Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines

📄 arXiv: 2606.20065v1 📥 PDF

作者: Pratyush Kumar

分类: cs.IR, cs.CL, cs.CY

发布日期: 2026-06-18

备注: 14 pages, 4 tables; v1.0 preprint

💡 一句话要点

提出品牌可见性测量方法以应对AI搜索引擎挑战

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 生成引擎优化 品牌可见性 AI搜索引擎 市场策略 数据分析

📋 核心要点

  1. 现有品牌优化策略主要集中在传统搜索引擎SEO，未能适应AI搜索引擎的变化，导致品牌可见性下降。
  2. 本文提出生成引擎优化（GEO）概念，系统研究AI搜索引擎中品牌可见性的测量方法及其影响因素。
  3. 通过对100多个品牌的10万多个响应进行分析，发现品牌可见性与品牌成熟度密切相关，且不同平台表现差异显著。

📝 摘要（中文）

随着人们越来越多地从AI搜索引擎（如ChatGPT、Claude等）获取答案，品牌需要优化其在这些引擎中的表现。本文提出了生成引擎优化（GEO）的概念，研究如何衡量品牌在AI引擎中的可见性，包括品牌被引用的价值、依赖的来源以及大型语言模型展示的内容。通过分析2026年3月至5月间100多个品牌的10万多个提示响应，发现品牌可见性呈现明显的三层结构，且不同品牌的可见性差异显著。最后，提出了七个协议以测试特定建议是否能因果改善AI可见性。

🔬 方法详解

问题定义：本文旨在解决品牌在AI搜索引擎中的可见性测量问题。现有方法未能有效捕捉品牌在新兴AI引擎中的表现，尤其是对中小企业和新创品牌的影响。

核心思路：提出生成引擎优化（GEO）概念，将品牌可见性视为AI引擎表现的核心指标，研究品牌被引用的来源和内容类型，以便为品牌优化提供数据支持。

技术框架：研究通过分析100K+的提示响应，构建了品牌可见性三层结构模型，分别为全球知名品牌、中型市场品牌和小众品牌。主要模块包括数据收集、品牌表现分析和可见性评估。

关键创新：首次大规模测量品牌在AI搜索引擎中的可见性，揭示了品牌成熟度与可见性之间的强相关性，提供了新的视角和方法论。

关键设计：分析中使用了多种数据来源，包括企业官网、YouTube、Reddit等，重点关注“最佳列表”格式的内容，作为引用的主要来源。

📊 实验亮点

实验结果显示，全球知名品牌在相关AI回答中出现的比例高达73%，而小众品牌仅为11%。此外，78%的引用来源于企业官网，最佳列表格式的内容被引用的比例达到21%。这些数据为品牌优化提供了重要的参考依据。

🎯 应用场景

该研究为品牌在AI搜索引擎中的优化提供了实用框架，能够帮助企业制定更有效的市场策略，提升品牌可见性。未来，随着AI技术的不断发展，该方法可以扩展到更多行业和领域，推动品牌与消费者之间的互动。

📄 摘要（原文）

People increasingly get answers straight from AI search engines like ChatGPT, Claude, Perplexity, and Gemini rather than scrolling search results. Brands that once focused on search engine optimization (SEO) must now optimize for how these engines represent, cite, and recommend them -- a shift variously called Generative Engine Optimization (GEO), Answer Engine Optimization (AEO), and AI Search Visibility. We treat AEO and AI Visibility as part of GEO, and study how to measure brand visibility across AI engines: what they value when they cite a brand, which sources they rely on, and what content large language models surface. The hard case is everyone outside the already-authoritative top brands -- SMEs, D2C brands, creators, and early-stage startups. We analyze 100K+ prompt responses across 100+ brands tracked on Ranqo between March and May 2026. First visibility runs form a clear three-tier brand-stature ladder: global household names (e.g., Stripe, Nike) appear in 73% of relevant AI answers on their first run; established mid-market and regional brands (e.g., Olipop, Klaviyo) in 44%; niche and small brands in just 11% -- about 30 percentage points per step. When engines cite sources, about 78% go to corporate websites; among non-corporate sources YouTube leads, ahead of Reddit, editorial media, and Wikipedia. The highest-leverage page is the ranked "best-of" listicle, the most-cited content format at about 21% of all citations. Sentiment is the unstable signal: whether a brand is framed positively or negatively flips about 6.7 times more often than whether it is mentioned at all. These findings provide a first large-scale baseline for measuring GEO: AI brand visibility can be measured, differs by platform, and varies strongly by brand maturity. We close by proposing seven v1.1 protocols to test whether specific recommendations can causally improve AI visibility.