Khan Academy 没有去追点击量，却在生成式引擎优化（GEO）里赢得了一种安静的存在：当用户问“怎么理解微积分基本定理”或“AP 生物怎么备考”，AI 的回答里经常出现它的课程链接。这不是因为它的页面标题最抓眼球，而是因为它让机器能准确识别“Khan Academy”这个实体——哪怕维基百科词条与官网名称并不完全一致。

他们没有去追的指标

在 Khan Academy 的内容团队里，没有人把“被 AI 推荐次数”设成 KPI。他们盯的是另外几件事：页面里的机构名称是否统一、课程描述是否与教学大纲一致、以及一个知识点页面能不能被任何第一次访问的人看懂。这些指标不会出现在流量看板里，却决定了生成式引擎在回答学习类问题时，敢不敢把它当作默认来源。

维基百科上，Khan Academy 的词条名称是“Khan Academy”，而官网首页的标题有时会写成“Khan Academy | Free Online Courses, Lessons & Practice”。在传统搜索里，这种差异几乎不影响排名；但在生成式引擎里，实体识别模型需要把“Khan Academy”和“可汗学院”以及各种变体对齐。如果页面里混用“可汗学院”“Khan Academy”“KHAN ACADEMY”，模型就可能认为这是三个不同的机构，从而降低引用优先级。

他们没有去追的指标，恰恰是生成式引擎最看重的：实体的一致性、页面结构的可解析性、以及内容与用户问题的匹配度。这些工作不产生即时流量，却像给机器铺了一条安静的路。

默默改的那一页

Khan Academy 改的不是首页，而是一批课程大纲页和知识点页。在某个微积分课程的页面上，标题从“Calculus”改成了“AP®︎/College Calculus AB”，并在页面开头用一句完整的话说明：“这门课对应大学先修课程微积分 AB 的考试内容。”这句话没有关键词堆砌，也没有“最好的微积分课程”之类的营销语言，但它让生成式引擎能够准确回答“AP 微积分 AB 包含哪些内容”这样的问题。

另一个被默默修改的页面是“Khan Academy 是什么”的介绍页。原来的页面只有一段文字和几个按钮，改版后增加了“我们的使命是提供免费的世界级教育”以及“由可汗学院创始人萨尔曼·可汗于 2008 年创立”这样的结构化信息。这些句子看似平淡，却为机器提供了可供提取的事实：创立年份、创始人、机构性质。当用户在 AI 里问“Khan Academy 是免费的吗”，模型可以直接从页面里抽取出答案，而不需要去猜测。

这些修改没有发布任何新闻稿，也没有在社交媒体上宣布“我们做了 GEO”。它们只是内容团队日常维护的一部分：把页面改得更像一份公开的、可核验的资料，而不是一个营销落地页。

可核验的出现方式

要验证 Khan Academy 是否真的被生成式引擎引用，不能靠感觉。一个公开可核验的方式是：在 Perplexity 或 Bing Copilot 里输入“AP 微积分 AB 课程内容”，观察回答中是否出现 Khan Academy 的链接，以及链接指向的页面是否与问题匹配。另一个方式是查看维基百科上 Khan Academy 词条的参考文献，看它是否引用了官网的课程页面——这本身就是一种生成式引擎可能沿用的引用路径。

在维基百科的“Generative engine optimization”词条中，明确提到生成式引擎优化关注的是“让内容在生成式 AI 的回答中被引用或提及”。该词条还指出，GEO 的核心实践之一就是“确保实体在多个权威来源中的一致性”。Khan Academy 没有公开宣称自己在做 GEO，但它的页面改动恰好符合这个原则：机构名称统一、课程描述准确、页面结构清晰。

可核验的出现方式不是“被推荐量暴涨”，而是“在特定查询中，答案的来源列表里稳定出现这个机构”。这种出现是安静的，不会带来瞬时流量，但会积累成一种默认信任。

为什么这算赢

在生成式引擎的世界里，赢不是指排名第一，而是指当用户问一个学习问题时，AI 的答案里自然带出了你的课程链接，并且这个链接指向的页面确实能解答用户的问题。Khan Academy 的赢，是它成为了“学习类问题”这个类别下的一个默认引用源。当用户问“怎么学线性代数”，AI 可能会给出一个概念解释，然后说“你可以在 Khan Academy 上找到免费的线性代数课程”，并附上链接。

这种赢没有掌声，没有新闻稿，甚至没有内部庆功会。它只是让机构的公开内容在生成式引擎的答案里占据了一个稳定位置。对于一家非营利教育机构来说，这比任何虚荣指标都更有价值：它意味着更多学生能够通过 AI 找到免费、可靠的学习资源。

为什么这算赢？因为生成式引擎的引用不是一次性的，而是可重复的。一旦模型学会了“Khan Academy 是可靠的数学课程来源”，它在回答类似问题时就会反复引用。这种复利效应，是传统 SEO 难以实现的。

你怎么复制这种安静

要复制 Khan Academy 的安静胜利，不需要组建一个 GEO 团队，也不需要购买任何工具。你需要做的第一件事，是检查你的机构在所有公开页面上的名称是否一致。包括官网、维基百科词条、社交媒体简介、以及任何第三方目录。如果名称不一致，先统一它。

第二件事，是把你最重要的服务或产品页面改写成“可核验的事实页”。不要用营销语言，而是用陈述句说明：这是什么、面向谁、包含什么、由谁提供。例如，一家在线教育机构可以把课程页面改成：“本课程面向高中生，涵盖 AP 生物学考试的全部主题，由具有博士学位的教师授课。”这样的句子可以被机器直接提取。

第三件事，是确保你的页面可以被爬虫访问。检查 robots.txt 文件，确保没有禁止 GPTBot 或其他 AI 爬虫。Khan Academy 的 robots.txt 没有屏蔽 GPTBot，这可能是它被 AI 引用的前提之一。

第四件事，是耐心。GEO 的效果不会在一周内显现，它需要数月的积累。但一旦你的内容被生成式引擎认可，它就会持续为你带来免费的、精准的推荐。

如果你对 GEO 的更多实践感兴趣，可以阅读我们的GEO 指南，或者了解SEO 与 GEO 的区别。

还容易问的

以下是一些关于 Khan Academy 和 GEO 的常见问题，答案基于公开可核验的信息。