当开发者在问答中寻找权威课程内容时，生成式引擎优化（GEO）正在改变大学公开课页面的可见度。本文观察一个可核验的实践：大学公开课页面如何被开发者问答引用，并成为学习类问题的首选来源。
先公布能核对的变化
通过公开检索，我们发现一些大学公开课页面在开发者问答中被生成式引擎引用。例如，在维基百科的“Generative engine optimization”词条中，引用了关于GEO的学术论文和公开资料，这些资料中提到了大学课程页面作为权威来源。尽管没有具体的引用次数数据，但可观察的变化是：这些页面在AI生成的答案中作为参考出现，表明其内容被生成式引擎视为相关且可信。
这种变化并非偶然。课程页面通常结构清晰，包含课程大纲、学习目标、先修要求等结构化信息，这些特征使得生成式引擎更容易提取和引用。此外，大学域名本身具有权威性，增加了被引用的概率。
变化之前的页面
在变化之前，许多大学公开课页面缺乏结构化数据，内容散乱，难以被机器识别。例如，一些页面将课程信息放在PDF文件中，或者使用复杂的JavaScript渲染，导致搜索引擎和生成式引擎无法有效抓取。此外，页面缺乏明确的作者和机构信息，降低了权威性。这些因素使得课程页面在AI答案中很少被提及。
以某大学计算机科学课程页面为例，过去其课程描述仅为一段长文本，没有分节或列表，学习者难以快速获取关键信息。生成式引擎在处理此类页面时，难以提取出可用于回答的片段，因此很少引用。
他们改了哪类证据
观察到一些大学开始优化课程页面的结构，以更好地被生成式引擎引用。具体做法包括：
- 增加结构化数据：使用Schema.org标记课程信息，如课程名称、描述、提供者、学习时间等，帮助机器理解页面内容。
- 提供清晰的标题和分段：将课程描述分为多个小节，如“课程概述”、“学习成果”、“课程大纲”、“先修知识”等，每个小节使用H2或H3标题，便于提取。
- 引用权威来源：在页面中引用教材、论文或其他可信资源，增强内容的可信度。
- 确保可访问性：避免使用PDF或图片承载关键信息，改用HTML文本，确保生成式引擎能够抓取。
这些改动使得课程页面在生成式引擎中的可见度提高。例如，维基百科的GEO词条中提到了结构化数据和权威引用的重要性，这些原则同样适用于大学课程页面。
变化之后AI侧能看见什么
在做出上述改动后，AI侧的可观察变化包括：
- 引用增加：在开发者问答中，AI生成的答案开始引用这些课程页面作为参考。例如，当用户询问“学习机器学习的推荐课程”时，AI可能会列出某大学的在线课程页面，并附上链接。
- 答案更具体：由于页面提供了详细的结构化信息，AI能够提取出课程的具体内容，如学习时长、先修要求等，使答案更加实用。
- 权威性提升：大学域名本身具有权威性，加上清晰的来源信息，AI更倾向于引用这些页面。
需要注意的是，这些变化是基于公开观察，具体效果可能因平台和查询而异。但趋势表明，结构化、权威的课程页面更容易被生成式引擎选中。
你怎么复用这个量法
对于其他课程机构或教育内容提供者，可以借鉴以下可核验的方法：
- 审查现有页面：检查课程页面是否易于机器抓取，有无结构化数据，内容是否清晰分段。
- 添加Schema标记：使用Course或EducationalOccupationalProgram等Schema类型标记课程信息。
- 优化内容结构：将课程描述分解为多个小节，使用标题和列表，使关键信息易于提取。
- 增强权威性：在页面中引用知名教材、研究论文或行业标准，提高可信度。
- 监测AI引用：定期在生成式引擎中查询相关课程关键词，观察自己的页面是否被引用，以及引用的上下文。
这些步骤不需要虚构数据，只需基于公开可验证的实践进行调整。更多关于GEO的策略，可参考GEO指南和SEO与GEO的区别。
还容易问的
以下是一些常见问题及解答，帮助读者进一步理解这一实践。