GEO
यह क्यों मायने रखता है
ज़्यादा से ज़्यादा सवालों का जवाब अब सीधे कोई AI system दे देता है और user कुछ भी click नहीं करता। ChatGPT, Perplexity, Gemini और Claude web पर खोजते हैं और जो मिलता है उसका सार देते हैं, और Google अपने results के ऊपर AI Overviews दिखाता है। 2025 के एक Pew Research Center अध्ययन में पाया गया कि जब AI summary दिखी तो users ने 8% visits में किसी search result पर click किया, जबकि summary न दिखने पर 15% में।
जो भी online खोजे जाने पर निर्भर है, उसके लिए सवाल "क्या हम rank करते हैं?" से बदलकर "क्या AI हमारा ज़िक्र करता है, और क्या वह हमारे बारे में सही बताता है?" हो जाता है।
गहन अध्ययन
GEO, यानी Generative Engine Optimization, AI के दौर में SEO का भाई है। Search engine optimization का लक्ष्य किसी page को links की सूची में ऊपर लाना है। GEO का लक्ष्य है कि आपका content AI के बनाए जवाब के अंदर इस्तेमाल हो: quote किया जाए, source के रूप में cite किया जाए या recommendation के तौर पर नाम लिया जाए। यही विचार AEO (Answer Engine Optimization) और LLMO (LLM Optimization) के नाम से भी बेचा जाता है।
यह शब्द 2023 के एक research paper से आया है, जिसका नेतृत्व Princeton के researchers ने किया और जो KDD 2024 में प्रकाशित हुआ। इसमें web pages को दोबारा लिखने के ऐसे तरीके परखे गए जिनसे AI search engines उनका इस्तेमाल ज़्यादा बार करें।
AI Search sources कैसे चुनता है
ज़्यादातर AI answer engines agentic RAG systems हैं। Model user के सवाल को कई search queries में बदलता है (इसे अक्सर query fan-out कहा जाता है), किसी पारंपरिक search index से results लाता है, top pages के passages पढ़ता है और citations के साथ जवाब लिखता है। इससे दो बातें निकलती हैं। पहली, classic search में दिखना अब भी मायने रखता है, क्योंकि जो pages sub-queries पर rank नहीं करते वे कभी पढ़े ही नहीं जाते। दूसरी, model passages चुनता है, pages नहीं, इसलिए quote वही होता है जो किसी खास सवाल का जवाब देने वाला साफ़, अपने-आप में पूरा paragraph हो।
Models training से मिला ज्ञान भी साथ रखते हैं। जिस brand का ज़िक्र web पर व्यापक रूप से होता है, उसके बिना search के भी सामने आने की संभावना ज़्यादा होती है।
क्या काम करता दिखता है
- पहले जवाब दीजिए। हर section की शुरुआत के पास एक सीधा, अपने-आप में पूरा जवाब रखिए, फिर विस्तार कीजिए।
- सबूत जोड़िए। मूल GEO paper ने पाया कि statistics, quotations और cited sources जोड़ने से visibility लगभग 40% तक बढ़ी, जबकि keyword stuffing से कोई मदद नहीं मिली।
- कुछ original प्रकाशित कीजिए। Data, benchmarks और खुद का अनुभव model को यह वजह देते हैं कि वह आपके सार के बजाय आपको cite करे।
- दूसरी जगहों पर ज़िक्र पाइए। AI के जवाब Reddit, Wikipedia, YouTube, review sites और news coverage जैसे third-party sources पर बहुत निर्भर करते हैं।
- तकनीकी रूप से पहुँच में रहिए।
robots.txtमें ज़रूरी crawlers को अनुमति दीजिए (जैसे OAI-SearchBot, GPTBot, ClaudeBot और PerplexityBot), और मुख्य content HTML के रूप में दीजिए, क्योंकि कई AI crawlers JavaScript नहीं चलाते। - इसे ताज़ा रखिए। समय से जुड़े सवालों के लिए तारीखें और हाल के updates मायने रखते हैं।
क्या साबित नहीं हुआ है
llms.txt, जो Jeremy Howard ने 2024 में प्रस्तावित की थी ताकि models को किसी site का Markdown सार मिल सके, जोड़ना आसान है, लेकिन अब तक इस बात के बहुत कम सबूत हैं कि बड़े AI search engines इस पर निर्भर करते हैं। उन tools से भी उतना ही सावधान रहिए जो placement की guarantee देते हैं।
मापना मुश्किल है
Track करने के लिए कोई स्थिर ranking नहीं है। जवाब हर run में, user के हिसाब से, model के हिसाब से और शब्दों के हिसाब से बदलते हैं। Tracking tools कई prompts का sample लेते हैं और बताते हैं कि कोई brand कितनी बार दिखता है, जो trend के रूप में काम का है और सटीक संख्या के रूप में भरोसे लायक नहीं। AI assistants से आने वाला referral traffic analytics में दिखता है लेकिन असर को कम करके दिखाता है, क्योंकि कई users कभी click ही नहीं करते।
Manipulation की समस्या
कुछ लोग models के लिए छिपे text, बड़े पैमाने पर बनाए गए pages या forums में plant किए गए posts से AI के जवाबों से खेलने की कोशिश करते हैं। यह दूसरे नाम से prompt injection ही है, और AI search providers इसे spam मानते हैं। यह उस slop को भी बढ़ाता है जो web को सबके लिए बदतर बनाता है। टिकाऊ तरीका वही उबाऊ तरीका है: उस सवाल पर उपलब्ध सबसे अच्छा source बनिए।