GEO 发展与前景白皮书（2025—2026 版）

摘要

2023—2025 年，信息获取的入口从"链接列表"迁移到"合成答案"。随之出现一个被大量服务商叙事占据、但缺少可核验证据的领域：生成式引擎优化（Generative Engine Optimization, GEO）。本白皮书不回答"GEO 是什么"，而是回答三个更难的问题：它是否真的有效、在什么条件下有效、以及怎么测量。

本白皮书基于 52 项来源（其中 A 级同行评审论文与官方文件 16 项），系统梳理了 GEO 的机制、实证与边界，并给出五项核心结论：

第一，迁移已经发生，但幅度被系统性夸大。 麦肯锡 2025 年 8 月对 1,927 名美国消费者的调查显示，50% 的消费者已主动使用 AI 搜索，其中 44% 视其为首选信息源，超过传统搜索的 31%^[17]。但"AI 流量已超过搜索"是错的：2026 年 1 月，所有 AI 平台合计约占全球互联网流量的 0.24%，自然搜索仍高出约 345 倍^[34]。

第二，GEO 的竞争单位从"页面排名"下移为"答案中的那一段"。 在谷歌 AI 概览中，76.1% 的被引页面确实位于自然结果前 10，但排名第 1 的页面进入前三位引用位的概率仅约 50%——研究者自己称之为"抛硬币"^[19][20]。到了 AI Mode，引用与自然排名的重合度降至 12%—32%^[21][39]。排名仍是入场券，但不再是结果。

第三，GEO 是"条件有效"，而非"普遍有效"。 奠基性研究（Aggarwal 等，KDD 2024）报告的"最高 +40%"是 benchmark 内的上界，不是生产环境承诺^[1]。2026 年 2 月的 SAGEO Arena 把实验从"给定候选文档"换成"完整检索管线"后发现，只优化正文文本会在检索与重排阶段掉队^[4]。效果取决于你优化的是管线的哪一段。

第四，决定胜负的是"可被机器验证的事实资产"与第三方信源，不是技巧。 品牌自有站点仅占 AI 回答引用来源的 5%—10%^[17]；多伦多大学团队的对照实验显示，ChatGPT 对被推荐品牌的引用中 93.5% 来自第三方（earned media），品牌自有内容仅 6.5%^[5]；Ahrefs 对 7,600 万个 AI 概览的分析发现，品牌全网提及与被引概率的相关性（0.664）是外链数（0.218）的三倍；其另一项覆盖 75,000 个品牌的研究则显示，域名评级的相关性仅 0.266、站点页面数仅 0.194^[29]。

第五，行业最大的短板不是方法，是度量。 麦肯锡发现仅 16% 的品牌在系统性追踪自己在 AI 搜索中的表现^[17]。本白皮书给出四层指标体系（第 6 章）与可复现的实验设计，并诚实说明哪些东西目前测不准。

本白皮书同时做了一件行业较少做的事：对流传的关键数字做溯源与纠偏（第 2.5 节）。第 8 章的五条前瞻判断全部附"判据"。附录 B 公开证据分级规则，附录 D 公开每个数字的核验状态。

---

关键发现（8 条）

每条均可独立摘录引用。全部数字附来源编号与时间窗。

发现 1｜约一半消费者已在用 AI 搜索，44% 视其为首选信息源。 麦肯锡 AI Discovery Survey（2025 年 8 月，美国代表性消费者面板，n = 1,927）：50% 的受访者已主动使用 AI 搜索；在 AI 搜索用户中，44% 称其为自己"首选的信息来源"，超过传统搜索（31%）、零售商与品牌官网（9%）、评测网站（6%）^[17]。

发现 2｜品牌自有站点只占 AI 回答引用来源的 5%—10%。 麦肯锡基于谷歌 AI 概览的引用分析指出，品牌的自有站点通常只占 AI 搜索引用来源的 5%—10%，其余来自联盟内容、用户生成内容与第三方媒体^[17]。这一结论有三个独立方法的交叉支持：多伦多大学团队的对照实验测得 ChatGPT 引用中第三方占 93.5%^[5]；Muck Rack 对 2,500 万条引用的分析测得非自有非付费来源占 84%^[31]。这意味着"只优化官网"在结构上就是不够的。

发现 3｜"排名第一"不等于"被引用"——那只是抛硬币。 Ahrefs 分析了 100 万个 AI 概览中的 190 万条引用：76.10% 的被引页面位于自然结果前 10，但排名第 1 的页面进入前三位引用位的概率仅约 50%，斯皮尔曼相关系数只有 0.347^[19][20]。

发现 4｜AI Mode 等新界面让引用与自然排名进一步脱钩。 Semrush 用 5,000 个关键词对比 15 万条以上引用与谷歌自然前 10：Perplexity 的 URL 重合度 82%、AI 概览 67%、AI Mode 侧边栏仅 32%^[21]。Moz 在 2026 年 2 月对约 4 万条查询的分析更极端：AI Mode 的引用中仅 12% 与自然前 10 的 URL 一致^[39]。

发现 5｜只优化正文文本，会在检索阶段就掉队。 SAGEO Arena（arXiv:2602.12187，2026-02）把评测环境换成含检索与重排的完整管线后发现：纯正文改写使检索命中率下降 9%、重排下降 16%、引用率下降 6%^[4]。这不是说 GEO 无效，而是说优化位置错了。

发现 6｜结构化信号单独可带来约 +22% 的检索命中改善。 同一研究显示：结构类信号（标题、meta、schema 标记等）单独作用可使检索 Hit@20 提升 22%、平均排名改善 2.72 位；按管线阶段分别优化可达 Hit@20 = 0.75（+28%）、引用率 0.58^[4]。

发现 7｜被 AI 摘要引用的品牌，点击表现显著更好。 Seer Interactive 追踪 42 家机构、3,119 条信息类查询、2,510 万次自然展示与 110 万次付费展示（2024-06 至 2025-09）：AI 概览出现时自然 CTR 从 1.76% 降至 0.61%（-61%）、付费从 19.7% 降至 6.34%（-68%）；但被引用的品牌获得 +35% 自然点击、+91% 付费点击^[22]。研究者明确提示方向性：可能是"被引用的品牌本身权威度更高"，而非引用带来点击。

发现 8｜llms.txt 目前无证据能提升引用，但也不伤害。 SE Ranking 爬取约 30 万个域名，llms.txt 采纳率 10.13%，且与被引频次无显著相关；把该变量从引用预测模型中移除后，模型准确率反而上升^[25]。Ahrefs 对 137,210 个域名的服务器日志分析发现，有效的 llms.txt 文件中 97% 在整个月内零请求^[27]。谷歌已明确表示搜索不使用该文件^[7]。

---

方法论与证据分级

样本与时间窗

• 文献检索：2025-09 至 2026-09，覆盖 arXiv（cs.IR / cs.CL / cs.LG）、ACM DL、ACL Anthology、Google Scholar；中文来源覆盖 CNKI、国家法规数据库、CNNIC 与 QuestMobile 公开报告。
• 纳入标准：可获取原始出处、样本量与采集时间。无法同时满足三者者，降级为 C 级或不纳入正文。
• 数据基准日：2026-09-30。此后发生的引擎变更不在本版覆盖范围内。

证据分级（详见附录 B）

本版正文共使用 A 级来源 16 项、B 级 34 项、C 级 2 项；0 项 D 级。（[47][49] 虽编在 B 级编号区，正文按 C 级权重使用，详见附录 B.1 的说明。）

已知局限（诚实前置）

1. 地域偏斜：消费者行为数据以美国样本为主（麦肯锡 n=1,927、皮尤 n=900）。中国市场的行为迁移缺少同等质量的概率抽样，本版用 CNNIC 与 QuestMobile 的规模数据补充，但不做行为等价推断。
2. 引擎版本漂移：ChatGPT、Gemini、Perplexity 等产品在 2025—2026 年持续迭代，跨年数据不可直接连成时间序列。
3. 行业研究的利益冲突：第 4.5 节用四维评分卡对 12 份主流报告逐一标注，包括本书引用的报告；评分卡同时适用于本书自身。
4. 原创数据的成熟度：第 4.6 节的可见度指数为本版预注册（pre-registered）测量协议，首期实测结果尚未发布；本章给出的全部数值均为方法演示用的合成数据，已在表下显著标注，不得作为实证结论引用。

检索与纳入排除标准

本书控制偏误的四条机制

更新机制：本书按季度维护附录 D 的核验状态，按半年发布新版本。所有版本变更与勘误记录在附录 F 保留完整历史，不做静默修改。

---

---

第一部分　认知：边界与机制

第 1 章　定义：GEO 是什么，不是什么

本章结论：GEO 的优化对象不是"页面"，而是"答案里被引用的那一段"。它不替代 SEO，而是把竞争从"位置"推移到"证据"。

1.1 术语谱系：谁在什么语境下用哪个词

GEO 不是营销公司生造的词。它有清晰的学术源头：2023 年 11 月，普林斯顿大学、佐治亚理工学院、印度理工学院德里分校与艾伦人工智能研究所的研究者提交论文《GEO: Generative Engine Optimization》，并于 2024 年在数据挖掘顶会 KDD 正式发表^[1]。但在此之前与之后，行业已经叠了一层术语。

表 1-1　术语对照：谁在什么语境下用哪个词

本书采用 GEO 作为主术语，理由有二：一是它有明确的同行评审出处；二是它的定义边界最清晰——限定于"生成式引擎"这一特定信息获取形态，而非泛指所有大模型输出。当讨论需要区分"是否经过真实检索管线"时，本书改用 SAGEO，因为这两个场景的结论在 2026 年已经出现实质性分歧（第 4.2 节）。

1.2 生成式引擎的管线：六段与可控变量

理解优化对象，必须先理解引擎在回答一个问题时的内部链路。综合 RAG 综述与谷歌官方对 AI 功能的说明^[3][6]，可拆为六段：

表 1-4　生成式引擎的六段管线与站点侧可控变量

引擎按以下顺序处理一个提问。各段的可控变量完全不同，这是全书最关键的机制前提：

各段的可控变量完全不同，这是全书最关键的 mechanics 前提：

这六段不是串联的加分项，而是串联的过滤器。 任何一段失败，后面全部归零。这正是第 5 章"五层能力模型"要解决的问题。

1.3 可见度四层漏斗

把六段管线压缩成站点侧可操作的诊断层次，得到四层漏斗：

表 1-5　可见度四层漏斗：判别方法与失败模式

四层的判别方法（对应第 5、6 章的可操作版本）：

注意"提及"与"引用"的分野：一个品牌可以在答案里被点名三次而没有任何链接。按本书口径，那是"提及率 100%、引用率 0%"。多数行业报告把两者混为一谈，这正是"可见度"这个词失去信息量的主要原因。

1.4 与 SEO 的关系：继承、偏移与断裂

表 1-2　GEO 相对 SEO 的继承、偏移与断裂

一句话总结：SEO 决定你有没有资格进池，GEO 决定你从池子里被挑出来之后会不会被写进答案。 把 GEO 理解成"SEO 的替代品"是错的；把它理解成"SEO 之外新增的一段管线"，是准确的。

时效提示（重要）：76.1% 这个数字来自 2025-07 的快照。有二手来源引用 Ahrefs 2026 年一项覆盖 86.3 万关键词的更新分析称，该比例已降至约 38%——即引用来源正在向自然排名更深处扩散。若成立，则"排名与引用的脱钩"正在加剧而非缓解。本书未获得该更新的原始页面，故不将其写入正文论证，仅登记于附录 D（第 10b 条，状态 △），列为 v1.1 的重点核验项。

谷歌在 2026 年 7 月更新的官方指南里把这一点写得非常直白："有效的 SEO 优先于 AEO/GEO 技巧"，并明确列出不需要做的事（第 3.6 节与表 5-2）^[7]。

1.5 八个常见误解与反证

表 1-3　GEO 的八个常见误解与反证（高传播潜力，可单独摘录）

1.6 本书明确不写什么

为了守住可信度边界，本书主动放弃四类内容——它们的传播力往往很强，但会损害本书作为信源的价值：

这一节本身也是一条方法论主张：在 GEO 语境下，克制是有回报的。生成式引擎倾向于复述表述明确、条件清晰的陈述；而"包治百病"式的断言既不可核验，也更容易被模型在合成过程中丢弃。

---

第 2 章　迁移：为什么 2025 是分水岭

本章结论：迁移的方向已被多源数据确认，但迁移的幅度被系统性夸大。专业读者要的是区间与条件，不是单点预测。

2.1 需求侧：行为迁移已经完成一半

表 2-3　AI 搜索用户对"首选信息来源"的自述选择（2025-08，n = 1,927，美国）

来源：McKinsey AI Discovery Survey，2025 年 8 月，美国代表性消费者面板^[17]。口径：AI 搜索用户的自述首选来源，多选归一。采集时间：2025-08。

迁移的几个结构性特征值得注意：

• 不是年轻人的专利。麦肯锡指出 AI 搜索的使用跨越所有年龄段，包括婴儿潮一代的多数人已在使用^[17]。这与"AI 工具只属于 Z 世代"的刻板印象相反。
• 决策链路整体前移。超过 70% 的 AI 搜索用户在漏斗顶部提问（了解品类、品牌、产品或服务）；在消费电子、日用杂货、旅游、健康、服饰、美妆与金融服务等头部品类，约 40%—55% 的消费者已在用 AI 搜索做购买决策^[17]。
• 中国市场：规模已成型，形态不同。CNNIC《生成式人工智能应用发展报告（2025）》显示，截至 2025 年 6 月，我国生成式人工智能用户规模达 5.15 亿人，较 2024 年 12 月增长 2.66 亿人，普及率 36.5%（较 2024 年 12 月提升 18.8 个百分点）；在所有应用场景中，"回答问题"的使用率最高，达 80.9%^[12]。也就是说，中国的迁移首先发生在"问答"这一最接近搜索的形态上。

口径提示：CNNIC 的 5.15 亿是"生成式人工智能产品用户规模"，不等于"AI 搜索用户规模"；普及率 36.5% 的分母是全国网民，不是成年人口。行业转述中常见的"占网民 50%"是错误引用。

2.2 供给侧：界面在一年之内全面铺开

表 2-1　主要生成式引擎与形态（截至数据基准日 2026-09-30）

三个供给侧信号，比规模数字更重要：

1. 入口正在从"一超"变为"三强"。 ChatGPT 的绝对访问量基本持平，但份额从 76% 滑到约 53%；Gemini 吸收了大部分流失份额（8.9% → 27.3%）。只优化一个引擎的策略，在 2026 年已经覆盖不到一半的受众^[32]。
2. 中国市场的格局变化更快。 DeepSeek 在 2026 年 6 月同比下滑 20.3%，是前三名中唯一负增长的；千问同比增长超过 57 倍（低基数效应）。押注单一国产引擎的风险已经显性化^[35]。
3. 分发的力量大于产品力。 Gemini 的增长主要来自它既有的分发渠道（搜索、Android、Workspace、Chrome）——很多用户根本没有"选择"一个 AI 工具，他们只是在用谷歌，然后得到了一个 AI 答案^[32]。

2.3 流量结构变化：CTR 的两种命运

表 2-4　AI 概览出现与否：信息类查询的 CTR 对比

来源：Seer Interactive，3,119 条信息类查询、42 家机构、2,510 万次自然展示 + 110 万次付费展示，2024-06 至 2025-09^[22]。口径：谷歌搜索控制台 + 谷歌广告 + 自建 AIO 追踪器。注意：+35%/+91% 是"被引用 vs 未被引用"的组间差异，研究者明确声明不能确立因果方向。

三条独立的证据线指向同一个方向：

必须同时呈现的反方立场：谷歌对皮尤研究公开回应称，该研究"方法存在缺陷、查询集有偏，不能代表搜索流量整体"，并表示"每天都在向网站导流数十亿次点击，没有观察到所暗示的整体网页流量显著下降"。欧盟议会 2026 年的研究报告也记录了谷歌这一立场^[13]。本书不认为这一争议已解决——皮尤的优势是真实行为观测，谷歌的优势是全网总量数据，两者测的不是同一个东西。读者应把这组数字理解为"在触发 AI 摘要的查询上，点击确实显著减少"，而不是"全网流量崩塌"。

但同时必须记住另一半事实：AI 引荐流量是小基数上的高速增长，不是等量替代。

• Similarweb《2026 生成式 AI 全景报告》：2025-06 至 2026-05，AI 引荐访问量月均 7.707 亿次，同比 +117.4%，所有被追踪行业的增幅都至少翻倍^[33]。
• 但所有 AI 平台合计仅占全球互联网流量的约 0.24%（2026-01，去年同期约 0.15%）；自然搜索带来的流量仍是 ChatGPT、Gemini、Perplexity 合计的约 345 倍^[34]。
• 更关键的是质量：Similarweb 测得 ChatGPT 引荐的转化率约 7.1%，仅次于付费搜索的 7.8%，显著高于常规自然与社交流量；Adobe Digital Insights 测得 2026 年 5 月美国零售站点来自 AI 的流量转化率比非 AI 来源高 54%^[33][38]。

结论：把这一节读成"搜索流量已死"是错的；读成"流量在缩量、但留下来的流量质量更高、且分配规则变了"，是准确的。

2.4 商业侧：规模与风险的情景区间

表 2-5　传统搜索流量下滑的三情景（区间，不取单点）

参考锚点（三项全部为预测或预期值，不是实测结果）

口径提示：以上三个数字全部是预测或预期值，不是实测结果。Gartner 的 -25% 发布于 2024 年 2 月，其预测窗口（2026）尚未结束，且 Gartner 另有"2028 年自然搜索流量减少 50% 或更多"的长期预测^[18]。

为什么必须给区间而不是单点：McKinsey 自己没有公开 20%—50% 这一区间的计算过程；一个跨度如此之宽的区间，本质上是一个情景假设而非预测。对企业而言，更可靠的做法是用自己的数据做对照——比较"触发 AI 概览的查询"与"未触发的查询"在自然点击和展示上的时间序列差异。

2.5 反证：被夸大的四个数字（本书可信度的投名状）

这一节是本书最独特的部分。行业里流传的四个关键数字，没有一个是错的——它们只是被用错了场合。

表 2-2　被夸大数字的溯源与纠偏

方法论提示：判断一个行业数字能不能用，问三个问题——① 谁测的？② 怎么测的（样本、口径、时间窗）？③ 动词是什么（"影响"、"经由"、"捕获"是三个完全不同的主张）。答不上来的，降级或删除。

2.6 中国市场：三个结构性差异

本书以全球（主要是美国）证据为主体，但中国市场的结构差异大到不能简单外推。本节的三条判断基于公开规模数据与从业者观察，证据强度低于前文，请按此权重使用。

三条针对中国市场的实操建议：

1. 不要做"一个引擎"的策略。 豆包（3.82 亿）、千问（1.67 亿）、DeepSeek（1.30 亿）的用户画像与内容偏好差异明显（表 3-1），且排位在半年内就可易主。
2. 把"回答问题"当作主战场。 CNNIC 数据显示，中国生成式 AI 用户中最广泛的使用场景就是"回答问题"（80.9%），高于文生文（36.0%）与生图/视频（33.0%）^[12]。这与 GEO 的作用面完全重合。
3. 优先投入"生态内结构化"。 如果业务落在阿里或字节生态内，让参数、价格、库存、履约信息可被结构化读取，比写十篇品牌软文更有效——这与第 8.3 节 Agent 商务的判断一致。

证据缺口声明：中国市场目前缺少与麦肯锡（n=1,927）、皮尤（n=900）同等质量的行为迁移概率抽样调查。本节的规模数据来自 CNNIC 与 QuestMobile（面板估计），行为描述来自从业者观察。这是国内 GEO 研究最明显的空白，也是本书下一版（v1.1）的重点补缺方向。

---

---

第二部分　证据：机制与实证

第 3 章　机制：生成式引擎如何挑选信源

本章结论：引用不是"排名"的结果，而是"某一段落恰好补上了答案里缺的那句话"。理解扇出、段落竞争与信源偏好，才能解释为什么同样的内容在不同引擎里命运不同。

3.1 查询扇出：你的对手不是主词，是问题空间

谷歌在官方文档中明确说明：AI 概览和 AI Mode 都可能使用"查询扇出"（query fan-out）技术——围绕子主题和数据源发起多次相关检索，再合成一个回答^[6]。

表 3-3　查询扇出示意：一个问题如何展开为多个子查询

用户提问："小型团队用什么 CRM 好？"

最终答案 = 各子查询引用集合的并集，而不是主词 Top10 的重排。

这个机制解释了行业里最普遍的一个困惑：为什么我主词排第一，却没有被引用？ 因为引擎根本不是只在主词这一个检索里挑人。

Surfer 在 2025 年 11 月做了迄今最大规模的扇出量化研究：10,000 个关键词、173,902 个 URL、33,000 条生成的扇出查询^[26]：

来源：Surfer，2025-11，173,902 URL / 10,000 关键词 / 33,000 扇出查询^[26]。口径：斯皮尔曼秩相关，非因果。注：该项研究由商业工具厂商发布，样本选择方式未完全公开，本书按 B 级引用。

反直觉的一点：Ahrefs 在检验"排名 11—100 却被引用的页面是否符合扇出特征"时发现，这些页面出现在更少的关键词上、且对应更短的查询——与扇出理论预期的"更长尾"不符^[19]。这说明扇出不是唯一解释，还有新鲜度、用户偏好、历史上下文等因素。不要把一个机制当成全部机制。

实践含义：内容规划的单位不应是"关键词"，而应是"问题空间"——一个买家问题背后那 15—25 个真实子问题。但请注意谷歌 2026 年 7 月的明确警告：为每一个扇出查询单独建页，若主要目的是操纵排名或生成式回答，违反其规模化内容滥用（scaled content abuse）垃圾政策^[7]。正确做法是"一个页面上的结构化覆盖"，不是"一个子问题一个页面"。

3.2 段落级竞争：被引的是段落，不是页面

表 3-4　页面级竞争 vs 段落级竞争

引擎在合成阶段做的事情，本质上是从候选文档中抽取能独立成立的片段。这带来三条可操作的推论：

1. 自包含（self-contained）胜过上下文依赖。一个脱离页面标题、脱离前文仍能成立的段落，更容易被抽取。反过来说，"如上所述""这款产品"这类依赖上下文的表述会被淘汰。
2. 引用位比想象的多，而且不是零和的。皮尤对 12,593 条带 AI 摘要的搜索分析发现：88% 的摘要引用了 3 个以上来源，仅 1% 只引用单一来源；摘要长度中位数为 67 词^[8]。这意味着一张答案里通常有多个引用位，不必与唯一的"第一名"正面竞争。
3. 格式是被引用的一部分。GenOptima 对 2,500 多个被引域名的分析显示，榜单/对比型内容占所有被引 URL 的 59.5%，产品页 8.5%、常规文章 7.9%、操作指南 6.3%^[47]。

口径提示：59.5% 是"被引 URL 的格式分布"，不等于"做榜单就有 59.5% 概率被引"。它反映的是引擎偏好可结构化对比的信息形态。C 级证据，仅作趋势参考。

3.3 位置偏置：为什么"结论前置"不是玄学

Liu 等人发表于 TACL 2024 的《Lost in the Middle》是这一领域的经典实证^[2]。他们用两个可控任务（多文档问答、键值检索）独立操纵上下文长度与相关信息位置，发现模型对长上下文的首尾利用显著优于中部，呈 U 型曲线。

表 3-5　U 型位置偏置：相关信息所处位置对准确率的影响（多文档问答，20 篇文档）

锚点数值（GPT-3.5-Turbo）^[2]

来源：Liu 等，TACL 2024, 12:157–173，DOI:10.1162/tacl_a_00638^[2]。口径：NaturalQuestions-Open 2,655 条查询；GPT-3.5-Turbo 闭卷 56.1%、Oracle 88.3%。最坏情况下，相关信息位于中部时的表现低于完全不给文档。

三个值得记住的细节：

• 更长的窗口不等于更好的利用。GPT-3.5-Turbo 与它的 16K 版本曲线几乎重合，Claude-1.3 与它的 100K 版本同样如此。扩大窗口不能解决位置问题。
• 这一偏置对 GEO 的直接含义：① 页面层面，把核心结论与关键数据放在章节开头与结尾；② 段落层面，把结论句放在段首；③ 答案块层面，把定义句放在最前。
• 边界：该研究发表于 2024 年，测试模型为 GPT-3.5-Turbo、Claude-1.3 等上一代模型。2026 年的前沿模型在长上下文利用上已有改进，但位置偏置作为一类现象仍被后续研究（含"上下文衰减"context rot）持续观察到。不要把"结论前置"当作万能解，它是一个概率上的改善，不是保证。

3.4 信源类型偏好：为什么"只做官网"在结构上就不够

这是 GEO 与 SEO 分歧最大、也最有决策价值的一节。

表 3-0　AI 引擎的信源类型偏好（多方法交叉验证）

Chen 等的分组实验（2025-08 快照，1,000 条消费者问题）^[5]：

研究者自己披露的三条局限：① 单一时点（2025-08）快照；② 三类分类带有主观性，"独立媒体"与"企业博客"的边界有时确实模糊；③ 研究接受了销售 AI 可见度服务的公司的支持。他们建议把绝对百分比视为强相对趋势的示例，引擎之间的比较比单个数字更可靠。

如何解释 Gemini 的"反常"：Gemini 52.15% 引用品牌自有站点（Yext 数据），与 Chen 等的 25.1% 差距不小，但方向一致——Gemini 是四个引擎中最信任品牌自述的。合理的解释是：Gemini 深度依赖谷歌二十多年建立的索引、结构化数据与实体体系，品牌在 schema 与实体层面说清楚的事情，它愿意信。这解释了为什么"技术 SEO 纪律 + schema 完整性 + 实体一致性"对谷歌系引擎特别有效，而对 ChatGPT 效果有限。

3.5 平台差异图谱（核心资产）

表 3-1　生成式引擎差异矩阵

使用说明：本表按"检索底座 / 引用风格 / 偏好信源 / 优化要点 / 口径可查性"五列对比。标 ⚠️ 的行为从业者观察或厂商转述，缺少公开可核验数据，仅供方向参考，不得作为决策的唯一依据。

数据基准日 2026-09-30。本表的国产引擎行为描述基于公开从业者观察与厂商转述（C 级），是国内 GEO 研究最明显的证据缺口，本书将其列为附录 D 的重点待核验项。

3.6 结构化信号的边界：什么时候有效，什么时候是噪音

这是行业误解最集中的地方。谷歌在 2026 年 7 月更新的官方指南里给出了一个"辟谣清单"^[7]：

表 3-2　结构化与格式类信号的强度分级

本节最重要的一句话：结构化信号的作用主要发生在检索与重排阶段（让内容更容易被正确理解和召回），而不是引用阶段（让内容被选中写进答案）。SAGEO Arena 的分阶段数据正好印证了这一点（第 4.3 节）。把它当成"引用开关"，是 2025 年最流行、也最昂贵的一个误解。

3.7 时效性：答案有生命周期，你的内容也有

引用不是一次性的永久资产。三条观察：

1. AI 爬虫的抓取集中在近一年内容。有厂商分析称约 65% 的 AI bot 抓取命中过去一年内发布的内容，新内容在 3—5 天内即可开始产生引用^[49]。

   ⚠️ 该项来自厂商分析，方法未完全公开，本书按 C 级使用，仅作趋势参考。

2. 这与传统 SEO 的权威累积逻辑相反。在链接驱动的排序中，一个老页面可以靠累积的外链持续排名多年；而在 AI 检索中，新鲜度本身就是独立信号。这意味着 GEO 需要"维护"，而不只是"建设"。
3. 过期数据的风险是静默的。引擎不会告诉你"你的数据过期了"——它只是换一个更新的来源。你会在某个月发现引用率下降，却找不到原因。

操作建议：为核心参数页建立"有效期"字段，到期强制复核；为数据类内容标注 dateModified 与核验日期（见第 5.9 节示例）。把"更新"做成流程，而不是靠人记得。

---

第 4 章　证据：GEO 有效性的实证地图

本章结论：GEO 不是"无效"，而是"条件有效"——效果取决于你优化的是管线的哪一段。2024 年的乐观结论在 2025—2026 年被部分修正，这恰恰是学科成熟的标志。

4.1 奠基研究：GEO-bench 与那个"40%"

Aggarwal 等人的《GEO: Generative Engine Optimization》（KDD 2024）是整个领域的起点^[1]。它的设计：

表 4-1　九种策略中的主要六类效果与本书的解读

方向图例：✅ 有正向证据｜⚠️ 证据不足或仅为相关｜❌ 被证否

"最高 40%"的三个限定条件（必须同时声明）：

1. 这是特定方法在特定领域下的上界，不是平均效果，更不是任何站点的普遍预期；
2. 它是在 benchmark 内部测得的——实验假设候选文档已给定，抽象掉了检索与重排；
3. 在线上引擎（Perplexity）的实测中，最高约 22%，低于内部实验系统。

行业把"+40%"当成普适承诺来传播，是本白皮书要纠正的第一个数字（见第 2.5 节）。

4.2 复现危机：把检索管线装回去之后

2026 年 2 月，SAGEO Arena（arXiv:2602.12187）做了一件早就该做的事：把评测环境从"给定候选文档"换成"含大规模文档集合的完整生成式搜索管线"，并保留真实网页的结构信息（schema 标记等）^[4]。

表 4-5　三阶段衰减：只优化正文文本会发生什么

来源：SAGEO Arena，arXiv:2602.12187，2026-02-12^[4]。口径：完整检索—重排—生成管线下的端到端评测；相对基线的变化幅度。另：论文报告 AutoGEO 类自动化方法的平均排名下降约 22.35 位。

这一节的解读必须非常小心，否则会被读成自我否定。 三条澄清：

1. 这不是说 GEO 无效。 这是说"只改正文文本"这一特定做法，在真实管线里会掉队。
2. 为什么会掉队？ 合理的机制解释是：文本改写（扩写、加引用、改语气）会稀释关键词密度与主题聚焦度，从而在稀疏检索阶段降低召回概率。你在生成阶段拿到的收益，可能在检索阶段就已经付出了成本。
3. 这与 4.1 的结论不矛盾。 GEO-bench 抽象掉了检索，所以它测到的是"进入候选之后的收益"；SAGEO Arena 测的是"端到端收益"。两者测的不是同一件事。

这一发现的实践价值极高：它给出了一个明确的优先级——先保证检索与重排不掉队，再谈生成阶段的优化。第 5 章的五层模型，正是按这个顺序排的。

4.3 结构优先：分阶段优化才能真正拿到收益

同一研究给出了正向的那一半：

表 4-6　分阶段收益（SAGEO Arena，2026-02）

来源：SAGEO Arena^[4]。口径：结构化信息（标题、meta、schema 标记等）单独作用 +22% 检索命中、平均排名改善 2.72 位；按管线阶段分别定制优化后 Hit@20 达 0.75（+28%）、引用率 0.58。

结论：结构类信号的价值主要兑现在检索与重排阶段，而不是引用阶段。这与第 3.6 节谷歌官方口径（"没有需要额外添加的特殊 schema"）并不冲突——谷歌说的是"不要求额外文件"，SAGEO Arena 测的是"结构信息确实被检索系统利用"。两者可以同时成立：它不是入场券，但它是效率杠杆。

4.4 内容因子：哪些写法有稳定增益

综合 GEO-bench^[1]与后续行业研究，可归纳出四个"稳定方向"与两个"被证否方向"：

表 4-2　内容因子清单

图例：✅ 受控实验或大样本多方法支持｜⚠️ 仅有相关性或证据不足｜❌ 被证否或无收益

关于 GEO-16：Kumar 与 Palkhouski 于 2025 年 9 月发布的工作论文提出 16 个结构性因子，报告与被引行为的相关性在 0.63—0.68 之间^[41]。本书不采用其具体数值，理由是：① 未经同行评审；② 因子之间存在高度共线性，单因子相关性容易被夸大；③ 无法获取原始样本。列为待核验项（附录 D）。

4.5 行业研究的可信度评分卡

GEO 领域最严重的问题不是"没有研究"，而是"研究质量差异极大，但被同等引用"。本书建立四维评分卡，对 12 份主流报告逐一打分（每维 1—5 分，满分 20）。

评分维度：① 样本量（是否有量级支撑）② 口径透明度（是否公开定义、设备、时间窗）③ 可复现性（是否公开方法细节或数据）④ 利益冲突（发布方是否销售相关服务/工具）

表 4-3　十二份主流报告的可信度评分

评分卡的三条使用原则：

1. 总分 ≤ 11 的来源不得单独支撑一个核心结论，必须有第二来源交叉。
2. 同一发布方的多份研究不互为独立交叉（例如两份都来自 Ahrefs 的结果不能算"双源"）。
3. 利益冲突不是否定理由，但是折扣理由。销售 SEO 工具的公司发布"schema 有效"的结论，应比学术来源打更多折扣——反之亦然：销售 PR 软件的公司发布"earned media 占 84%"同样需要折扣。

4.6 原创：butGEO 可见度指数的测量协议（预注册）

这是全书唯一的原创方法部分。没有原创测量，白皮书只是文献综述。

⚠️ 重要声明（请勿跳过） 本版发布的是预注册（pre-registered）测量协议 + 方法演示算例。首期实测结果将在 v1.1（计划 2027-03）发布。本节出现的所有数值均为方法演示用的合成数据，不代表任何真实测量结果，不得作为实证结论引用。 预注册的目的是锁定方法，避免"先看结果再定口径"——这正是本白皮书批评的行业通病。

协议设计

统计设计（本节计算为真实推导，非合成）

设定显著性水平 α = 0.05、统计功效 1−β = 0.80，用于比较两个独立比例（如 A 品牌与 B 品牌的引用率）。每组所需样本量：

n = (z_1−α/2 + z_1−β)² × [p₁(1−p₁) + p₂(1−p₂)] / (p₁ − p₂)² = (1.96 + 0.84)² × [0.30×0.70 + 0.40×0.60] / (0.10)² = 7.84 × 0.45 / 0.01 ≈ 353

即在预期引用率 30% vs 40%、要求检出 10 个百分点的差异时，每个品牌每个引擎约需 353 次独立观测。单引擎 15 条 prompt × 3 次重复 = 45 次，远不足以做品牌级别的显著性比较——这是关键的设计约束。因此：

• 品牌级结论：需跨 9 个引擎聚合（45 × 9 = 405 次），勉强达到单比例比较的门槛；
• 行业级与引擎级结论：样本充足（1,800 × 3 = 5,400 次观测）；
• 时间序列结论：季度间差异的最小可检测效应约为 ±3.5 个百分点（行业级）。小于此幅度的季度波动应视为噪音。

这个计算本身就是本书的一条原创结论：市面上绝大多数"品牌 AI 可见度报告"的样本量，在统计上不足以支持它们声称的品牌级排名结论。 企业在采购这类服务时，第一个要问的问题是"每个品牌每个引擎多少次观测"。

方法演示算例（合成数据）

⚠️ 以下表格中的全部数字为合成演示数据，仅用于展示从原始记录到指数指标的完整计算路径。

已知局限（全部公开）

1. 非概率抽样：prompt 集由研究者构造，不是从真实查询日志中概率抽样，因此不能推断"全部 AI 查询"的分布。
2. 引擎版本漂移：14 天测量窗内引擎可能更新，导致前后不一致；协议要求记录每轮的模型版本标识。
3. 地区与账号差异：同一 prompt 在不同地区/登录状态下结果不同，协议固定地区但无法消除账号个性化影响。
4. 情感极性标注的主观性：即使 κ ≥ 0.75，仍有约四分之一的判定存在分歧风险。
5. prompt 集的时效性：购买意图的表达方式会随产品形态变化，prompt 集需每季度复核。

4.7 证据地图：哪些被证实、哪些被证否、哪些还不知道

把第 4 章全部证据压缩成一张表。这是本章最应被单独引用的一张表。

表 4-4　GEO 证据地图

读法提示：✅ 与 ❌ 的分界线是"是否有受控实验或大样本多方法收敛"。⚠️ 的项目可以被写进提案，但必须带上条件；❓ 的项目不应被用于说服任何决策。

---

---

第三部分　方法：从能力到测量

第 5 章　方法：GEO 五层能力模型

本章结论：GEO 的失败大多不是"内容不够好"，而是更早的层就断了——抓不到、解不开、抽不出、信不过、测不了。下层不通，上层归零。

5.1 模型总览

表 5-3　GEO 五层能力模型（核心资产）

依赖关系的含义：这是一个"与"门，不是"或"门。举例：一个页面即使写得极其漂亮（L3 满分），如果关键内容由客户端 JavaScript 渲染而 AI 爬虫拿不到（L1 = 0），它在生成式引擎里的可见度就是 0。

为什么这个顺序不能打乱：第 4.2 节的 SAGEO Arena 数据给出了实证依据——优化发生在越靠前的管线阶段，收益越大；只优化靠后阶段（纯正文改写）反而会因为稀释主题聚焦度而在检索阶段受损^[4]。

表 5-0　成熟度自评表雏形（完整打分版见第 9.4 节）

---

5.2 L1　可访问性：让机器拿得到

为什么这一层经常被忽略：因为它"看不见"——站点在浏览器里一切正常，但 AI 爬虫拿到的是空壳。

关键动作

1. 放行检索型 AI 爬虫——但必须先分清两类控制杆。
   • 检索/接地型：抓取内容用于生成答案并给出引用。典型包括 Googlebot（谷歌搜索、AI 概览、AI Mode 均走它）、OAI-SearchBot（ChatGPT 联网检索）、PerplexityBot、ClaudeBot / Claude-SearchBot。
   • 训练/语料型：如 GPTBot（OpenAI 训练语料）、Google-Extended（控制内容是否用于 Gemini 的训练与接地）。
   • 关键区分（见第 7.3 节）：这两类互不影响。封禁 Google-Extended 不会让你的页面失去出现在 AI 概览中的资格（那是 Googlebot 的范畴）；反之，放行 Googlebot 也不等于同意内容被用于模型训练。
   • 结论：若目标是"被引用"，检索型必须放行；训练型可依据版权策略独立决策。
2. 关键内容服务端输出（SSR / 预渲染）。这是 L1 最大的单点故障。
3. 返回正确的状态码与规范 URL。重定向链、软 404、canonical 指向错误，都会在这一层直接判死。
4. 站点地图与内部链接可达。谷歌明确指出"通过网站上的内部链接让内容更容易被发现"仍适用于 AI 功能^[6]。
5. 确认预览控制没有误伤。nosnippet、data-nosnippet、max-snippet、noindex 会让页面失去成为 AI 概览辅助链接的资格；模板或 CMS 改版后默认开启这些控制，是最常见的隐蔽故障^[6]。

判别方法：服务器日志中 AI bot 的抓取频次与状态码分布。

自检 5 问

1. 我站点的 robots.txt 里，Googlebot、OAI-SearchBot、PerplexityBot、ClaudeBot 分别是什么策略？训练型（GPTBot、Google-Extended）的策略是否与我的版权目标一致？最近一次修改是什么时候？
2. 关掉 JavaScript 后，我的核心内容还在 HTML 里吗？
3. 全站是否存在模板级 nosnippet / max-snippet 误设？
4. AI bot 过去 30 天的 200 / 301 / 403 / 404 比例是多少？
5. 站点地图是否覆盖了我最希望被引用的那 20 个页面？

---

5.3 L2　可解析性：让机器读得懂结构

关键动作

1. 语义化 HTML：<article>、<section>、<h1>—<h3> 层级真实反映内容结构，而非用 <div> + CSS 视觉模拟。
2. 单页单一 H1，标题即问题。把小标题写成用户会问的形式（"GEO 和 SEO 有什么区别？"），既服务人也服务检索。
3. schema 与可见内容严格一致。谷歌的官方要求是"确保结构化数据与网页上的可见文本一致"^[6]——标注了但页面上没有，是风险不是收益。
4. 实体归并（sameAs）。用 Organization / Person 的 sameAs 指向维基百科、官方社交账号、行业数据库，把"你"在机器眼里锚定成一个唯一实体。
5. 按类型补齐：Article（含 author、datePublished、dateModified）、Product（含参数与报价）、Organization、Person。注意：FAQPage / HowTo 作为富媒体结果的路径在 2026-05-07 后已被谷歌关闭，但仍可作为页面结构的语义补充，不要指望它带来引用^[7]。

判别方法：富媒体测试 + HTML 去样式后的可读性抽检（抽 20 个页面，去掉 CSS 与 JS 后让人读一遍，看结构是否清晰）。

自检 5 问

1. 去掉所有 CSS 和 JS 后，我的页面结构还能被读懂吗？
2. 每个页面是否只有一个 H1，且 H1 就是用户会问的那个问题？
3. 我的 schema 里有没有页面上肉眼看不到的数据？
4. 我的机构/作者条目有没有 sameAs 指向至少两个权威外部档案？
5. 上一次全站 schema 批量校验是什么时候？错误率是多少？

---

5.4 L3　可提取性：让机器抽得出那一段

这一层是大多数内容团队的真正战场，也是第 3.2 节"段落级竞争"的直接落地。

关键动作

1. 答案块（answer block）写法：每个小节首段给出结论，定义句控制在 40—60 字，脱离上下文仍成立。这是最容易被抽取的单元。
2. 自包含段落：段落内不出现"如上所述""这个产品""该公司"，改为完整指名。
3. 数据密度四要素：数值 + 单位 + 时间 + 口径，四者齐全。缺一项，这段话被引用的概率显著下降——因为引擎无法安全复述它。
4. 表格化替代描述：一张对比表的信息密度与可抽取性远高于三段散文。第 3.2 节的格式分布数据（榜单/对比型占被引 URL 的 59.5%）支持这一点^[47]。
5. 问答式小标题 + 结论前置：对应第 3.3 节的 U 型位置偏置——把关键信息放在首尾。
6. 覆盖问题空间而非主词：对应第 3.1 节的查询扇出。一个页面应覆盖该主题的 15—25 个真实子问题，但不要为每个子问题单独建页（违反谷歌规模化内容滥用政策^[7]）。

判别方法：随机抽 20 个段落，遮住标题与前文，判断"脱离上下文是否仍成立"。通过率低于 60% 说明 L3 不合格。

自检 5 问

1. 随机抽 20 段，遮住标题后仍有几段能独立成立？
2. 每个关键数字是否同时具备"数值 + 单位 + 时间 + 口径"？
3. 每节首段是否就是一个可独立引用的结论？
4. 我有没有用一张表替代本该用三段话描述的内容？
5. 我的页面覆盖了所在主题的多少个子问题？缺的是哪几个？

---

5.5 L4　可信任性：让机器敢引用你

这一层解释了一个反直觉的现象：为什么有些小站点的文章能被引用，而大品牌的官网不能。第 3.4 节的证据说明，引擎对"独立第三方陈述"的信任显著高于"品牌自述"。

关键动作

1. 建一手数据：行业里最稀缺、也最容易被引用的是"别人没有的数字"。哪怕样本不大，只要方法公开，就比转述二手数据有价值得多（本白皮书第 4.6 节即是示例）。
2. 引用链完整：每个事实性陈述都给出可点击、可追溯的出处，最好是 A 级或 B 级来源。
3. 作者与机构可核：具名作者、真实履历、sameAs 指向外部档案。这是 E-E-A-T 中最容易被机器验证的部分。
4. 更新可见：dateModified 真实、页面上标注"最后更新"。
5. 跨站事实一致：同一事实在官网、第三方平台、社媒上的表述必须一致。不一致会被模型"平均化"成模糊表述——这是第 8 章提到的品牌一致性风险。
6. 争取第三方背书：earned media 占 AI 引用的绝大多数（ChatGPT 93.5%、Claude 87.3%、Perplexity 67.4%、Gemini 63.4%）^[5]；Muck Rack 对 2,500 万条引用的分析显示 84% 来自品牌既不拥有也未付费的来源^[31]。第三方信源拓展不是公关的附加项，而是 GEO 的主战场。

判别方法：在同一事实下，跨 3 个平台比对表述是否一致。

自检 5 问

1. 我最希望被引用的 10 个事实，有几个是我自己测出来的？
2. 这些事实的出处能否一键点开核实？
3. 我能否说出作者姓名与其可核实的外部档案？
4. 同一组数据，在官网、行业媒体、社媒上的说法一致吗？
5. 过去 12 个月，有多少独立第三方引用过我的数据或观点？

---

5.6 L5　可测量性：衔接第 6 章

L5 不是"买个监测工具"，而是建立一套能回答三个问题的系统：我现在在哪？我比上季度好吗？这个变化是我造成的吗？ 完整方法见第 6 章。

为什么把可测量放在最顶层而不是最底层：因为它依赖下面四层——如果内容本身不可提取、数据本身不可信，测量结果再精细也只是精确地测量一个错误的对象。

---

5.7 分行业打法

表 5-1　分行业最高杠杆动作

5.8 反模式清单

表 5-2　八种反模式：为什么错 + 证据（高传播潜力）

5.9 一个完整的页面改造示例

抽象原则不如一次对照。以下是一个真实结构（脱敏）的改造前后对比，展示 L2—L4 三层的变化如何叠加。

改造前（不可用）

H1：产品中心
正文（第一段）：
  在这个数字化转型加速的时代，企业对于高效协作工具的
  需求日益增长。我们始终坚持以客户为中心，致力于为广
  大用户提供优质的产品与服务。我们的产品凭借领先的技
  术优势，赢得了市场的一致好评……
正文（第三段）：
  价格方面，我们提供多种套餐供选择，具体可咨询销售。

为什么这段几乎不可能被引用：

改造后（可引用）

H1：X 产品的团队协作功能支持多少人同时使用？

【答案块｜48 字】
X 产品支持单团队最多 200 人同时在线协作，企业版上限
为 2,000 人；该限制自 2026 年 4 月起适用于全部付费套餐。

【参数表】
| 套餐     | 同时在线上限 | 存储空间 | 价格（年付，含税） | 生效日期   |
|---------|------------|---------|-----------------|-----------|
| 团队版   | 200 人      | 500 GB  | ¥ 12,800 / 年    | 2026-04-01 |
| 企业版   | 2,000 人    | 5 TB    | ¥ 86,000 / 年    | 2026-04-01 |

【数据来源】本表数据来自 X 产品 2026 年第二季度官方定价
文档，由 butGEO 于 2026-09-15 核验。

改动清单与对应层：

这个例子最重要的启示：改造没有增加任何"新内容"，只是把原本就有的信息重新组织成机器可安全复述的形状。GEO 的第一批收益几乎全部来自这一类重组，而不是创作新内容。

---

第 6 章　测量：如何证明 GEO 有用

本章结论：GEO 目前最大的短板不是方法，是度量。没有可复现的测量，GEO 永远停留在"感觉有效"。而敢于说"测不准"，反而会提升整份报告的可信度。

6.1 四层指标体系

表 6-4　GEO 四层指标体系

为什么必须分层：因为"唯流量论"在 GEO 里会导致系统性误判。AI 引荐流量目前只占全球互联网流量约 0.24%^[34]，如果你的 KPI 是流量，GEO 一定"看起来没用"。但同一批流量转化率高出 54%^[38]，且可见度的变化会先于流量 6—12 个月发生。可见度是先行指标，流量是滞后指标。

6.2 核心指标定义

表 6-1　GEO 核心指标定义表（易被引用）

关于"位置调整词数"（Position-Adjusted Word Count）：这是 GEO-bench 使用的学术指标，综合考虑了内容在答案中的篇幅与位置^[1]。它比"是否被引"更精细，但计算依赖对答案文本的解析，在跨平台比较时口径难以统一。本书建议：学术研究用它，企业报告用"提及率 + 引用率 + SoV"三件套。

6.3 实验设计

表 6-5　可复现的 GEO 实验设计（五个要素）

抽样误差与最小可检测效应（MDE）：如第 4.6 节计算，在 α = 0.05、功效 0.80 下，检出 10 个百分点的引用率差异需要每组约 353 次观测。这意味着：

• 一个 15 条 prompt 的 prompt 集，在单引擎上只能给出方向性判断，不能给出显著性结论；
• 任何声称"我们把你的 AI 可见度从 X 提升到 Y"的服务，如果不能说明观测次数与时间窗，其结论不应采信。

6.4 工具与数据源：四种方案的取舍

表 6-2　测量方案对比（四种方案）

组合建议：自建 prompt 集打底（可见度层）+ 服务器日志（流量层）+ 人工抽检 10%—20%（质量校正）。第三方平台用于竞品对比，但不要把绝对数值跨来源比较。

口径提示：Similarweb 明确提醒"部分 AI 访问不带 referrer 数据，会落入直接流量，因此基于 referrer 的统计低估了真实规模"^[33]。这意味着你的"直接流量"里可能混着 AI 流量。

6.5 归因难题：敢说"测不准"

这是本书最诚实、也最有价值的一节。GEO 的归因存在三个结构性困难：

表 6-6　GEO 归因链路上的三个断点

本书的诚实结论：在单个企业层面，GEO 的精确归因目前做不到。 可以做到的是：

• 在可见度层建立可靠的因果（有基线、有对照、有足够样本）；
• 在业务层建立相关性证据（品牌搜索与可见度的时序关系）；
• 用增量实验在特定品类/区域上估计量级（成本较高，适合大预算）。

把这三件事说清楚，比给出一个"GEO 贡献了 23% 的线索"这类无法复现的数字，更有说服力。

6.6 一页纸报表模板（面向管理层）

表 6-7　GEO 月度报表模板（面向管理层）

报表头部必须固定标注：报告期、样本规模（prompt 数 × 引擎数 × 重复次数）、方法（指向附录 B）、数据来源与采集时间（指向附录 D）。

表 6-7 为模板，其中数值为示例。实际使用时须替换为真实测量值，并附口径说明。

6.7 七个常见的测量错误

表 6-3　常见测量错误与纠正

6.8 与现有 KPI 体系的衔接

GEO 指标不应另起炉灶，而应挂进现有体系。三条衔接建议：

1. 把可见度设为先行指标，写进季度 OKR。理由：可见度的变化早于流量 6—12 个月；等流量下滑再反应，已经晚了。
2. 给"AI 引荐"单开一个渠道分组，但不要给它独立 ROI 目标。理由：第 6.5 节的归因限制。可以给"AI 引荐 + 品牌搜索"的合并目标。
3. 把"被引页面数"并入内容团队的产出指标。理由：它同时衡量内容质量与机器可读性，是内容团队在 AI 时代最直接的产出度量。

一条反面建议：不要用"AI 可见度排名"作为采购单一服务的验收标准。 第 4.6 节已说明，多数商业报告的品牌级样本量不足以支撑排名结论；用它做验收，等于用一把没有刻度的尺子验收工程。

---

---

第四部分　边界与前景

第 7 章　治理：风险、伦理与合规

本章结论：GEO 的第一波红利属于会用的人，第二波属于守规矩的人。黑帽手法的收益期正在快速关闭。

7.1 黑帽手法图谱

表 7-1　常见黑帽 GEO 手法与识别信号

学术界也在同步研究对抗性 GEO：随着 GEO 效果得到验证，研究者开始关注"操纵生成式引擎"的攻击面及其防御（常被归入对抗性搜索优化方向）。本书不提供任何规避平台规则的方法，理由有二：① 与本章的合规立场直接冲突；② 收益期正在关闭，而风险是长期且不可逆的。

7.2 平台反制：已经写进政策

关键事实：谷歌的垃圾内容政策同样适用于其 AI 功能，不存在"AI 功能另有一套规则"的情况^[6][7]。已明确写入官方文件的反制包括：

最后一条最容易被误解：用 Google-Extended 阻止 Gemini 训练，不会让你的页面失去出现在 AI 概览中的资格（那是 Googlebot 的范畴）。两者是独立的控制杆。

7.3 版权与许可：训练抓取 ≠ 检索抓取

表 7-2　许可机制对比

本书立场：把"训练抓取"和"检索抓取"混为一谈，是内容方在 AI 时代最常犯的策略错误。阻止训练不影响检索可见度，反之亦然。 二者应根据商业目标分别决策：希望被引用 → 必须放行检索型爬虫；不希望被用于训练 → 用 Google-Extended 等专门令牌，但接受"仍会出现在 AI 答案里"。

7.4 AI 生成内容的披露

三个层次的实践建议：

1. 机器层面：按《人工智能生成合成内容标识办法》的要求添加显式与隐式标识（见 7.5）。这不只是合规，也是可信度资产——能被机器验证的来源声明，在未来会成为排序与引用的正向信号。
2. 页面层面：标注 AI 参与的程度与人工审校情况。谷歌的官方立场是内容应体现"经验、专业性、权威性、可信度"（E-E-A-T）四要素^[7]；纯自动生成且未经审校的内容不符合这一要求。
3. 事实层面：AI 参与生成的内容中，所有数字与引用必须经人工核验。这一条是本白皮书最强的建议之一——生成式引擎对"可核验"的偏好（第 4.4 节）意味着，核验本身就是 GEO 动作。

风险提示：欧盟议会的研究报告指出，随着生成式搜索成为信息入口，内容生产者面临"为被选中、被合成、被引用而改造内容"的压力，这可能使媒体倾向于生产"易于抽取和压缩"的格式，而非更耗时、更难简化的调查报道^[13]。这是行业层面的伦理风险，不只是单个企业的问题。

7.5 中国合规要点

表 7-3　中国语境下的 GEO 合规清单

⚠️ 法务提示：本表的施行日期均已核对官方来源；具体条款号需由法务在终审时逐条复核后标注。法规存在修订与配套细则更新的可能，使用前请以国家法律法规数据库的最新版本为准。

7.6 品牌安全：当 AI 说错了你

三种典型风险与响应：

危机响应流程（建议）：① 监测发现 → ② 复现确认（在多个引擎、多个 prompt 上验证，排除偶发）→ ③ 溯源定位（是哪篇内容/哪个数据源导致的）→ ④ 分类处置（事实错误→更正源头；观点负面→补充一手材料；无法更改→调整内容策略）→ ⑤ 复测验证（4 周后重测）→ ⑥ 记录归档。

一条原则：不要试图通过投诉或施压让引擎改答案。 正确的做法是改变引擎读取到的信源结构——这是一项长期工程，也正是第 5 章 L4 层要做的事。

---

第 8 章　前景：2026—2028 的五个判断

本章结论：未来三年，GEO 会"消失"——不是失效，而是被吸收进标准的可见度工程流程；剩下的差异化来自数据资产与审计能力。 阅读须知：本章全部为预测，用"区间 + 判据"表述，不用单点年份。每条判断附"什么信号出现即证明我错了"。

表 8-1　五个判断与证伪判据

8.1　合并，而非替代（高置信度）

依据：谷歌 2026-07 官方指南的结语是"有效的 SEO 优先于 AEO/GEO 技巧"^[7]；官方文档反复强调"没有其他技术要求"。当平台方把两者统一到同一套要求下，市场的服务供给也会随之合并。 已观察到的早期信号：主流 SEO 工具在 2025—2026 年陆续把 AI 可见度纳入核心模块；McKinsey 将"gen AI engine optimization"定位为"整体营销与数字战略的关键组成部分"而非独立品类^[17]。 对企业的含义：不要把 GEO 立项为一个独立项目（这正是第 9.5 节列出的五种失败之一），而应作为现有内容与技术流程的能力扩展。

8.2　多模态（中置信度）

依据：Ahrefs 对 75,000 个品牌的分析中，YouTube 提及与 AI 可见度的相关性约 0.737，是所有被测信号中最强的，超过全网品牌提及（0.66—0.71）^[29]。合理的解释是视频内容被大量纳入模型训练语料。 不确定点：相关性不等于因果——被大量讨论的品牌本来就既有视频又有提及。视频究竟是引用原因还是品牌热度的副产品，目前无法分离。 对企业的含义：视频应被纳入信源资产，但不要把它当成捷径。

8.3　Agent 商务（中置信度）

依据：谷歌已在 AI Mode 中推出代理能力（预订餐厅等）^[14]；国内千问已接入淘宝、支付宝、高德、飞猪形成交易闭环^[35]。 对企业的含义：面向代理的结构化要求（参数、库存、价格、履约条件）将比面向人的文案更重要。这是"结构化数据"价值最可能被重新定价的场景。

8.4　测量标准化（中置信度）

依据：目前行业口径极度混乱——同一现象在不同研究中的数字可以相差数倍（第 2.5 节）。第 4.6 节的样本量计算显示，多数商业报告在统计上无力支撑其结论。这种状况不可持续。 判据细化：若 2027 年底前没有至少两个相互独立的标准/联盟出现，本判断失败。

8.5　信源寡头化（中高置信度）

依据：AI 引用高度集中于第三方媒体、评测站与少数平台；付费/软文内容在 Muck Rack 的 2,500 万条引用样本中仅占 0.3%^[31]。当"被引用"具备商业价值，它就会被定价——授权、分成、白名单是最可能的形式。 风险提示：这一判断如果成立，意味着中小品牌未来获取引用的成本会上升。当下的窗口期是真实存在的。

8.6 三情景与观测指标

表 8-2　2026—2028 三情景矩阵

8.7 企业时间表（按规模分档）

8.8 对中国市场的三个专门判断

这三条的证据强度低于 8.1—8.5（中国侧缺少同等质量的公开行为研究），请按更低权重使用。

8.9 本书最可能出错的三处（自我证伪）

按照本书第 1.5 节的原则，我们也列出自己最可能被推翻的地方：

为什么要把这一节写进白皮书：一份只列出别人错误、从不标注自身风险的报告，本身就是第 2.5 节批评的那种"数字裸奔"。可证伪不是姿态，是质量控制。

---

第 9 章　行动：组织、预算与 90 天清单

本章结论：GEO 落地失败的主因是组织问题，不是技术问题——它同时需要内容、技术、数据、法务与 PR。

9.1 能力模型与团队

表 9-1　五类角色与最小可行配置

关键提醒：PR / 信源拓展是 GEO 团队里最容易被漏掉、但权重最高的角色。 第 3.4 节的证据（earned media 占 ChatGPT 引用的 93.5%、占 Muck Rack 2,500 万条引用样本的 84%）说明，只配置内容和技术的团队，在结构上就拿不到大部分引用位。

9.2 预算结构

本书不给绝对金额（因规模与行业差异过大），只给比例区间：

表 9-4　GEO 预算分配的推荐区间

口径：占 GEO 专项预算的比例，不含常规内容生产成本。

为什么"第三方信源"占比要这么高：因为它对应的是最大的一块引用来源（60%—90%），而多数企业在这块的投入接近于零。如果你的 GEO 预算 100% 花在自有内容和技术上，那么你在争夺的是那 5%—10%。

9.3 90 天启动清单

表 9-2　90 天启动清单与每周交付物

顺序不能颠倒的理由：先修底层（L1—L2）再改内容（L3），是因为第 4.2 节的证据——在完整检索管线下，底层不通会让内容层的努力在检索阶段就被过滤掉。

9.4 成熟度自评（L0—L4）

每级 5 条判据，满足 4 条以上即进入该级。

如何使用：从 L0 开始逐级向上判定。L0 的判据是"缺失项"（命中 ≥4 条即为 L0）；L1—L4 的判据是"已建成项"（满足 ≥4 条即达该级）。判定应取最高满足级，且低一级的判据应已基本满足——因为五层是依赖结构，跳级通常意味着自评失真。

9.5 五种典型失败

表 9-3　五种典型失败与识别信号

9.6 常见问题（FAQ）

本节按问答形式组织，每条答案可独立成立，便于被引用。

Q1：GEO 会取代 SEO 吗？ 不会。谷歌官方文档明确表示 AI 功能"没有其他技术要求"，SEO 最佳实践继续有效^[6]。正确的关系是：SEO 决定你能否进入候选池，GEO 决定你能否从池中被挑出来并写进答案。（第 1.4 节）

Q2：做 GEO 多久能见效？ 取决于你缺的是哪一层。修 L1（爬虫许可、SSR）通常在数周内体现在抓取日志上；改 L3（答案块）通常在 4—12 周内体现在引用率上；建 L4（第三方信源）以季度计。承诺"30 天见效"的服务商，其承诺本身就是一个风险信号。

Q3：llms.txt 要不要做？ 可以做，但不要指望它。约 30 万域名样本中采纳率 10.13%，与引用无显著相关；137,210 个域名的日志显示 97% 的文件整月零请求；谷歌明示不使用^[25][27][7]。它的真实价值在开发者工具场景（Cursor、Claude Code 等会读取文档站的 llms.txt），不在搜索可见度。（第 3.6 节）

Q4：schema 要加吗？ 要，但理由不是"AI 需要它"。谷歌明示"没有需要额外添加的特殊 schema"^[7]；Ahrefs 对 1,885 个新增 schema 页面与 4,000 个对照页的双重差分实验，在 AI 概览、AI Mode、ChatGPT 三个平台上均未发现显著引用提升^[52]（注意：该样本均为已有 100+ 引用的页面，不代表零引用页面的情况）。加 schema 的真实理由是：① 常规富媒体结果；② 结构化信息确实有助于检索阶段的召回（SAGEO Arena：检索 Hit@20 +22%）^[4]；③ 实体识别与消歧。前提是与页面可见内容严格一致。（第 3.6 节）

Q5：要不要为每个子问题单独建一个页面？ 不要。谷歌 2026-07 指南明确：主要为操纵排名或生成式回答而为每个搜索变体创建独立内容，违反规模化内容滥用政策^[7]。正确做法是"一个页面内结构化覆盖问题空间"。（第 3.1 节）

Q6：小品牌有机会吗？ 有，而且机会结构相对公平。因为品牌自有站点只占引用来源的 5%—10%^[17]，决定胜负的是第三方怎么说你，而不是你的域名有多大——Ahrefs 数据显示域名评级与 AI 可见度的相关性仅 0.266，而全网品牌提及是 0.66—0.71^[29]。（第 1.5 节）

Q7：花钱能"买"到 AI 引用吗？ 基本不能。Muck Rack 对 2,500 万条引用的分析显示，付费与软文内容占 0.3%^[31]。可以买到的是：能让第三方愿意引用你的素材——一手数据、可核验的参数、真实的专家观点。（第 5.5 节）

Q8：怎么判断服务商给我的 AI 可见度数据可不可信？ 问三个问题：① 每个品牌每个引擎多少次观测？（第 4.6 节算出：检出 10pp 差异需约 353 次）② 时间窗多长、变量是否固定？③ 提及和引用是否分开统计？答不上来的，其结论不应采信。（第 6.3 节）

Q9：AI 生成的内容能被引用吗？ 能，但有条件：所有数字与引用必须经人工核验，并按所在地法规完成标识（中国《人工智能生成合成内容标识办法》自 2025-09-01 施行，要求显式标识 + 元数据隐式标识）^[10]。未经核验的 AI 内容在 YMYL 领域几乎不可能被引。（第 7.4 节）

Q10：我排名第一但没被引用，先查什么？ 按顺序查四件事：① 页面是否有 nosnippet / max-snippet 限制（有则直接失去资格）；② 内容是否服务端输出；③ 段落是否脱离上下文仍成立；④ 该问题的子问题你是否覆盖了。第 1 名进入 AI 概览前三引用位的概率本来就只有约 50%^[20]，先确认不是"资格问题"再谈优化。（第 5.2 节）

Q11：需要多少预算？ 本书不给绝对金额，但给一个反直觉的比例建议：第三方信源应占 25%—35%，因为对应的是 60%—90% 的引用来源。多数企业在这块的投入接近于零。（第 9.2 节）

Q12：多久测一次？ 建议月度跑数、季度出指数。月度用于发现异常（引用率突降、负面情感上升），季度用于做趋势判断——月度波动在统计上往往只是噪音（第 4.6 节：季度间行业级最小可检测效应约 ±3.5pp）。（第 6.3 节）

---

---

附录

附录 A　术语表

30 个术语的中英对照与本书定义。本表的目的是统一口径，也便于被"XX 是什么"类问题引用。

---

附录 B　研究方法与证据分级

B.1 证据分级规则

边界条目说明：[47]（GenOptima 内容格式分析）与 [49]（AI 爬虫新鲜度）虽编在 B 级编号区，但因方法披露不足 / 发布方归因存在分歧，本书在正文中一律按 C 级权重使用，仅作趋势参考，不作为论据。编号不重排，以保持跨版本引用稳定。

B.2 报告可信度评分卡（完整版）

四维各 1—5 分，满分 20：① 样本量 ② 口径透明度 ③ 可复现性 ④ 利益冲突（5 = 无冲突）。

完整评分结果即第 4.5 节的表 4-3**，共评 12 份报告，本处不重复。**

三条使用原则（重申）

1. 总分 ≤ 11 的来源不得单独支撑一个核心结论，必须有第二来源交叉。
2. 同一发布方的多份研究不互为独立交叉（两份都来自 Ahrefs 的结果不能算"双源"）。
3. 利益冲突不是否定理由，但是折扣理由。

评分卡的自反性：第 4.5 节同时声明，该评分卡适用于本书自身。按同一标准自评，本书在"可复现性"上得分较高（第 4.6 节公开协议、附录 C/D 全量溯源），在"原创数据成熟度"上明显扣分（首期实测未发布），在"利益冲突"上须扣分（编制方提供 AI 可见度相关服务）。

B.3 本书的已知局限

1. 地域偏斜：消费者行为数据以美国样本为主（麦肯锡 n=1,927；皮尤 n=900）。中国侧只有规模数据（CNNIC、QuestMobile），缺少同质量的行为迁移调查。这是本版最大的证据缺口。
2. 国产引擎的行为描述证据不足：表 3-1 中豆包、千问、DeepSeek、Kimi、元宝、Copilot 的行为描述基于从业者观察与厂商转述（C 级），不应作为决策的唯一依据。
3. 引擎版本漂移：所有跨平台数字的时间窗不同（2025-03 至 2026-09），不可连成时间序列。
4. 相关性 ≠ 因果：本书大量引用相关性研究（如品牌提及 0.66—0.71、YouTube 提及 0.737）。除 GEO-bench 与 SAGEO Arena 的受控实验外，其余均不能确立因果。
5. 原创数据未发布：第 4.6 节为预注册协议，首期实测结果待 v1.1。
6. 利益冲突声明：编制方 butGEO 提供 AI 可见度相关服务。本白皮书对任何第三方研究的评价基于公开方法说明；第 4.5 节的评分卡同样适用于本书自身的方法和结论。

B.4 复现与复核

• 第 4.6 节的测量协议（抽样框、判定规则、统计设计）全部公开，接受外部复核。
• 勘误与复核意见提交方式见附录 F。
• 建议复核方重点检查：附录 D 中标记为 △ 的条目。

---

附录 C　参考文献

分级列出，GB/T 7714 格式。网络资源附访问日期，访问日期统一为 2026-10-22（数据基准日 2026-09-30 之后的核验）。arXiv 文献已核对版本号。

A 级（同行评审论文、官方文档、法规原文、官方统计）

[1] AGGARWAL P, MURAHARI V, RAJPUROHIT T, 等. GEO: Generative Engine Optimization[C]//Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD ’24). New York: ACM, 2024. DOI:10.1145/3637528.3671900. （预印本：arXiv:2311.09735v3, 2024-06-28）

溯源说明：论文摘要与正文明确报告"最高提升 40%"，本书据此引用。表 4-1 中列出的分项数值（Cite Sources 约 40%、Statistics Addition 约 37%、Quotation Addition 约 22%）来自公开二手转述，建议读者核对论文原表（Table/Figure）后确认；本书在附录 D 第 2 条中已按此标注。另有独立二手来源提到线上引擎（Perplexity）实测最高约 22%，同样待核对原文。

[2] LIU N F, LIN K, HEWITT J, 等. Lost in the Middle: How Language Models Use Long Contexts[J]. Transactions of the Association for Computational Linguistics, 2024, 12: 157–173. DOI:10.1162/tacl_a_00638. （预印本：arXiv:2307.03172）

[3] GAO Y, XIONG Y, GAO X, 等. Retrieval-Augmented Generation for Large Language Models: A Survey[EB/OL]. arXiv:2312.10997, 2023[2026-10-22]. https://arxiv.org/abs/2312.10997

[4] KIM S, JEONG W, KIM S, LEE S, LEE D. SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization[EB/OL]. arXiv:2602.12187v1, 2026-02-12[2026-10-22]. DOI:10.48550/arXiv.2602.12187. https://arxiv.org/abs/2602.12187

著者订正：本白皮书写作大纲初稿曾将该文著者记为 "Kim S., Jeong Y., Kim J., Lee S., Lee J.S."，经核对 arXiv 原文订正为 Sunghwan Kim, Wooseok Jeong, Serin Kim, Sangam Lee, Dongha Lee。

[5] CHEN M, WANG X, CHEN K, KOUDAS N. Generative Engine Optimization: How to Dominate AI Search[EB/OL]. arXiv:2509.08919, 2025-09[2026-10-22]. https://arxiv.org/abs/2509.08919

使用限制：工作论文，未经同行评审；分类带主观性；研究接受销售 AI 可见度服务的公司支持。

[6] Google Search Central. AI features and your website[EB/OL]. Mountain View: Google, [2026-10-22]. https://developers.google.com/search/docs/appearance/ai-features （官方文档，含 2025-12 与 2026-07 更新）

[7] Google Search Central. Optimizing your website for generative AI features on Google Search[EB/OL]. Mountain View: Google, 2026-07-10[2026-10-22]. https://developers.google.com/search/docs/appearance/ai-overviews

[8] Pew Research Center. Google users are less likely to click on links when an AI summary appears in the results[EB/OL]. Washington, D.C.: Pew Research Center, 2025-07[2026-10-22]. https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/

方法：900 名美国成年人（KnowledgePanel Digital），2025-03-01 至 03-31 浏览数据，68,879 次谷歌搜索，其中 12,593 次触发 AI 摘要；搜索结果抓取于 2025-04-07 至 04-17。

[9] 国家互联网信息办公室, 国家发展和改革委员会, 教育部, 等. 生成式人工智能服务管理暂行办法[Z]. 2023-07-13 公布, 2023-08-15 施行.

[10] 国家互联网信息办公室, 工业和信息化部, 公安部, 国家广播电视总局. 人工智能生成合成内容标识办法[Z]. 2025-03-14 公布, 2025-09-01 施行.

[11] 国家市场监督管理总局, 国家标准化管理委员会. 网络安全技术 人工智能生成合成内容标识方法: GB 强制性国家标准[S]. 2025 年第 3 号公告, 2025-09-01 实施.

[12] 中国互联网络信息中心(CNNIC). 生成式人工智能应用发展报告(2025)[R]. 北京: CNNIC, 2025-10-18.

关键数据：截至 2025-06，用户规模 5.15 亿人，较 2024-12 增长 2.66 亿人；普及率 36.5%（较 2024-12 提升 18.8 个百分点）；"回答问题"场景使用率 80.9%；文本生成/处理 36.0%；图片/视频生成 33.0%；19 岁及以下用户占 33.8%；40 岁以下中青年占 74.6%；大专、本科及以上占 37.5%。截至 2025-04，我国人工智能专利申请量 157.6 万件，占全球 38.58%。

[13] European Parliamentary Research Service (EPRS). The Impact of Google AI Summaries and Google AI Overviews on Publishers' Revenue and Media Freedom[R]. Brussels: European Parliament, 2026. （编号 IUST_BRI(2026)787211）

[14] Alphabet Inc. Alphabet Announces Second Quarter 2025 Results / Q2 2025 Earnings Call[EB/OL]. Mountain View: Alphabet Inc., 2025-07-23[2026-10-22].

关键数据：AI Overviews 月活超 20 亿，覆盖 200+ 国家和地区、40 种语言；AI Mode 在美印上线，月活超 1 亿；Gemini App 月活超 4.5 亿。

[15] 国家市场监督管理总局. 互联网广告管理办法[Z]. 2023-05-01 施行.（市场监管总局令第 72 号）

本书仅标注有把握的施行日期；公布日期请以国家法律法规数据库为准。

[16] 全国人民代表大会常务委员会. 中华人民共和国广告法[Z]. 2021 年修正.

B 级（机构研究、平台官方博客、大样本行业研究）

[17] SILLIMAN E, BOUDET J, ROBINSON K, OPPONG D, SHAH N. New front door to the internet: Winning in the age of AI search[R/OL]. McKinsey & Company, 2025-10-16[2026-10-22].

方法：McKinsey AI Discovery Survey，2025-08，美国代表性消费者面板，n = 1,927。本书仅引用其调查部分；$750B 与 20%—50% 为未公开方法的预测，正文已标注。

[18] Gartner. Gartner Predicts Search Engine Volume Will Drop 25% by 2026, Due to AI Chatbots and Other Virtual Agents[EB/OL]. Stamford: Gartner, 2024-02-19[2026-10-22]. （分析师：Alan Antin；报告：Predicts 2024: How GenAI Will Reshape Tech Marketing）

[19] LINEHAN L, GUAN X. 76% of AI Overview Citations Pull From the Top 10[R/OL]. Ahrefs, 2025-07[2026-10-22]. （1,900,000 条引用 / 1,000,000 个 AI 概览）

[20] Ahrefs. Does ranking higher on Google mean you'll get cited in AI Overviews?[R/OL]. Ahrefs, 2025-07[2026-10-22]. （斯皮尔曼 0.347；首位约 50%）

[21] Semrush. AI search platform citation overlap study[R/OL]. Semrush, 2025-07[2026-10-22]. （5,000 关键词 / 150,000+ 引用；Perplexity 82% / AI 概览 67% / AI Mode 32%）

[22] MCDONALD T. AIO Impact on Google CTR: September 2025 Update[R/OL]. Seer Interactive, 2025-09[2026-10-22]. （3,119 条信息类查询 / 42 家机构 / 2,510 万次自然展示 + 110 万次付费展示 / 2024-06—2025-09）

[23] SparkToro & Datos. 2024 Zero-Click Search Study[R/OL]. SparkToro, 2024[2026-10-22].

[24] SparkToro. Zero-click search update (Similarweb clickstream)[R/OL]. SparkToro, 2026-06-08[2026-10-22]. （2024 年 60.45%；2026 年前四个月 68.01%）

[25] SE Ranking. llms.txt adoption and citation correlation study[R/OL]. SE Ranking, 2025-11[2026-10-22]. （约 300,000 域名；采纳率 10.13%）

[26] Surfer. Query fan-out study[R/OL]. Surfer, 2025-11[2026-10-22]. （173,902 URL / 10,000 关键词 / 33,000 扇出查询；ρ = 0.77；+161%）

[27] Ahrefs. llms.txt traffic study[R/OL]. Ahrefs, 2026-06-15[2026-10-22]. （137,210 域名服务器日志；28% 有文件；97% 整月零请求）

[28] Ahrefs. AI Overviews CTR study (300,000 keywords, GSC aggregated)[R/OL]. Ahrefs, 更新于 2026-02[2026-10-22]. （首位 CTR 影响约 −58%；信息类首位 CTR 0.076 → 0.039；信息类 88.1% 触发 AI 概览，电商类仅 4%）

[29] Ahrefs. Top brand visibility factors in ChatGPT, AI Mode and AI Overviews[R/OL]. Ahrefs, 2026-05[2026-10-22]. （75,000 品牌；YouTube 提及 ~0.737；品牌全网提及 0.66—0.71；品牌锚文本 0.51—0.63；域名评级 0.266；页面数 0.194）

同机构第二项研究（本书合并引用于 [29]，引用时须注明是哪一项）：Ahrefs 对 7,600 万个 AI 概览的分析发现，品牌全网提及与"被引概率"的相关性为 0.664，而外链数为 0.218（约 3 倍差距）。与上面 75,000 品牌研究（0.66—0.71 / 0.266）是两项独立研究，样本与指标定义不同，不可混用。

[30] Ahrefs. AI Mode vs AI Overviews citation overlap study[R/OL]. Ahrefs, 2025-12[2026-10-22]. （730,000 查询对；引用重合 13.7%；语义相似度 86%）

[31] Muck Rack. What Is AI Reading?[R/OL]. Muck Rack, 2026-05[2026-10-22]. （25,000,000+ 条 ChatGPT / Claude / Gemini 引用；17 个行业；84% 来自非自有非付费来源；新闻业 25%—27%；付费/软文 0.3%）

利益冲突提示：发布方服务 PR 行业，结论对其有利。

[32] Similarweb. AI Search Stats 2026: Market Share, Referral, and Citation Data[R/OL]. Similarweb, 2026[2026-10-22]. （ChatGPT 份额 76.4% → 65.2% → 52.7%；Gemini 8.9% → 20.3% → 27.3%；Claude ~2% → ~9%；品类月均 95 亿次访问 +70% YoY；独立访客 6.55 亿 +57%）

口径：单一厂商面板估计，未经第三方审计。

[33] Similarweb. AI Referral Traffic by Industry[R/OL]. Similarweb, 2026[2026-10-22]. （2025-06—2026-05 月均 7.707 亿次 AI 引荐访问，+117.4% YoY；ChatGPT 转化率约 7.1%；付费搜索 7.8%）

[34] SE Ranking. AI platforms' share of global internet traffic[R/OL]. SE Ranking, 2026-01[2026-10-22]. （101,574+ 站点；全部 AI 平台约占 0.24%，2025-01 约 0.15%；自然搜索约为三大 AI 平台合计的 345 倍）

[35] QuestMobile. 中国移动互联网 2026 年上半年大报告 / 2026 年 AI 应用市场发展半年报[R]. 北京: QuestMobile, 2026-08.

关键数据：2026-06 AI 原生 App 月活 4.99 亿（+85.4%）；豆包 3.82 亿（+172.1%）；千问 1.67 亿；DeepSeek 1.30 亿（−20.3%）；元宝 4,984 万（+100.9%）。口径：中国大陆移动端面板估计，非厂商披露。

[36] Re:signal. Measuring AI Overviews' Impact: What our data reveals[R/OL]. Re:signal, 2025[2026-10-22]. （单一品牌词集：2024-09 触发率 1.5% → 2025-08/09 约 32%）

[37] Semrush. AI Overviews trigger rate (desktop)[R/OL]. Semrush, 2025-03[2026-10-22]. （2025-01 的 6.49% → 2025-03 的 13.14%）

[38] Adobe Digital Insights. AI-sourced traffic conversion to US retail sites[R/OL]. Adobe, 2026-05[2026-10-22]. （转化率高出非 AI 来源 54%）

[39] Moz. AI Mode citation overlap analysis[R/OL]. Moz, 2026-02[2026-10-22]. （约 40,000 条查询；AI Mode 引用中仅 12% 与自然前 10 URL 一致）

[40] BrightEdge. AI Overview citation source analysis[R/OL]. BrightEdge, 2026-02[2026-10-22].

[41] KUMAR A, PALKIHOUSKI S. GEO-16: AI Answer Engine Citation Behavior[EB/OL]. 工作论文, 2025-09[2026-10-22].

使用限制：未经同行评审；因子共线性未处理；本书不采用其具体数值。

[42] 头豹研究院. 2025 年中国 GEO 行业研究[R]. 上海: 头豹研究院, 2025-04.

[43] Reuters Institute for the Study of Journalism. 2026 media leaders survey[R]. Oxford: Reuters Institute, 2026. （51 国 280 位媒体领袖；预期搜索流量未来数年下降 43%——为预期值，非实测）

[44] OtterlyAI. llms.txt 90-day controlled experiment[R/OL]. 更新于 2026-02[2026-10-22]. （62,100 次 AI bot 访问中 84 次请求 llms.txt，约 0.1%）

[45] Yext. AI citation source analysis[R/OL]. Yext, 2025-10[2026-10-22]. （6,800,000 条引用；Gemini 52.15% 品牌自有；ChatGPT 48.73% 第三方目录与列表平台）

[46] Qwairy. AI answer citation study[R/OL]. Qwairy, 2025-Q3[2026-10-22]. （118,101 条答案 / 669,065 条引用；Perplexity 每答案 21.87 个来源 vs ChatGPT 7.92）

[47] GenOptima. AI-cited content format analysis[R/OL]. GenOptima, 2026-Q1[2026-10-22]. （2,500+ 被引域名；榜单型 59.5%、产品页 8.5%、文章 7.9%、指南 6.3%）

本书按 C 级使用：样本与分类方法披露不充分，仅作趋势参考。

[48] Stacker & Scrunch. Earned media distribution controlled study[R/OL]. 2025-12[2026-10-22]. （30 品牌 / 87 篇内容 / 8 个 AI 平台 / 2,600+ prompts；中位 +239%）

[49] AI 爬虫抓取新鲜度分析[R/OL]. 2025[2026-10-22]. （约 65% 的 AI bot 抓取命中过去一年内发布的内容；新内容 3—5 天内可产生引用）

⚠️ 溯源说明：该数值在二手来源中存在发布方归因分歧（部分来源归于 Contently，部分归于 Ahrefs），本书未获原始发布页。因此按 C 级使用，仅作趋势参考，不作为论据。

[52] LINEHAN L, GUAN X. We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved[R/OL]. Ahrefs, 2026-05-11[2026-10-22]. https://ahrefs.com/blog/schema-ai-citations

方法：追踪 2025-08 至 2026-03 期间新增 JSON-LD schema 的 1,885 个页面，匹配 4,000 个对照页，用双重差分（DiD）测量谷歌 AI 概览、AI Mode 与 ChatGPT 的引用变化。结果：AI Mode +2.4%、ChatGPT +2.2%（均与零无统计差异）；AI 概览 −4.6%（小但统计显著）。 两条关键边界（必须同时引用）：① 样本中每个页面在处理前已拥有 100+ 个 AI 概览引用，因此结论可能不适用于"从零开始"的页面；② 研究把 Article / FAQ / Product / HowTo / Organization 等各类 schema 合并统计，未区分类型效果。 前置观察：研究先分析了 600 万个 URL，发现被引页面携带 JSON-LD 的概率约为未被引页面的 3 倍——但研究者明确指出这是相关而非因果。

C 级（仅趋势注脚，正文未作为论据）

[50] 艾媒咨询, 易观分析. 关于中国 GEO 市场规模的测算[R/OL]. 2025[2026-10-22].

不采用：测算口径（是否含培训、工具、代运营）未公开，无法核验。仅作为"市场关注度上升"的趋势注脚，且未进入正文论证。

[51] 主流财经媒体关于"搜索流量下滑"的报道[EB/OL]. 2025—2026.

不采用作为数据源：仅作为"行业共识"的例证（第 2.5 节）。

---

附录 D　数据核验清单

状态：✔ 已核对原始来源｜△ 二手转述或方法披露不足，需双源交叉或改写为定性表述｜✗ 不建议使用，不得进入正文

使用规则：✗ 不得进入正文；△ 必须双源交叉或改写为定性表述；所有 B/C 级数据在表格下方标注来源与口径。

---

附录 E　检查清单（可打印）

E.1 技术检查（20 项）

• 1. robots.txt 已放行检索型 AI 爬虫（OAI-SearchBot / PerplexityBot / ClaudeBot / Googlebot）
• 2. 已区分训练型与检索型爬虫策略，并分别记录决策理由
• 3. 核心内容服务端输出（SSR / 预渲染），关闭 JS 后仍可读
• 4. 无模板级 noindex / nosnippet / max-snippet 误设
• 5. 无重定向链与软 404；canonical 指向正确
• 6. 站点地图覆盖核心页面，且提交状态正常
• 7. 服务器日志可区分 AI bot，且有状态码分布统计
• 8. 单页单一 H1，H1 即用户问题
• 9. H2/H3 层级真实反映内容结构（非 <div> 模拟）
• 10. schema 与页面可见文本完全一致
• 11. 有 Article / Product / Organization 等适用的结构化数据
• 12. 有 sameAs 指向 ≥2 个权威外部档案
• 13. dateModified 真实且页面可见"最后更新"
• 14. 结构化数据通过批量校验，错误率 <5%
• 15. 未使用提示注入式隐藏文本
• 16. 未采用 cloaking（对爬虫与人展示不同内容）
• 17. 未为每个扇出查询单独建页
• 18. 表格使用语义化 <table> 而非 CSS 模拟
• 19. 关键参数页有稳定 URL（不随营销活动变更）
• 20. 有 AI bot 抓取异常的告警机制

E.2 内容检查（15 项）

• 1. 每节首段为可独立引用的结论（答案块）
• 2. 定义句控制在 40—60 字
• 3. 抽 20 段，脱离上下文后仍成立的比例 ≥60%
• 4. 每个数字同时具备"数值 + 单位 + 时间 + 口径"
• 5. 段落内无"如上所述""这个产品"等指代词
• 6. 关键对比用表格而非散文
• 7. 每个主题覆盖 15—25 个真实子问题
• 8. 每个事实性陈述有可点击、可追溯的出处
• 9. 引用来源为 A/B 级，无虚构引用
• 10. 具名作者，且有可核实的外部档案
• 11. YMYL 内容有专业审校者署名
• 12. 至少有一份一手数据（哪怕小样本）
• 13. 同一事实在官网 / 第三方 / 社媒表述一致
• 14. 无"最佳""第一"等无法证明的绝对化表述
• 15. AI 参与生成的内容已完成标识（中国《标识办法》要求）

E.3 测量检查（10 项）

• 1. 抽样单元是 prompt 集，不是关键词集
• 2. prompt 集覆盖真实买家问题，规模 ≥15 条/品类
• 3. 固定了引擎版本、地区、语言、时间窗、温度参数
• 4. 同一 prompt × 同一引擎重复测量 ≥3 次
• 5. 有改动前的基线（≥4 周）
• 6. 设置了未改动的对照组
• 7. 双人标注一致率 Cohen's κ ≥0.75
• 8. 品牌级结论的观测次数已核算，达到 MDE 要求
• 9. 报表区分"可见度 / 流量 / 业务 / 资产"四层
• 10. 报告中对"测不准"的部分有明确标注

---

封底

butGEO 研究院　是一家专注于生成式引擎可见度测量的独立研究机构。本白皮书是其"可见度工程"研究计划的第一份公开成果。

• 下一版计划：v1.1（2027-03），将包含第 4.6 节原创指数的首期实测结果、国产引擎行为的实测数据，以及本版 △ 级条目的复核结论。
• 引用与转载：无需授权，但请保留来源链接与版本号。不设下载门槛。

本白皮书正文不含产品名与购买引导。商业信息仅限本页与版权页。