5 层 GEO 漏斗是一套自下而上阅读的 AI 可见性成熟度模型，五层分别是：技术基础、内容与引用、AI 可见性、流量与转化、商业 ROI。每一层只回答一个直白的问题——生成式引擎能否抓取你的内容、是否信任它、是否愿意在回答里呈现它、能否由此把人引到行动、最终能否转化为营收。和为「点击」而生的营销漏斗不同，这套漏斗是为 ChatGPT、Perplexity、Gemini 直接回答用户、点击往往根本不发生的世界设计的，因此它衡量的是 AI 对品牌的理解深度，而不只是会话数。它最大的价值在于诊断：在你为上一层花钱之前，先告诉你到底是哪一层坏了。
核心要点
- 漏斗按依赖关系自下而上：基础设施决定引用，引用决定可见性，可见性决定转介，转介决定营收——所以要自下而上排查，而不是自上而下。
- 第 1 层是纯粹的机器可达性：llms.txt 文件、JSON-LD 结构化数据、为 GPTBot、ClaudeBot、Google-Extended 精心设定的抓取规则，以及用于即时重新索引的 IndexNow。
- 第 3 层才是品牌真正竞争的战场。Share of Model、AIGVR、情感与生成位置，共同决定引擎推荐的是你还是对手——它就是 AI 时代的 share of voice。
- 由于大多数 AI 回答是零点击，第 4、5 层追踪的是辅助转化、产品卡激活和归因到模型的营收，而非原始转介流量。
- 任何一层薄弱都会锁死其上所有层：抓取被封时再好的内容也拿不到引用，产品卡不激活时再高的可见性也换不来营收。
自下而上读这个漏斗
多数团队沿用广告的漏斗直觉：顶部灌注认知，底部挤出转化。GEO 漏斗把直觉反了过来。你从地基往上搭建，也从地基往上诊断，因为下层一旦薄弱，会悄悄锁死上面的每一层。顺序如下：
- 技术基础（基础设施）——AI 智能体能否抓取并解析你的内容？
- 内容与引用（信任）——你的内容值不值得被当作信源引用？
- AI 可见性（战略）——你占据了多少 AI 对话？
- 流量与转化（连接）——这份可见性能否推动真人行动？
- 商业 ROI（商业价值）——它到底值多少营收？
刚入门的话，先读什么是 GEO 和 AI 可见性如何衡量，再动手搭建下面各层。
第 1 层——技术基础
AI 智能体能否找到并解析我的内容？
如果爬虫抓不到你的页面，或读不懂它的结构，上面所有层都无从谈起。这是管道层，2026 年它有四个关键部件。
- llms.txt：放在根目录的纯文本文件，用干净、省 token 的形式把模型指向你最有价值的内容，作用类似传统爬虫的 robots.txt。参见 llms.txt 提案。
- 结构化数据：为 Product、FAQ、HowTo、Organization 部署 JSON-LD schema，让模型理解文字背后的语境，而不只是文字本身——这是「一个提到价格的页面」和「一件标价 49 美元的商品」之间的差别。
- 爬虫权限：在 robots.txt 里有意识地放行或屏蔽 GPTBot、ClaudeBot、PerplexityBot、Google-Extended。屏蔽等于把自己挡在训练与检索之外；放行是其余一切的前提。OpenAI 公开记录了它的爬虫 user agent。
- IndexNow：与其等上几天重新抓取，IndexNow 会在内容变更的瞬间通知参与的引擎——当价格或库存变动时尤其重要。
这一层做错，无论内容多好，你的品牌对拼装 AI 回答的检索系统都是隐形的。
第 2 层——内容与引用
AI 信任我的内容到愿意引用它吗？
被索引让你进了图书馆，被引用才让你被引述。这一层是多数品牌跳过的，也是权威真正被赢得的地方。盯住四个指标：
- 总引用数：你的页面在 AI 回答中被点名为信源的次数。
- 内容抽取率：模型真正搬进回答里的内容占比。
- Grounding queries：引擎为核实某个说法而在后台跑的隐藏检索。让页面对齐这些问题，你就成了它落脚的信源。
