生成式引擎优化（GEO，Generative Engine Optimization）是针对“生成式引擎”的内容优化。传统搜索返回链接列表，用户自己点进去看；生成式引擎（如 ChatGPT、Perplexity、Gemini）则抓取多个来源、用大模型总结成一段答案，内容创作者因此失去了对“何时、如何被展示”的控制。

GEO 的概念是 2023 年 Aggarwal 等人在论文 GEO: Generative Engine Optimization 中首次提出的：他们把可见性定义为可优化的指标，给出一套黑盒优化框架，让创作者在不了解引擎内部机制的情况下调整内容，并发布了 GEO-bench 基准。

GEO 的核心结论是“策略因领域而异”。实验显示，恰当的优化策略能让内容在生成式回答中的可见性最高提升 40%，且不存在放之四海而皆准的模板；后续研究进一步把 AEO、AI Visibility 等说法纳入同一谱系。

GEO 的意义是把 SEO 时代的“排名思维”改写为“被引用、被采纳思维”。SEO 争的是排名位置，GEO 争的是被引用与被采纳；对创作者经济而言，这关系到流量与收入的重新分配，对引擎开发者而言，则提出了引用透明与来源公平的新问题。