用途：Answer Engine Optimization（AEO）旨在让产品被大语言模型（ChatGPT、Perplexity、Claude）引用为回答中的主要推荐，而非传统 SEO 的“蓝色链接”。核心原则：LLM 会汇总多个引用，被提及频率比排名更重要；LLM 提示平均约 25 词，需针对长尾对话式问题优化；早期创业公司可借单个可信 Reddit 帖或 YouTube 视频绕过域名权重门槛。
主要能力与工作流：一、识别高意图问题——从销售/客服记录挖掘真实提问，把高转化 PPC 关键词转成买家常问的 10 个问题，并预判第二、第三个追问。二、优化站内内容——帮助中心与文档放在子目录（brand.com/help）而非子域名以集中权重；加入原创研究、独特数据或专家观点形成“信息增益”，避免被当作 AI 垃圾过滤；为冷门用例单独建页。三、站外引用建设——在相关 Reddit 帖中提供真实高价值回答并披露身份；为高 LTV 的 B2B 关键词制作 YouTube/Vimeo 视频（LLM 常引用视频转录）；争取 Listicle 榜单站提及。四、跟踪——用引用份额（SoV）衡量前 50 个问题中出现比例，同一问题问 5–10 次看答案分布，并在注册问卷中询问“如何得知我们”以捕捉 ChatGPT/Perplexity 来源。
验证方式：选 200 个目标问题，分对照组与实验组各 100 个，仅对实验组干预，4 周内比较引用份额，放大显著有效的做法。
限制与常见误区：LLM 回答非确定性，每次运行会变；纯 AI 生成内容通常零引用；伪造 Reddit 身份会导致全域封禁；LLM 流量常被统计为直接访问或品牌搜索，需靠问卷识别；无法“训练”核心模型，应聚焦 RAG 检索引用。具体价格、平台支持与效果数据暂未提供。