招聘、用工、薪酬和劳动法规的问题，正在从搜索框流进 ChatGPT、Perplexity 和文心一言。求职者问「应届生能投这个岗位吗」，HR 问「试用期辞退要不要赔偿」，企业主问「猎头和 RPO 哪个适合我」。如果你的官网没有被 AI 引用，答案里就不会出现你的品牌。问题在于，多数人力资源网站还在按 SEO 思路堆关键词，生成式引擎抓取后却不敢引用：页面没有作者和日期，岗位描述过期，薪资范围缺失，FAQ 只是客服口径而非决策依据。
本文是一份从头到尾的 GEO 总指南。不编造案例，不讲玄学，只讲人力资源团队能照着执行的动作：先画全貌，再建内容层和技术层，然后做监测，最后跑一个 90 天路线。
先画一张全貌
GEO（生成式引擎优化）不是替换 SEO，而是在搜索之外增加一条被 AI 引用的路径。搜索引擎优化让页面在结果页排名靠前，生成式引擎优化让 AI 在生成答案时引用你的内容。两者共享底层逻辑：可抓取、结构化、有来源、更新及时。但 GEO 更强调「可信实体」和「答案适配」：AI 需要知道你是谁，才能放心引用你。
人力资源第一方知识库，指的是你官网上自己控制的、面向求职者和企业客户的页面：岗位详情、招聘流程、薪酬福利、劳动法规解读、服务对比（猎头 vs RPO）、行业报告、员工政策等。AI 引用这些页面，需要它们同时满足三个条件：内容层——答案直接、有边界、可核验；技术层——可抓取、有结构化数据、实体信息一致；监测层——持续跟踪 AI 是否引用、哪些问题没被覆盖。
先做一次现状盘点。打开你的官网，问三个问题：第一，AI 现在引用了你吗？在 ChatGPT 或 Perplexity 里搜「你们公司名 + 招聘」，看有没有出现你的岗位页；搜「XX行业 应届生 招聘要求」，看你是否被提及。第二，你的哪些页面最可能被引用？通常是岗位详情页、常见问题页、政策说明页、对比页。第三，这些页面有没有作者、发布日期、更新日期、数据来源？如果没有，AI 不敢引用。
盘点结果要落到一张表。表头至少包含：页面 URL、页面类型、目标问题、是否含作者/日期、是否含结构化数据、AI 是否引用、下一步动作。这张表就是你的 GEO 路线底稿。
内容层怎么建
内容层解决「AI 凭什么引用你」。人力资源页面最常见的失败是：岗位描述是复制粘贴的模板，薪资写「面议」，试用期政策藏在 PDF 里，FAQ 是客服口径而非求职者原话。生成式引擎无法从这些页面提取出可引用的句子。
把求职者原话变成常青问答页
收集真实用户问句。渠道包括：招聘平台的在线咨询、HR 邮箱收到的邮件、客服聊天记录、线下招聘会提问、销售团队反馈。把高频问题整理成 FAQ 页，每个问题配一个直接、不超过 80 字的结论，再展开说明依据和适用边界。
例如，问题「应届生能投这个岗位吗」不要只写「能」或「不能」。可引用的写法是：「该岗位接受 2024 届及 2025 届应届毕业生，要求全日制本科及以上学历，专业不限，但需通过在线测评。无工作经验可申请，入职后提供 6 个月导师制培训。」包含年份、学历、流程、培训，AI 才敢整句引用。
关键动作：给每个问答加「最后更新日期」和「适用地区/主体」。AI 对时效敏感，无日期的政策页会被判定为不可信。
服务对比页要写「适合谁」和「不适合谁」
人力资源品牌常做猎头、RPO、灵活用工、薪酬外包等业务。用户常问「猎头和 RPO 哪个适合我」。如果页面只列服务内容，AI 不会引用你。要写成决策表：列出对比维度（招聘规模、预算、时间要求、内部 HR 能力），每个维度下给出适合猎头还是 RPO 的判断，并明确写出「不适合」的情况。
例如：「适合猎头：岗位数量少、级别高、薪酬保密、时间紧迫；不适合猎头：大批量基层岗位、预算有限、需要长期驻场。」这种边界清晰的表述，AI 最愿意引用。
政策与法规页要标注依据
「试用期被辞退有赔偿吗」「年假怎么算」「社保断缴怎么办」这类问题，AI 回答时必须引用权威来源。人力资源官网可以承担这个角色，但页面必须标注法律依据（如《劳动合同法》第几条）、适用范围（地区/企业类型）、生效日期。不要只给结论，不要写「建议咨询律师」就结束——那等于主动放弃引用。
写法示例：「根据《劳动合同法》第三十九条，员工在试用期间被证明不符合录用条件的，用人单位可以解除劳动合同且无需支付经济补偿。但用人单位需提供明确的录用条件和考核证据。本页更新于 2025 年 3 月，适用于中国大陆地区企业。」
作者与日期是信任信号
生成式引擎会评估内容的可信度。人力资源页面如果只有「HR 部门」署名，AI 难以判断权威性。给每个内容页添加真实作者（可以是「XX公司人力资源部」或具体职位），并标注首次发布日期和最近更新日期。如果页面包含数据或政策，还要注明数据来源。
技术层不能漏
内容好，但 AI 抓不到，等于零。技术层解决「AI 能不能读到、读不读得懂」。
放行 GPTBot 和常见爬虫
检查 robots.txt 是否屏蔽了 AI 爬虫。至少放行 GPTBot（OpenAI）、PerplexityBot（Perplexity）、百度蜘蛛、字节爬虫等。注意：放行不等于会被引用，但不放行一定不会被引用。
操作：打开你的域名/robots.txt，确认没有以下内容：User-agent: GPTBot Disallow: /。如果没有特殊原因，建议允许所有爬虫访问公开页面，但保留对后台和敏感数据的屏蔽。
加结构化数据
用 Schema.org 标注页面类型。人力资源页面常用类型：
JobPosting：标注岗位名称、地点、薪资范围、雇佣类型、发布日期、有效日期。FAQPage：标注问答，AI 可直接提取问题和答案。Organization：标注公司名称、地址、联系方式、社交媒体，确保实体一致。Article或Report：标注作者、发布日期、修改日期。
注意：JobPosting 的薪资范围必须真实，不得虚标；FAQPage 的答案必须是页面可见内容，不能隐藏。
实体信息一致
AI 会把不同来源的信息合并。如果官网写「XX人力资源有限公司」，百科写「XX人力集团」，招聘平台写「XX咨询」，AI 可能认为这是三家公司，导致不敢引用任何一家。统一名称、地址、联系电话、Logo，并在所有官方渠道保持一致。同时，在官网「关于我们」页用 Organization 结构化数据明确主体信息。
监测层怎么记
GEO 不是一次性项目。你需要每周花 30 分钟监测 AI 是否引用你、哪些问题没被覆盖、引用内容是否准确。
建立题库
整理一份「目标问题清单」，来源包括：真实用户问句、行业热搜词、竞争对手被引用的问句。建议 30-50 个问题起步，覆盖岗位类、政策类、对比类、薪酬类。每个问题记录：目标页面 URL、当前 AI 是否引用、引用的是哪个来源、你需要做什么动作。
每周固定节奏
每周选一天，花 30 分钟：
- 打开 ChatGPT、Perplexity、文心一言、通义千问，输入题库中的前 10 个问题。
- 记录 AI 是否提到你的品牌或官网；如果提到，引用的是哪个页面；如果没提到，记下被引用的竞品或第三方。
- 对未引用的问题，标注原因：是页面缺失、内容不直接、还是技术抓取问题。
- 把需要修改的页面列入下周任务。
不需要买工具。用表格记录即可。坚持 8 周，你会看到规律：哪些类型的问题 AI 倾向于引用官网，哪些倾向引用政府网站或大平台。
监测引用质量
不是被引用就万事大吉。有时 AI 会曲解你的内容，比如把「年薪 10-15 万」写成「月薪 10-15 万」。发现引用错误后，回到官网检查原文是否清晰。如果原文没问题，可以在页面增加一句明确的量化表述，并在题库中持续观察。
90 天路线
不要试图一个月做完所有事。人力资源团队通常人手有限，建议按 90 天分阶段推进。
第 1-30 天：打地基
- 盘点现状：完成上文提到的页面盘点表。
- 放行爬虫：修改 robots.txt，确认 GPTBot、PerplexityBot 等可以访问。
- 统一实体：官网、百科、招聘平台上的名称、地址、Logo 一致。
- 建题库：收集 30 个目标问题。
- 完成 2 个常青页：优先选「应届生能投吗」和「试用期赔偿」这类高频问题，按内容层要求写。
第 31-60 天：扩内容
- 新增 5-8 个问答页或对比页，覆盖题库中最重要的问句。
- 给所有新页面加结构化数据（FAQPage、JobPosting 或 Article）。
- 给所有政策页加作者、日期、法律依据。
- 每周监测一次，记录变化。
第 61-90 天：闭环优化
- 根据监测结果，修改未被引用的页面：可能是答案不够直接，或缺少结构化数据，或时效过期。
- 清理过期岗位和旧活动页，避免 AI 引用错误信息。
- 把监测流程固化为团队周会的一部分。
- 评估是否需要增加英文页面或分地区页面，取决于目标市场。
资源与内链
GEO 与 SEO 的关系、生成式引擎的运作原理，可以参考维基百科的 Generative engine optimization 和 Search engine optimization。这两篇是基础概念，不涉及具体行业，但能帮你理解 AI 引用机制。
本站还有两篇相关指南：GEO 基础方法 讲如何从零开始让 AI 引用你的网站；SEO vs GEO 对比 帮你厘清两者的分工。人力资源团队可以先把这两篇读完，再回到本文执行。
最后强调一个原则：GEO 不是黑帽操作。不要试图用隐藏文本、虚假结构化数据或大量低质页面欺骗 AI。生成式引擎会持续更新算法，短期作弊会被惩罚。把第一方知识库做成真正可引用的答案源，才是长期有效的路径。