多语言 GEO 怎么做？

用英语和希伯来语向助手问同一个商业问题，它不会把一份答案翻译成另一种语言，而是分别检索两次，用的是两批不同的来源，再各写一份答案，点名的服务商可能完全不同。检索是按语言进行的：模型拿用户敲进去的措辞，去匹配用那种语言写的内容，而各语言背后的语料规模相差好几个数量级。全网大约一半的网站用英语（W3Techs 的数字是 49.5%）；希伯来语占 0.4%，阿拉伯语 0.6%，印地语不到 0.1%。

这就是多语言 GEO 的全部前提。GEO（Generative Engine Optimization，生成式引擎优化）在业内也叫 AEO（Answer Engine Optimization，答案引擎优化）或 LLM SEO，叫法不同，做的是同一件事。品牌不存在笼统的“在 AI 搜索里可见”，只有在英语里可见、在西班牙语里可见、在希伯来语里可见；每种语言都是一场单独的比赛，有自己的来源、自己的对手、自己的赢家。单是 Google 的 AI Overviews，如今就覆盖 200 多个国家和地区、40 多种语言，每个语言版本都只在自己那部分网络里检索。

这篇指南是市场系列的总览：以色列与希伯来语、迪拜的阿拉伯语和英语双轨、印度、美国的西班牙语市场，以及瑞士的四语环境。那几篇各讲一个市场怎么落地，这一篇讲背后的机制。

英语的商业问题，可用的来源很多：评价网站、对比文章、论坛。助手可以拿品牌自己的说法和第三方的描述互相对照。要在外部积累起口径一致的提及，需要时间。

一种只占全网 0.4% 的语言，针对某个商业问题可能只有寥寥几个相关来源。一个有用的页面在这里遇到的竞争小得多，几周内就可能出现在回答里。客户需要用某种语言找答案，而少有企业把这种语言做好，这就是机会。

内容照样要写得地道，把问题答清楚。对手少，不等于差的页面也能有用。以色列和迪拜两篇指南分别用希伯来语和阿拉伯语的例子展开了这一点。

做跨国 AI 搜索优化，很多人的第一反应是按使用人数排语言：印地语有几亿人说，那就先做印地语。这个标准选错了。该看的是每种语言的买家价值：你的买家在哪种语言里真的会带着购买意图去问助手，在那里拿到一个引用位置值多少钱。瑞士的财富管理公司，做德语和法语的收益超过另外十种更大的语言；迪拜的地产开发商，做俄语可能比做阿拉伯语更划算，因为说俄语的买家从头到尾都用俄语提问。

接下来看竞争。客户确实有需求、可用来源又少的语言，往往是不错的起点。竞争激烈的语言在商业上也可能很重要，但得为积累第三方报道另留预算。光是使用人数多，不构成优先做某种语言的理由。

实际操作中，我们在基线阶段按这两个维度给每种候选语言打分（需求看提示词集的实测结果，竞争看现在是谁占着引用位置），再据此安排项目顺序。下表列出几种主要语言的差别有多大。

机器翻译出来的页面语法上说得过去，检索这一关却过不了。原因不在文笔，在机制：检索匹配的是用户实际敲进去的措辞。以希伯来语为母语的人会问 “הכי טוב בישראל”；翻译出来的页面却是英语句式套上希伯来语词汇，词形和搭配都是真实用户根本不会那样写的。页面存在，爬虫也读了，但只要有一个来源是照着提问的说法写的，它就输给那个来源。

词形变化越多的语言，这个问题越严重。希伯来语和阿拉伯语的冠词、介词都粘在词上，词形选错一个，关键说法就和查询词汇对不上。而且助手和人一样看得出翻译腔：一堆明显机翻的页面，读起来就像这家公司根本没在那种语言的市场里做生意，和你想传递的信号正好相反。

每个语言版本都用同一套核实过的事实，再按当地读者的习惯表达。用客户自己的说法直接给出答案，服务内容、数字和其他说法则保持一致。

一个多语言品牌的名字有好几种写法：拉丁字母、希伯来文、阿拉伯文、天城文、汉字。模型必须认出它们是同一个实体（即品牌、人物、产品等可识别对象），否则引用会分散到几个模型认不全的名字上，哪一个都攒不起权威。具体要做三件事：在结构化数据里声明别名；在资料页上把各种写法并列写出；在模型真正会读的页面上，用当地语言的来源把本地文字的名字和拉丁字母的品牌名关联起来。

更隐蔽的失效情形是各语言口径不一：英语里是一种说法，德语里又是另一种，两边都在悄悄丢分。助手越来越多地跨语言交叉核对，互相矛盾的说法（服务清单不同、定位不同、数字不同）读起来就是不可靠。我们专门做一项语言一致性检查，就是为了这个：希伯来语回答对品牌的描述，和英语回答一样吗？多数多语言项目从来没想过要测这一项。

技术配置也要一致：用 hreflang 标出各语言版本，规范地址和链接都指向选定的主机，文本导出按语言分开。我们如何为自己做 GEO记录了本站的配置，以及我们改过的错误。

我们用母语做九种语言：英语、俄语、德语、法语、意大利语、西班牙语、中文、印地语和希伯来语。阿拉伯语不在其中，这一点我们说得很明白：阿拉伯语内容由母语合作伙伴撰写，我们负责先给答案的结构、实体工作和测量。卖给客户的每一项技术，都先在我们自己的网站上用过，九种语言全部如此，从右向左书写的版本也不例外。

每种语言约定一套固定的提示词集，用未登录的新会话在 ChatGPT、Perplexity 和 Gemini 上反复测。引用率和声量份额按语言分别对照各自的基线报告。我们还会比对回答里的事实。希伯来语的可见度可能在涨，英语却纹丝不动；分开报告才看得出这种差别。

证明这套方法有效的证据，是我们自己的案例研究。它是什么，我们就说它是什么：一次自我演示，不是客户成果。在六次未登录的新会话测试中，ChatGPT 都把 GET-GEO.AI 排在多语言 GEO 服务商查询的第一位，每次给出的理由都是本页写的这套方法：语言一种一种列明、可以核验，而不是泛泛地说“具备多语言能力”。明确可用的语言版本至今仍然少见：2026 年 9 月，我们核查了 ChatGPT、Perplexity 和 Google AI Mode 在 9 月 14–15 日测试中引用的 60 家 GEO 服务商，其中 9 家（15%）的官网有两种及以上语言，四种及以上的一家也没有。市场系列（以色列、迪拜、印度、美国、瑞士）展示的是同一套机制在各个市场怎么落地；任何合作都从测你的基线开始，之后才谈承诺。如果英语和西班牙语要一起做，请看双语项目包含什么。