘取开头就能自证的那几句。
AIGC
AI 生成内容。可以用，但必须逐句核对与人工改写；批量产出低质页面会被判为低质内容， 拖累整站而不只是单页。
分发
把同一事实发布到多个可被抓取的平台，并保持说法一致。只有一个源时很难被反复引用； 但分发不等于「全网铺量」，铺到低质采集站会反噬主站。