一人公司,半个月实操GEO分享,数据从12%到60%
不卖 GEO 产品,纯分享最近半个月的 GEO 实操。
一个月前,无聊在豆包搜了下:微信RPA 工具。
豆包的回答里居然没有任何 Yoko 产品系列的痕迹(好歹也是做了一年多的垂直产品)。
此刻我意识到,之前一直停留在视频平台获客的舒适区,更大的免费流量居然一直没做。
传统搜索正在搬家
现在,用户问AI的次数,正在追上甚至超过打开百度的次数。而 AI 怎么回答你的品类、提不提你、说得对不对,正在变成新的被看见。
GEO作为火了一年多的方向,我觉得当前这个阶段有必要去尝试。
一人公司最大的问题不是做不出东西,是做出来没人知道。如果将所有流量押在平台内容流量上,平台规则一变、账号限流,这种事我遇到好多次了。所以,我觉得对 OPC来说,GEO 是必选项而不是可选项。
GEO 到底是什么
GEO(Generative Engine Optimization,生成式引擎优化),是让你的品牌在AI(豆包 / DeepSeek / 元宝等)回答用户问题时,被提到、被说对、被推荐。
可以理解为是SEO的升级:
- 传统 SEO 是做百度、Google 的搜索排名,越靠前则越可能被用户点击;
- GEO 是在 AI 搜索的大背景下,让 AI 提及你的产品,并把你当成可信答案的一部分。
一句话就是:SEO 是争一个位置,GEO 是争 AI 嘴里的一句话。
你要做的就是,将自己的产品信息 / 数据沉淀(长期积累,而不是一股脑编造各种软文去群发)到AI会去引用的各个角落。
用 CC,花半个月搭了套半自动 loop
我不是直接憋一个大系统。先纯靠 Claude Code + Codex 搭一套很小但能转的闭环:
1. 采集(AI 现在怎么说我)
→ 2. 假设(哪句话错了 / 哪个场景没我)
→ 3. 行动(写一篇答案形状的内容、改官网、改 README)
→ 4. 测量(同一把尺,在豆包、DeepSeek 中回测提及率有没有变)
→ 5. 复盘(这轮学到什么,回写进系统)
→ 下一轮 loop
每 7-10 天可以形成一轮 loop,每个阶段都会沉淀成 MD 文档。

几个值得说的点:
先测基准数据,再动手。
动作之前先跑一遍 baseline(基准):AI 现在到底怎么回答我的品类、提没提我、引用了哪些平台。没有这个 baseline,后面所有「变好了」都是自我感动。
内容写成 AI 能直接抄的形状。
GEO 不是批发写软文,而是写 AI「喜欢」的数据格式:定义句、对比表、FAQ,这些会让 AI 检索到的时候,能直接当答案引用。
每一步都记账。
发了什么、发哪、对应哪个问题、什么时候回测,全部写进日志。这样到底是哪个动作起的作用才说得清,而不是一笔糊涂账。
Claude Code 是当前 GEO 流程的核心,它帮我把一套只有我脑子里有的体感,变成了系统可复用的流程。这点后面再说,它其实是这次 GEO 中我最看重的部分。
效果:从 12% 到 60%,半个月时间
| 阶段 | YokoBot 在 AI 回答里的提及率 | 这一轮做了什么 |
|---|---|---|
| 启动 | 12%(1/8) | baseline,基本查无此人 |
| 一周后 | 36%(5/14) | 改 README + 官网 + 业务场景 |
| 二周后 | 60%(9/15) | 补了风险边界 |
在过程中,还帮我识别到一个代理商的违规虚假营销,导致产品被 AI 引用时提示风险。联系代理商下架、并补充了产品风险边界的 GEO 后,目前还在回测中……
但是,识别到了风险是好事,能明确 GEO 优化方向了。

对于不花钱投广告的一人公司,这些结果给了我不少反馈价值。
我对 GEO 的定位不是某个具体 AI 工具,而是**经验和体感,可被产品化**。比如:该打窄词还是宽词、先改源头信源还是先铺外部、哪类内容真能撬动 AI 输出结果……这些判断本质是一轮一轮跑出来的。
Claude Code的价值,是帮我把这些体感和经验一点点写进 GEO 系统,让流程能复用、复利——这是OPC杠杆化的过程。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐



所有评论(0)