GEO 能力工作坊
面向公共部门传播与内容团队
一场半日实操工作坊，教授传播与内容团队 AI 答案引擎如何选择引用来源，以及如何让官方页面成为引擎引用的来源。每个实操案例均来自参与机构自身的页面和问题。
搜索为您的页面排名。AI 选择引用什么。
当有人向 ChatGPT、Gemini 或 Google 的 AI Overviews 询问公共服务或政策时，引擎会从其信任的来源撰写答案。这些来源往往不是官方页面。引擎引用的是重述了信息的新闻文章、聚合网站或论坛，而读者看到的是这个重述版本。
对于公共发布机构来说，这是准确性问题，而非营销问题。重述内容会过时、丢失细微差别或干脆就是错误的。本工作坊教授团队 AI 引擎如何决定引用什么、如何诊断自身页面的现状，以及如何撰写和构建公共信息，使官方来源成为被引用的对象。
九个模块，分为三个部分
参与者先诊断，再构建信号，最后应用并嵌入。每个模块都会产出团队可保留的成果。
诊断
AI 搜索带来的四个结构性转变。为什么页面可以排名第一却永远不会被阅读。对于公共发布机构，"引用即货币"意味着什么。
将任何问题映射到五种状态之一：未被提及、被提及但未被推荐、被引用但细节错误、推荐了其他来源、或被干净利落地推荐。然后选择与状态匹配的修复方案，而非套用清单。
三大支柱：结构、实体权威和答案优先内容。llms.txt、AI 爬虫访问规则、页面渲染和防火墙行为。FAQPage 和 GovernmentService 结构化数据。
构建信号
为什么 AI 引擎在推荐前会先核实。对政府重要的赢得信号：维基百科、Wikidata、新闻媒体和其他公共机构的引用。在自有信号之前优先安排赢得信号。
将 GEO 视为堆砌更多关键词的 SEO。用单一提示词测试。将 AI Overview 展示次数与引用混淆。在需要可提取网页答案的地方发布 PDF。
答案优先，证据其次，来源第三。赢得引用的问题模式。在不损失法律或政策精确性的前提下简明写作。
应用与嵌入
将问题导向的标题、FAQ 区块、结构化数据和内部链接应用于真实页面。以引用标准而非个人偏好进行同伴评审。
构建并锁定一组问题。每月追踪五个 AI 引擎的引用情况，并对工具进行合理性检查。正确解读 Search Console AI Overview 数据，避免过度解读。
传播、内容、网站和供应商之间的职责归属。问题审查、月度追踪和升级的节奏。当修复需要第三方配合时该怎么办。
到工作坊结束时，参与者将能够
- 解释 AI 答案引擎如何选择和引用来源（ChatGPT、Google AI Overviews 和 AI Mode、Gemini、Perplexity、Copilot），以及这与搜索排名的区别。
- 使用五种 GEO 状态诊断 AI 当前如何处理问题或页面。
- 选择与诊断匹配的修复方案：赢得可见度、核实确认、自有内容与结构化数据，或实体定位。
- 明确技术要求，包括结构化数据、AI 爬虫访问和渲染，以便向网站团队或供应商提出。
- 优先安排赢得信号，如针对某一内容领域的维基百科、Wikidata、新闻媒体和跨机构引用。
- 以答案优先的格式撰写和重写公共信息，使 AI 引擎能够提取，同时不损失政策精确性。
- 应用重写框架，将实时页面转化为可发布的简报。
- 运行月度引用追踪流程，并为持续的 GEO 工作指定明确负责人。
谁应该到场
最多 25 名参与者。当撰写页面的人和发布页面的人都在场时，效果最佳。
传播与内容专员
核心受众。他们撰写并负责页面，每个实操模块都针对他们设计。无需技术背景。
数字与网站负责人
尤其适用于模块 3 和 7，这些模块涵盖内容专员提出请求而非自行决定的结构化数据、爬虫访问和模板决策。
负责审阅稿件的政策专员
答案优先的重写改变了限定条件在句子中的位置。让审阅者在场可以节省后续多轮修改的时间。
将负责测量的人
模块 8 现场设置追踪表。如果此人缺席，追踪工作很少能撑过第一个月。
每个批次仅限一个机构。每个批次只为单一机构运行，意味着实操案例是该机构自身的页面和问题，而非通用案例研究。
课前、课中及课后
半日课程只有在课前完成背景阅读、课后锁定习惯时才有效。
提前一周发送
- 一份两页入门资料：从 SEO 到 GEO，以及为何对公共信息重要
- 确认可在工作设备上访问 ChatGPT 和 Google AI Overviews
- 每位参与者提交一个他们向 AI 引擎询问过的关于自身领域的问题，以及引擎给出的答案。这些将在课程中实时使用
- 实操案例页面提前与机构协商确定
九个模块，一次休息
- 新加坡现场或线上授课，录制供内部复用
- 约三分之二为实操或讨论，而非讲授
- 每位参与者重写一段来自自己网站的真实段落
- 针对机构自身问题的实时引用追踪
- 结束前草拟职责归属（RACI）
在习惯消退前将其锁定
- 每位参与者在第一周承诺进行一项实验
- 课程中设置的追踪模板
- 第 30 天的 60 分钟团体答疑电话
- 对相同问题进行第二次引用检查，附前后对比摘要
每位参与者保留的材料
所有材料均为机构完全拥有的文档和工作簿。没有任何内容置于我们的工具之后，也无需续订许可。
参与者工作簿
九个模块、框架和写作模式，附公共部门案例。
问题集
课程中使用的问题集，以团队可扩展的电子表格形式提供。
引用评分卡
月度追踪模板，课程期间完成填充。
重写清单
参与者可应用于任何页面的一页框架。
课程录像
供未能参加的参与者和未来新成员使用，附内部复用权利。
幻灯片
完整幻灯片 PDF，供内部传阅。
谁授课
Terrence Ngu
Hashmeta 创始人兼集团首席执行官。5 种 GEO 状态诊断法和引用评分卡方法论的设计者。在亚太区拥有超过 15 年的绩效营销经验，亲自负责公共部门项目。
Eu Gene
AI 与数字营销教育者，终身学习领域的高级培训师，新加坡国立大学兼任副教授。以英文和中文授课并记录。
- 过去六个月完成 50 多项 AI SEO 和 GEO 部署，涵盖公共部门、教育、金融服务和电子商务领域
- 公共部门基准发布机构发布《2026 年新加坡公共部门数字与 AI 可见度基准》，涵盖 71 个中央政府域名
- 获《The Edge Singapore》报道关于品牌可见度的新战场
固定费用每批次
不含消费税
一个机构一个批次的固定费用。没有按人头收费。
- 课前准备：入门资料、问题收集和实操案例页面准备
- 3.5 小时实时授课，新加坡现场或线上
- 所有参与者材料：工作簿、问题集、评分卡、重写清单和幻灯片
- 课程录像，附内部复用权利
- 30 天课后跟进：第 30 天团体答疑和前后对比引用检查
- 新加坡境内所有差旅和授课费用
消费税按现行税率收取。
咨询
如有关于工作坊内容或形式的疑问，请联系 Hashmeta。