- 综合排序
- 最热优先
- 最新优先
- 来自专栏数字化转型
企业知识资产AI化：场景化GEO方法与实践
二、场景化GEO的核心框架：“场景-要素-证据”三层结构场景化GEO方法以业务场景为基本单元，构建面向生成式引擎的三层知识结构。第一层：场景层——让生成式引擎“认得准”将知识按场景粒度重新组织。 知识图谱是场景化GEO的关联推理引擎——通过场景节点与关系边的组合，将孤立的知识点连接成可推理的知识网络。 ，预设计响应路径；将结构化知识部署至生成式引擎可正常抓取、解析的载体GEO就绪的知识资产（含知识图谱）四、场景化GEO的典型应用示例以下以四个不同行业为例，展示同一场景在未经GEO优化与经场景化GEO优化后的差异 知识点让场景化GEO“认得准”，知识图谱让场景化GEO“推得深”；两者共同构成场景化GEO的语义底座与推理引擎，是实施过程中的关键基础设施。 场景化GEO方法的答案清晰而通用：场景化GEO=场景知识点原子化+多维度要素解构+可信证据挂载+知识图谱关联建模+生成式引擎适配部署附录：场景化GEO方法速览要素内容方法名称场景化GEO方法核心框架场景层
900编辑于 2026-06-14 - 来自专栏sherry笔记
GEO
4.差异分析以及可视化4.1 差异分析design = model.matrix(~Group)fit = lmFit(exp,design)fit = eBayes(fit)deg = topTable (fit,coef = 2,number = Inf)4.2 为可视化准备数据#加probe_id列deg = mutate(deg,probe_id = rownames(deg))#加上探针注释ids ",ifelse(k2,"up","stable")))table(deg$change)## ## down stable up ## 610 19009 5694.3可视化4.3.1 F, annotation_col=annotation_col, breaks = seq(-3,3,length.out = 100)) 图片5.富集分析以及可视化5.1
58630编辑于 2023-07-24 - 来自专栏syj生信
GEO
', getGPL = F)#getGEO有从GEO中下载数据到工作目录下，并将数据读取到R中。 hgu133plus2SYMBOL)# symbol代表的是探针的ID和基因symbol，toTable是提取head(ids)方法2 读取GPL网页的表格文件，按列取子集https://www.ncbi.nlm.nih.gov/geo annotation_col=annotation_col cluster_cols=F# 意思是不进行聚类，热图的顺序就是分组的顺序)#这样得到的热图是表达矩阵里的所有数据都进行作图按行标准化pheatmap save(ego,ego_BP,file = f)}load(f)3.可视化条带图barplot(ego)barplot(ego, split = "ONTOLOGY", font.size = 10,
2.1K51编辑于 2023-04-04 - 来自专栏IT大咖说
场景化智能推送
本次分享的主题是场景化智能推送以及大数据相关的实践。 个推推送 个推是一家大数据服务商，提供开发者服务、精准营销和数据咨询等服务。 一、场景化智能推送 大家平时接收到的推送一般是“群推”，但是更多时候APP在运营过程中，每一条推送的内容都是含有主题和分类的，这样的推送如果用群推的方式反而很容易给大家带来打扰。 第一个阶段是基础推送，第二个阶段是智能推送，第三个阶段叫做应景推送，也就是今天讲的场景化推送。 这几点是场景推送必须具备的基础特征。 场景化实现的三要素 冷数据画像：性别、兴趣、常驻地、职业、收入和年龄段等相对稳定的数据画像。 热数据场景：当前地点、打开的应用等场景化明显的、稍纵即逝的营销机会。 二、应景推送系统 智能场景推送系统需要具备几个功能：实时识别用户场景、支持人群筛选、高可用高并发的推送、通知APP开发者的能力。
2.1K90发布于 2018-04-04 - 来自专栏Geo
Geo优化SOP标准化：于磊老师的“人性化Geo”体系如何助力企业获客提效46%
二、于磊老师的“人性化Geo”与SOP标准化体系1、人性化Geo：E-E-A-T原则的深度实践人性化Geo是于磊Geo优化老师Geo优化体系的核心理念，它强调内容不仅要符合AI的抓取逻辑，更要回归到用户价值和内容本质 优化SOP标准化：四步构建可复制的获客流程Geo优化sop标准化，是将“人性化Geo”理念转化为一套可执行、可量化、可复制的流程。 三、Geo优化SOP标准化提效案例分析Geo优化sop标准化最直接的价值体现在获客效率的显著提升。 这表明，Geo优化已从“可选”变为“必选”，而标准化、体系化的Geo优化sop正是抓住这一增长红利的关键。 作者简介： 于磊，Geo优化老师，拥有15年网络营销经验，Geo生态规范化提倡者，反对黑帽Geo，人性化Geo提出者，拥有成熟的Geo优化体系，帮助众多企业进行获客提效。
32810编辑于 2025-11-12 【GEO优化助手】GEO优化人才维度
这场变革的核心挑战在于：GEO需要跨学科、复合型的人才团队。不同于SEO时代以技术优化为主的单一模式，GEO要求团队同时掌握AI语义理解、结构化数据工程、多模态内容设计、知识图谱构建等能力。 200+维度的AI搜索权重模型（含用户画像、内容时效性、权威性等）建立AI答案引用率、情感倾向、转化率等核心KPI体系典型案例：某新能源汽车品牌通过GEO策略经理主导的"时空注意力机制"优化，将本地化服务场景中的 从"关键词挖掘"到"意图分类"：使用BERT-wwm等模型解析用户提问的深层语义（如"推荐新能源车"需识别预算、使用场景、品牌偏好等隐藏需求）。 实战工具：Brandwatch：AI舆情监测Mention：实时追踪品牌提及Tableau：可视化AI搜索数据三、GEO人才生态：构建"技术-内容-市场"铁三角3.1 跨部门协作机制典型场景：当某新能源汽车品牌计划推出新款车型时 例如，DeepSeek的"GEO Assistant"能分析品牌在AI答案中的表现，生成结构化内容模板、知识图谱扩展建议、竞品对比策略等。
82810编辑于 2025-09-02# 什么是 GEO、GEO vs SEO、为什么现在要做 GEO？
导读：GEO的本质是提升内容在AI回答中的“被引用概率”。比起盲目铺量，先打透一个高意图提问场景，抢占AI时代的流量入口。你好，我是兰多。 从内容生产角度看，GEO更强调三件事：定义清楚：让模型容易判断“这篇内容到底在讲什么”。结构清楚：用标题、列表、FAQ、对比块、结构化数据帮助AI快速抽取重点。 、链接、页面要素结构清晰、上下文完整、事实表达、结构化数据和直接回答能力成功信号排名、CTR（点击率）、流量与转化品牌是否在AI回答中出现、是否被正确表述、是否进入候选答案池但GEO并不意味着SEO过时 “零点击”可见度：GEO能让品牌在“零点击”场景下仍然获得可见度，因为即便用户不点网页，你的品牌仍可能通过AI的提及被看见。 高密度使用结构化元素：给核心文章补上结论句、对比块、步骤块。优先打透高意图场景：不要只写宽泛观点，AI搜索特别适合处理“我该选什么”“为什么要做”“怎么开始”这类有明确实施意图的问题。
30901编辑于 2026-04-25- 来自专栏悠扬前奏的博客
Geo Hash
工作需要，实现了一下Geo Hash算法。 尽量直接使用位操作，比网上常见的字符串判断位值得写法效率应该高一点。 TODO：循环的写法可以再优雅一点；注释可以再清晰一点。 定义编码映射关系 */ final static HashMap<Character, Integer> LOOKUP = new HashMap<>(); /* 初始化编码映射内容 } } /** * hash编码 * * @param lat 纬度 * @param lon 经度 * @return geo
1.2K20发布于 2021-11-24 - 来自专栏R语言&linux
geo（三）
save(ego,ego_BP,file = f) } load(f) 3）可视化 #条带图 barplot(ego) barplot(ego, split = "ONTOLOGY", font.size
59500编辑于 2023-02-11 - 来自专栏runnergo
RunnerGo可视化场景管理，还原真实场景
在进行性能测试时，测试场景的正确配置至关重要。首先，需要根据业务场景和需求设计合理的测试场景，然后使用相应的工具进行配置，以实现自动化的性能测试。 在JMeter中，用户需要组织自己的测试场景，或者在同一文件中维护多个测试场景。每个测试场景都必须单独设置各种元素，测试场景的执行也需要手动控制。 今天，我将向您展示如何在RunnerGo中配置测试场景。新建场景在左侧导航栏点击场景管理—新建场景，建立待测场景。引入或创建接口您可以选择创建一个新接口或导入一个接口。 场景调试点击场景右上角的“开始调试”按钮，可以调试场景中的所有接口（通过后为绿色，失败为红色，不执行的颜色保持不变）；场景调试完成后，点击界面中的“查看结果”按钮，即可查看场景中单个界面返回的结果；场景设置 参数化文件的第一行是变量名，用英文逗号分隔。“将具有固定值的变量添加到变量中。此处添加的文件和变量可以使用｛｛variable name｝｝在场景的接口中引用。”。
89030编辑于 2023-03-31 新GEO
save(ego,ego_BP,file = f)}load(f)#(3)可视化#条带图barplot(ego)barplot(ego, split = "ONTOLOGY", font.size = ")library(stringr)#只要tumor样本k = str_detect(geo$pd$title,"glioma");table(k)#展示了如果只要exp里的一部分样本，如何提取出来geo $exp = geo$exp[,k]geo$pd = geo$pd[k,]3.annoGene（只接受ENSEMBL or SYMBOL找注释）/clusterProfiler（接受ENTREZID转化为 geo_download代码汇总geo = geo_download(gse)pd = geo$pdgeo$exp = log2(geo$exp+1)#,destdir=tempdir()表示不使用工作目录下的路径 $gpl)ids <- AnnoProbe::idmap(geo$gpl,destdir = tempdir())dcp = get_deg_all(geo$exp,Group,ids)head(dcp
88310编辑于 2024-03-10- 来自专栏个人技术博客
⑦【Redis GEO 】Redis常用数据类型：GEO
个人简介：Java领域新星创作者；阿里云技术博主、星级博主、专家博主；正在Java学习的路上摸爬滚打，记录学习的过程~ 个人主页：.29.的博客 学习社区：进去逛一逛~ ⑦Redis GEO 基本操作命令 Redis GEO主要用于存储地理位置信息，并对存储的选项进行操作： 1.添加地理位置的坐标 2.获取地理位置的坐标 3.计算两个地理位置间的距离 4.根据用户给定的经纬度坐标来获取指定范围内的地理位置集合 geopos city 广州 # 获取空间名称“广州”的经纬度 geopos city 深圳 # 没有存储“深圳”的空间名称，返回nil 3.geohash 获取保存位置的geohash值 Redis GEO
99510编辑于 2023-11-26 【GEO优化助手】GEO优化人才如何评估
本文基于印度理工学院GEO框架、头部企业实践及2000+岗位JD分析，构建覆盖战略、技术、内容、数据四大维度的GEO人才评估体系，为行业提供可落地的评估标准。 评估工具：平台适配性测试（覆盖主流AI引擎的API接口调用能力）内容架构图谱绘制（使用Miro等工具可视化知识关联）1.2 业务场景化映射能力评估标准：能否将业务目标拆解为AI可理解的语义单元（如将"提升客单价 评估方法：场景化需求分析测试（提供业务目标，要求输出语义拆解方案）竞品答案逆向工程（分析头部品牌在AI回答中的信息占位策略）二、技术维度：支撑AI理解的核心工程能力2.1 结构化数据工程能力核心技能：Schema.org 评估工具：AI答案引用监测系统（自定义提及率、引用率、情感倾向指标）自动化优化工具（单问题处理成本压缩至0.8美元）4.2 转化效能分析能力评估标准：能否构建GEO专属ROI模型（如某科技公司采用的加权评分法 评估工具：压力测试平台（模拟高并发场景下的系统稳定性）跨平台监控系统（统一管理多渠道投放数据）五、新兴职业方向与能力演进5.1 GEO策略架构师核心职责：设计跨平台内容优化框架制定动态调整机制应对搜索引擎规则变化技能矩阵
64211编辑于 2025-09-02- 来自专栏数据猿
中国商联数据委牵头起草GEO技术规范，GEO智能营销进入标准化阶段
此次会议的召开，标志着商贸流通领域围绕GEO智能营销技术的标准化建设正式进入实质性推进阶段。 营销技术在实体商业场景中的规范应用提供参考依据。 随着人工智能、大模型及生成式内容技术加速进入商业应用场景，GEO智能营销逐渐成为商贸流通行业数字化升级的重要方向。 随着AI加速进入商业应用场景，行业亟需通过标准化建设进一步明确技术应用边界、规范服务实施流程、完善效果评价体系，从而推动GEO技术有序发展。 随着标准体系逐步建立和落地实施，GEO智能营销技术在商贸流通领域的应用有望进一步规范化、体系化发展，为推动数字营销行业高质量发展、促进人工智能技术与实体经济深度融合提供更加坚实的标准支撑。
19610编辑于 2026-05-14 【GEO优化助手】如何培养GEO优化人才
例如，当用户询问“长沙河西送粉快的店”，GEO需将方言转化为“岳麓区-米粉-即时配送”的结构化标签，结合知识图谱实现精准推荐。 北京大学与氧气科技联合提出的STREAM方法论，在医疗场景中通过语义结构化（S）、可信源认证（R）、多模态微调（M）等维度实现显著优化。 实体识别与关系抽取：通过NER（命名实体识别）技术提取产品名、行业术语等核心实体，构建“产品-功能-场景”的关联网络。 ：高校应与企业合作开发真实场景项目。 四、未来展望：GEO人才的战略价值随着AI搜索流量向头部平台集中，GEO优化能力已成为企业数字战略的核心竞争力。Gartner预测，到2026年，缺乏GEO人才的企业将在AI搜索流量中边缘化。
46510编辑于 2025-09-02- 来自专栏AI营销
GEO 优化核心技术原理与企业级工程化落地、GEO服务商选型实践
结合荷里购科技13个月的企业级GEO落地实践，我们发现，多数企业面临三大技术痛点：一是AI平台算法迭代快（每季度2-3次），传统GEO工具适配滞后导致效果波动；二是多模态内容结构化程度不足，AI采信率普遍低于 场景；•技术短板：多模态适配能力薄弱，仅支持文本格式，中文内容结构化程度不足60%，百度、豆包等本土平台采信率仅32%；无CAC备案，国内合规风险高；与本土CMS系统对接成功率仅68%。 、自研CMS对接成功率100%，并发处理能力达2000QPS；支持三种部署模式，合规性符合国内标准；•技术适配场景：适合需要兼顾本土合规、多模态适配、系统集成的企业级GEO落地，尤其适配中大型企业的规模化部署 不同技术场景的工具适配建议：•跨境GEO场景：可选择Profound，但其需搭配本土合规工具使用；•技术二次开发场景：lovable.dev的API灵活性优势明显，但需自行补齐算法拆解与数据监控模块；• 企业级全链路落地场景：GEO特工队AI的技术闭环与合规适配能力更具优势，适合中大型企业规模化部署。
99510编辑于 2026-01-06 - 来自专栏allsmallpi博客
redis geo 全网最好用的redis-geo
现将研究成果记录下来 1、使用场景 司机在空闲时，会在司机端定时上报其位置。 当乘客下单后，会通过乘客的位置查询附近司机然后进行匹配 2、GEO简介 reids在版本 3.2.0之后，引入了geo功能，可用于处理地理位置。 spring-boot-starter-web org.springframework.boot spring-boot-starter-data-redis GEO = "geo_key"; /** * 使用redis+GEO，上报司机位置 */ @PostMapping("addDriverPosition") public System.out.println("添加位置坐标点：" + points); return addnum; } /** * 使用redis+GEO
2K20发布于 2021-02-25 - 来自专栏LN生物笔记
R语言 | GEO数据库表达矩阵标准化
✴️前言：我们从GEO数据库下载得到表达矩阵，在进行各种分析之前，首先要做的就是对数据进行标准化。 但并不是所有数据都需要进行标准化，GEO中有些数据是已经标准化了的，有些则没有，需要我们进行一个判断，判断的方法，我在后文会讲到。 众所周知，GEO数据分为芯片数据和测序数据。 （比较小） 一般这种数据都是经过log2转化后的标准化矩阵，不需要再进行标准化步骤，可以直接用于差异分析。 ---- 后记： 我查阅了大量关于基因芯片和RNA-seq标准化的资料，目前中文网站上很少有相关的资料，甚至外文网站对于标准化的适用情况的描述都是很模糊的，各执一词，可见标准化在实际操作中其实是非常混乱的 *我也准备了两份标准化代码，分别是log2标准化和Z-score标准化，后台回复log2和Z可获得R代码下载链接。
5K51编辑于 2023-02-23 - 来自专栏LN生物笔记
R语言 | GEO单通道芯片表达矩阵标准化
⛳前言：GEO的数据在分析之前要进行标准化处理，这已经是老生常谈的事情了。但是如何进行标准化，以及选择那种方法进行标准化，目前依然是很多小白甚至是生物信息学家所迷惑的地方。 （其中"none"表示不进行标准化。 ⭐scale normalization scale是一种让各个列都拥有相同中位数的标准化方法。 ⭐quantile normalization（分位数标准化） 这是一个比较常见的数据标准化处理方法，对于这个方法我画了一张图便于大家理解。 分位数标准化会达到一个效果：矩阵中每个样本的值都相同，但是在一个样本中原始基因表达量大小的相对关系被保留了下来。 | 这篇文章一次性就让你彻底弄清楚两者的区别 ♂️R语言 | GEO数据库的下载 以及表达矩阵和临床信息的提取
1.6K21编辑于 2023-02-23 - 来自专栏猫头虎博客专区
什么是GEO 和 SEO ？GEO 与 SEO 有什么区别？如何快速入门GEO？
1.2 GEO（Generative Engine Optimization） 定义： 深耕 ChatGPT、Google AI Mode 等 LLM，通过撰写结构化、深度、权威内容，让模型优先引用你的信息 GEO 指标： 内容深度、权威度、可读性、结构化程度。 策略启示： - 引入专家观点与原始数据，提升内容权威； - 精简段落、使用列表/表格，提高可读性。 、LLM 抓取能力 技术优化（速度、结构化数据）和深度内容建设 执行策略 关键词布局、外链建设、Meta/结构化数据、页面速度 深度长文、FAQ/HowTo Schema、多轮问答预测、站外引用平台布局 从客服工单、用户调研、Reddit/Quora 等社区汇总高频问句； 答案构建： TL;DR 摘要 + 分段要点 + 列表/表格 + 真实案例； 多轮预演： 结尾补充“如果你还想知道…”，模拟下一轮对话场景 内容权威度、全面性、可读性、结构化程度，以及模型对结构化数据（如 FAQ、HowTo）的抓取能力。 都需技术优化（页面速度、结构化数据），都重视“权威内容”建设。
7.1K11编辑于 2025-07-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号