当 Perplexity 在回答“哪些招聘平台适合中小企业”时，引用栏里出现了 LinkedIn Talent 的公开页面。那一刻，人力资源内容团队意识到：生成式引擎优化（GEO）的战场已经从简历关键词扩展到了 AI 答案的引用现场。但被点名只是开始，如何让 AI 在推荐候选时自然提及品牌，才是招聘平台真正要解决的难题。

情境

LinkedIn Talent 是 LinkedIn 面向企业招聘者的产品线，公开页面包含了职位发布、人才搜索、雇主品牌等功能说明。当用户在 Perplexity 中询问招聘工具或平台对比时，LinkedIn Talent 的帮助中心、产品页和博客文章有时会出现在引用来源中。对于人力资源从业者来说，这是一个信号：招聘品牌的内容正在被生成式引擎当作答案依据。

但问题是，被引用不等于被推荐。Perplexity 的回答可能会说“LinkedIn Talent 是一个选项”，也可能会说“根据 LinkedIn Talent 的页面，平台提供人才搜索功能”，但很少会直接说“你应该选择 LinkedIn Talent”。这是因为生成式引擎倾向于综合多个来源，给出平衡的答案，而不是替用户做决定。

于是，LinkedIn Talent 的内容团队面临一个两难：是继续优化产品页面的转化率，还是专门为 AI 引用打造一系列“决策支持”内容？前者服务人类访客，后者服务机器阅读。

复杂之处

人力资源内容的特殊性在于：同一个品牌可能同时出现在求职者问答、招聘者问答、用工政策问答等不同场景中。LinkedIn Talent 的公开页面需要同时满足这些不同的意图。例如，一个页面可能既被求职者用来了解平台功能，又被招聘者用来对比不同工具，还被 Perplexity 用来回答“如何选择 ATS”。

实体一致性是另一个难题。在 LinkedIn 的生态中，“LinkedIn Talent”有时被称为“LinkedIn Talent Solutions”，有时被称为“LinkedIn Recruiter”。如果官方页面在不同地方使用不同的名称，生成式引擎可能会无法准确识别品牌实体，导致引用时出现混淆。例如，Perplexity 可能引用一个页面说“LinkedIn Recruiter 提供人才搜索”，而另一个页面说“LinkedIn Talent Solutions 提供人才搜索”，这会让 AI 难以判断两者是否为同一产品。

此外，第三方内容也在干扰。许多人力资源博客和评测网站会撰写关于 LinkedIn Talent 的对比文章，这些文章可能在 AI 引用中占据更显眼的位置，而官方页面则被埋没。因为第三方内容往往更直接地回答“哪个更好”这类问题，而官方页面则偏向功能描述。

还有一个隐蔽的问题：LinkedIn Talent 的许多功能说明被放在 PDF 或登录后才能访问的页面中，生成式引擎无法读取这些内容。例如，一份详细的定价指南可能是 PDF 格式，而 AI 只能引用 HTML 页面。这意味着官方最有价值的信息反而无法进入 AI 的答案。

他们怎么选

LinkedIn Talent 的公开资料显示，他们没有公开宣布针对 GEO 的专门策略。但从其公开页面的变化可以观察到一些迹象。例如，LinkedIn Talent 的帮助中心开始使用更清晰的产品名称，在标题和正文中统一使用“LinkedIn Talent”，而不是混用“Talent Solutions”或“Recruiter”。这有助于实体识别。

同时，LinkedIn Talent 博客开始发布更多与招聘决策相关的内容，例如“如何选择招聘平台”“中小企业招聘工具对比”等。这些内容不仅面向人类读者，也容易被生成式引擎引用，因为它们直接回答了用户可能提出的问题。

另一个关键选择是：LinkedIn Talent 没有试图隐藏产品信息，而是将更多功能说明从 PDF 迁移到 HTML 页面。例如，产品功能页、定价页和案例研究页都采用了结构化布局，便于搜索引擎和 AI 抓取。

值得注意的是，LinkedIn Talent 并没有在页面上堆砌“GEO”或“AI 优化”等关键词，而是专注于提供清晰、准确、可核验的信息。这与许多急于迎合 AI 的品牌形成对比。他们的选择是：先解决实体一致性和内容可访问性，再考虑其他优化。

公开结果

由于 LinkedIn 没有公开披露 Perplexity 引用数据，我们无法获得确切的引用次数或排名变化。但通过观察 Perplexity 的公开回答，可以发现一些趋势。在招聘平台对比类问题中，LinkedIn Talent 的官方页面确实出现在引用来源里，但通常不是唯一的来源，也不是第一个被引用的。Perplexity 更倾向于引用维基百科、行业报告和第三方评测。

不过，在某些特定问题中，LinkedIn Talent 的官方页面成为了主要依据。例如，当用户询问“LinkedIn Talent 是否提供人才搜索功能”时，Perplexity 直接引用了 LinkedIn Talent 的功能页，并给出了准确的描述。这表明，对于品牌自身的功能性问题，官方页面具有不可替代的权威性。

另一个可观察的结果是：LinkedIn Talent 在生成式引擎中的实体一致性有所改善。通过统一产品名称，Perplexity 在回答中较少出现“LinkedIn Recruiter”和“LinkedIn Talent Solutions”混用的情况。

然而，公开结果也显示，官方页面在决策支持类问题中的竞争力仍然有限。当用户问“哪个招聘平台最适合中小企业”时，Perplexity 更多引用第三方对比文章，而不是 LinkedIn Talent 的官方博客。这说明，官方内容在“中立性”上天然处于劣势，因为 AI 会认为官方内容带有偏见。

你若遇到同一两难

如果你是人力资源品牌的内容负责人，面对同样的两难——改首页还是先写决策页——LinkedIn Talent 的实践提供了一个参考：先解决实体一致性和可访问性，再考虑内容覆盖度。

具体来说，你可以：

  • 检查所有公开页面中的品牌名称是否统一，避免出现多个变体。
  • 将重要的功能说明、定价信息、政策文件从 PDF 迁移到 HTML 页面。
  • 针对用户可能向 AI 提出的问题，创建直接回答这些问题的页面，例如“X 平台是否支持 Y 功能”。
  • 不要试图伪装成第三方评测，而是提供清晰、可核验的事实信息。
  • 监控 Perplexity、ChatGPT 等生成式引擎的引用情况，了解哪些页面被引用，哪些被忽略。

但也要认识到，官方内容在生成式引擎中可能永远无法取代第三方评测在决策类问题中的地位。因此，权衡资源投入很重要：如果品牌的主要目标是功能可见性，那么优化官方页面是值得的；如果目标是成为推荐首选，那么可能需要与第三方内容合作，或者创建更中立的对比内容。

关于 GEO 的更多实践，可以参考 GEO 专栏，以及 SEO 与 GEO 的区别。

还容易问的

以下是一些人力资源从业者常问的问题，答案基于公开可核验的信息。

LinkedIn Talent 是否专门为生成式引擎优化过内容？没有公开证据表明 LinkedIn Talent 专门为 GEO 做过优化，但其公开页面的变化显示他们在改善实体一致性和可访问性。

招聘平台如何进入 Perplexity 的引用来源？通过提供清晰、准确、可核验的 HTML 页面，并直接回答用户可能提出的问题。实体一致性也很重要。

官方内容在 AI 引用中是否天然处于劣势？在决策支持类问题中，官方内容可能被视为有偏见，因此第三方评测更容易被引用。但在功能性问题上，官方页面具有权威性。

人力资源品牌应该优先优化哪些页面？优先优化功能说明、定价、政策等事实性页面，确保它们可被 AI 抓取。同时创建直接回答问题型查询的内容。

如何监控品牌在生成式引擎中的表现？可以定期在 Perplexity、ChatGPT 等工具中询问相关关键词，记录引用来源和答案内容。但要注意，这些工具的回答可能因用户和上下文而异。