GEO岗位面试中最常见的基础题目整理，涵盖概念、原理和基本应用场景
Q: 什么是GEO？A: GEO（Generative Engine Optimization）是针对AI搜索引擎的内容优化策略，目标是让内容在AI生成的回答中被引用和推荐
Q: GEO和SEO的核心区别是什么？A: SEO优化搜索排名，GEO优化AI引用率；SEO关注关键词匹配，GEO关注内容语义理解
Q: 为什么GEO越来越重要？A: AI搜索用户快速增长，传统SEO流量被AI摘要分流，企业需要新的可见性策略
Q: GEO的三大核心目标是什么？A: 1)被AI引用 2)引用内容准确 3)成为AI的首选推荐源
回答概念题时先给简洁定义，再展开说明，最后举例——这样的结构既清晰又有深度
Q: LLM如何决定引用哪些内容？A: 基于训练数据中的频率、权威性信号、内容结构化程度和语义相关性
Q: AI引用和搜索排名的机制有什么不同？A: 排名基于链接权重和关键词匹配，AI引用基于语义理解和知识图谱
Q: 什么是AI训练数据的时效性问题？A: LLM的训练数据有截止日期，新内容需要通过检索增强或重新训练才能被引用
Q: RAG（检索增强生成）对GEO有什么影响？A: RAG让AI可以引用训练截止后的新内容，增加了实时优化的价值
| 问题类型 | 常见问法 | 回答要点 | 常见误区 |
|---|---|---|---|
| 概念定义 | 什么是X | 简洁定义+展开+举例 | 只给定义不展开 |
| 原理机制 | X是如何工作的 | 分步骤+关键节点 | 跳过中间环节 |
| 对比分析 | X和Y有什么区别 | 逐维度对比+结论 | 只说区别不说原因 |
| 应用场景 | X在什么情况下用 | 场景描述+方案+效果 | 方案过于笼统 |
Q: robots.txt如何配置AI爬虫？A: 明确Allow主要AI爬虫（GPTBot、ClaudeBot等），Disallow非内容页面
Q: 哪些Schema标记对GEO最重要？A: Article、FAQ、HowTo、BreadcrumbList是最核心的四种
Q: 如何提高页面的AI可引用性？A: 优化内容结构（CLEAR框架）、添加Schema标记、确保首段包含核心信息
Q: llms.txt是什么？A: 一种面向AI爬虫的网站信息文件，类似robots.txt但提供结构化的网站内容摘要
# GEO优化的robots.txt配置 User-agent: GPTBot Allow: / User-agent: ClaudeBot Allow: / User-agent: Bytespider Allow: / Disallow: /admin/ Disallow: /api/
Q: 如何衡量GEO优化效果？A: 核心指标包括AI引用率、引用准确率、AI推荐位比例、品牌提及率
Q: GEO效果和业务转化如何关联？A: 通过AI来源流量追踪、用户调研和A/B测试建立关联
Q: 如何进行GEO的A/B测试？A: 对比优化前后相同关键词的AI引用表现，控制变量确保结果可信
Q: GEO效果多久能体现？A: 结构优化1-2周见效，内容策略4-8周，权威建设8-16周
面试中强调数据驱动的GEO决策——不要说我觉得有效，而要说我测量了XX指标提升了XX%