一、当GEO（生成式引擎优化）被简化成“让人工智能提到我”GEO（Generative Engine Optimization，生成式引擎优化）迅速进入企业市场语境后，人们常用几句话概括它：让内容被人工智能引用，让品牌被提及，让人工智能推荐企业，或者“做给人工智能看的SEO（Search Engine Optimization，搜索引擎优化）”。这些说法并非全部错误。它们确实捕捉到了一些现象：人工智能可能显示来源、提到实体、吸收公开信息中的某些命题，甚至在比较和选择问题中提供建议。问题在于，每种说法都只抓住了整个问题的一个局部，却经常被当成GEO（生成式引擎优化）的完整定义。一旦定义过窄，服务也会随之变形。“被引用”会把工作引向引用数量；“被提及”会把工作引向品牌出现次数；“被推荐”会鼓励企业在资格、证据和边界不明时追求更强的推荐措辞；“批量发内容”则容易让产量取代诊断。因此，本书的第一个任务不是再发明一个更吸引人的口号，而是先说明：一个足以指导研究、服务和测量的GEO（生成式引擎优化）定义，究竟必须回答哪些问题。二、一个可工作的定义必须回答什么完整的GEO（生成式引擎优化）定义至少应说明以下九个问题：它研究的对象是什么？它面向什么 Decision Situation（决策情境）？企业或实体能够合法改变的作用面是什么？哪些环节可以直接观测，哪些内部机制仍然不可观测？企业命题的真实性、证据资格和公开授权如何约束干预？人工智能答案层面追求的状态是什么？结果在什么条件下被测量？人工智能答案、用户接触、用户决策和业务结果如何分层？GEO与SEO（搜索引擎优化）、公关、内容营销、品牌管理、声誉管理和业务改进的边界在哪里？如果一个定义只回答“要做什么动作”、“要提高哪个数字”或“希望带来什么商业结果”，它就还不是一个完整的研究和实践定义。三、七种常见定义，七个局部切面