专题深读 · 2026-11-19 · 进阶 · 作者 bombong
生成式引擎优化(GEO):如何出现在 AI 答案的“脚注”里
生成式引擎优化(GEO)是一种修改内容的技术,目的是在 ChatGPT、Gemini 等生成式搜索撰写答案时,提高自己内容被引用或概括的可能性。相关研究已从统一的修改规则,转向逐文档诊断、结构设计和意图推断;近来又扩展到操纵风险,以及效果在真实网络中能否保持等问题。
目录
- 在生成式搜索中,决定曝光的不是链接排名,而是能否进入答案中为数不多的几条引用,因此目标指标也应当是“引用”,而不是“贡献”。
- 引用按照查询改写 → 检索候选 → 引用选择的顺序确定;越常进入检索候选的页面,被引用的可能性也越高。
- GEO 技术从对所有文档套用同一规则的方式,发展到逐文档诊断失败原因(AgentGEO)、结构设计(GEO-SFE)以及从文档推断意图(QI-GEO)。
- 同样的技术可以把有缺陷的产品塞进推荐列表,还能避开常见的检测方法,因此 GEO 也是安全和公平问题。
- 在真实网络中,结果会随引擎、用户位置、候选顺序以及每次运行的差异而大幅波动,因此不能直接相信实验室数据。
为什么需要它:从排行榜到“引用”
长期以来,搜索引擎优化(SEO)比拼的是“在搜索结果列表中排第几”。但 ChatGPT、Perplexity、Gemini 等生成式搜索服务不再给出链接列表,而是阅读并综合多个来源后撰写答案,并在下方只附上少数几个来源作为引用。QI-GEO 研究(paper)对这一变化的总结是:内容创作者的曝光不再仅由排名决定,而是由能否在生成的答案中被引用来决定。何况生成式引擎是无法看清内部的黑箱。在这一空隙中出现的一组技术,就是生成式引擎优化(Generative Engine Optimization,GEO)。
也有证据表明,原有的 SEO 经验并不能直接沿用。一项大规模比较 AI 搜索与 Google 的研究(paper)做了受控实验,覆盖多个行业、多种语言,以及同一问题的不同说法。结果显示,相比品牌自有渠道或社交内容,AI 搜索系统性地强烈偏好第三方权威来源(Earned media,即新闻报道、外部评价等由他人撰写的内容),而 Google 的来源组合则更均衡。各 AI 搜索服务之间,在所引用域名的多样性、时效性、切换语言时的稳定性以及对提问措辞的敏感度上也差异很大。
总之,在生成式搜索中,“获得点击的位置”消失了,只剩下“答案里的几条脚注”。要拿到这个位置需要改什么、怎么改,以及这样改是否会损害用户,是 GEO 研究的两条主线。
SEO 与 GEO 有何不同
SEO比拼搜索结果排名
- 目标是链接列表中的排名
- 用户自己点击阅读
GEO被生成式答案引用
- 目标是答案中的引用·概括
- 引擎挑选来源并综合
- 各引擎偏好的来源不同
공통 两者都是打磨内容,使其触达用户
核心思路:被写进图书馆员报告的脚注
打个比方。图书馆员接到一个问题后,从书库取出几十本资料浏览,写出一页报告,最后只列出三四份参考资料。对作者来说,现在比起被摆在书架最前面(SEO),更重要的是图书馆员在报告中引用自己的书。为此,需要整理目录让图书馆员容易找到并使用依据,把核心句子写清楚,并补上提问者可能会问却缺失的内容。GEO 做的正是这件事。
这个比方引出了一个在设计上很重要的区分:我的书是否影响了报告内容(贡献),与我的名字是否出现在脚注里(引用),是两回事。AgentGEO 研究(paper)指出,现有方法只衡量文档对答案的影响程度,却没有衡量真正能带回流量的引用。它还指出另一个问题:现有方法对所有文档套用同样的修改规则,无法诊断每篇文档为什么没有被引用。以什么作为目标指标,决定了整个技术的方向。
这个比方也有阴暗面。如果卖家可以随意修改图书馆员读到的资料,就可能让有缺陷的产品看起来比实际更有依据。SafeGEO(paper)讨论的正是推荐智能体中的这种风险。GEO 是一种处在“让内容更易读”与“操纵引擎”之间边界上的技术。
如何运作:从提问到引用的流水线
有研究观察了生成式引擎内部确定引用的过程。ChatGPT 引用观察研究(paper)在 ChatGPT 5.2 到 5.5 的四种设置(包括 Instant 和 Thinking 模式)下,考察了 ChatGPT 改写查询、检索候选网页、再从中挑选参考资料的过程。Instant 设置大多只检索一次,而 GPT-5.4 Thinking 经常多次重复检索。对同一问题反复运行时,越常进入检索候选的页面,被引用的可能性也越高。这意味着要被引用,首先得进入候选。
GEO 介入的是这条流水线中用户唯一能修改的部分——“我的文档”。介入方式大致有三种。第一是内容修改,例如补充缺失信息或加入统计数据。第二是结构修改。GEO-SFE(paper)把内容结构分为三层:整篇文档的组织(宏观结构)、信息的分块方式(中观结构)以及强调等视觉标记(微观结构)。第三是逐文档诊断。AgentGEO(paper)按引用流水线的各个阶段对引用失败类型进行分类,再找出每篇文档卡在哪里。
由于看不到引擎内部,优化通常以反馈循环的方式进行:修改文档,向引擎或模仿引擎的代理评估器提问,看是否被引用,然后再修改。AgentGEO 反复诊断和修复直到被引用,也是这种方式。不过,代理评估器与真实引擎并不相同。在前述观察研究中,用 Google Search 和 OpenAI Responses API 作为代理指标时,它们在主机名或实体(企业、品牌)层面比在精确 URL 层面吻合得更好。但即使把两者合起来,也只找到了 ChatGPT 实际引用 URL 的约四分之一。结合外部信号的监督学习模型,其 AUC(衡量预测比随机好多少的 0~1 指标)在 GPT-5.3 和 GPT-5.5 上超过 0.74。
发展脉络:从统一规则到逐文档诊断与意图推断
起点是衡量到底发生了什么变化。AI 搜索比较研究(paper)基于测量结果提出了四项战略议题:制作便于机器浏览并用作依据的内容;获取外部权威来源,积累 AI 能识别的权威;按引擎和语言区分策略;小企业要设法突破“大品牌偏向”。此后的研究对“怎么改”的处理越来越精细。
IF-GEO(paper)处理的是一篇文档需要回答多个问题时产生的冲突。不同问题要求的修改相互冲突,而可修改的篇幅有限。因此,它先针对每个有代表性的潜在查询分别提取期望的修改方向(发散),再考虑冲突、合并指令,汇总成一份“全局修改蓝图”(收敛)。它还新设计了衡量查询变化时性能是否稳定的指标。AgentGEO(paper)换了方向,先诊断“这篇文档为什么没被引用”,再从工具库中挑选针对性的修复方法反复应用。它只修改 5% 的内容,就让引用率相对提升了 40% 以上,而对比的基线方法修改了 25%。改得越少,越容易保持原意和质量,所以这一差距很重要。
GEO-SFE(paper)把此前集中在语义修改上的关注扩展到了结构。它报告在六个主要生成式引擎上引用率提升 17.3%、主观质量提升 18.5%,展示了一条保持原意、只调整结构的路径。QI-GEO(paper)解除了另一个限制。现有方法大多假设已知用户查询,但实际上内容作者并不知道查询。QI-GEO 从文档本身推测用户意图的范围,找出缺失但需要的内容。在 GEO-Bench 及其扩展版上,客观分数最多提升 15.9%,主观分数最多提升 17.6%,新获得引用的情况几乎是失去引用情况的两倍。
从取舍角度看这一脉络:已知查询能改得更准确,但不够现实(IF-GEO 对比 QI-GEO)。统一规则成本低,但需要大量修改,而且会忽略每篇文档的具体情况(AgentGEO)。改变语义可能效果更大,但有损害原文真实性的风险;改变结构则这种风险较小(GEO-SFE)。
阴影:排名操纵与推荐智能体的风险
随着 LLM 越来越多地为产品和文档排序,GEO 也被当作操纵问题来研究。排名操纵基准 GEO-Bench(paper)首次在同一标准下直接比较了此前分散的各种攻击方法。比较对象包括:不查看模型内部、通过提示词进行攻击的黑盒方法(TAP、Zero-Shot),利用模型内部梯度的白盒方法(STS、RAF、StealthRank),以及 10 种正当的 C-SEO 策略。排序由一个固定的开放权重模型(Llama-3.1-8B-Instruct)完成,并在五个数据集上同时衡量效果和隐蔽性。
结果对防御方不利。在对抗攻击中,效果与隐蔽性此消彼长。然而,仅用黑盒方法改写内容,在提升排名上就与基于梯度的攻击相当甚至更好,文本也更自然。在部分领域,它同时避开了基于关键词的检测和基于困惑度(衡量文本有多不自然的值)的检测。能否访问模型内部也无法预测攻击强度。这说明仅仅改写成看似可信的文本就已足够危险。
SafeGEO(paper)把这一风险应用到推荐智能体上。用 22 种攻击变体和 600 个推荐案例进行评估后发现,GEO 攻击使有缺陷产品进入推荐列表的比例最多增加 83.2 个百分点。在智能体一侧加入简单防御后,有害推荐最多减少 39.2 个百分点,但没有回到没有 GEO 时的水平。如果能修改内容的是卖家,用户效用与卖家曝光就会正面冲突。这就是构建引擎和智能体的一方需要设计防御的原因。
近期走向:走出实验室,在真实网络中验证
近期研究的一大趋势,是追问“在受控实验中得到的效果,在真实网络中是否依然存在”。LIVE-GEO(paper)把经 GEO 改写的产品描述发布为真实网页,对 80 个虚构品牌、18 个产品类别应用了五种现有 GEO 策略(CORE、C-SEO、E-GEO、AgenticGEO、添加统计数据)。在大多数评估中,CORE 被选为第一名的比例最高,在真实生成式引擎上为 66.3%~76.3%。但其他策略的排序因评估者而异,各引擎对同一品牌选出同一第一名产品的比例仅为 48.8%~66.3%。ChatGPT 对候选 URL 的顺序也很敏感,在两种相反的顺序下,CORE 的第一名比例分别为 73.8% 和 93.8%,差距很大。
谁在哪里提问也是变量。位置审计研究(paper)把 300 个问题分别在 ChatGPT 的 19 个声明位置下,以及 ChatGPT 和 Gemini 的 5 个网络位置下各提问两次,共收集了 31,200 条答案。ChatGPT 会精确到城市级别地跟随应用声明的位置,在自己的检索词中加入地名,而忽略网络位置。Gemini 则忽略声明位置,跟随网络所在的国家,即使是与地点无关的问题,大部分来源也会改变。答案推荐的商家也随来源而改变。只在一个地点测量的监测只能看到局部。
ChatGPT 引用观察研究(paper)表明,即使是同一引擎,检索次数也因模型代际和模式而异。外部代理指标只能找到约四分之一的实际引用 URL,这一结果意味着衡量 GEO 效果的工具本身仍然粗糙。三项研究都警告,不要用“一个引擎、一个位置、一次运行”来判断 GEO 成效。
真实网络给出的数字
实践判断标准与局限
什么时候值得在 GEO 上投入?如果所在领域中,用户在生成式搜索里提问、只读答案就结束的信息型、比较型问题很多,就值得投入。不过,鉴于 AI 搜索强烈偏好外部权威来源这一结果(paper),只打磨自家页面的文字是有局限的,还需要同时积累外部评价和报道。
常见错误有四种。第一,用“是否影响了答案”来衡量成效。能带来流量的是引用(paper)。第二,对所有页面统一套用同样的修改规则。AgentGEO 研究报告称,统一优化反而可能损害长尾内容(搜索者很少的小众内容),而且有些文档仅靠优化无法解决。第三,用一个引擎、一个位置、一次运行来判断效果。各引擎的第一名选择经常不一致,结果也会随位置和候选顺序而变化(paper,paper)。第四,把代理指标等同于实际引用(paper)。
伦理和风险的界线也必须划清。添加没有依据的说法来增加曝光,与 SafeGEO(paper)展示的“抬高缺陷产品”性质相同。能够避开检测(paper)并不意味着就被允许。如果你是构建引擎或推荐智能体的一方,就应假设会混入经 GEO 修改的来源,并据此设计防御和评估。最后,这里提到的提升数据大多来自特定基准和受控检索环境,不应期待在真实服务中原样复现。
GEO 检查清单
测量
- 统计的是引用而不是贡献吗
- 是否在多个引擎上分别测量
- 是否控制了声明位置和网络位置
- 是否重复运行同一问题以查看误差
- 是否区分了代理指标与实际引用
修改
- 是否逐文档诊断了引用失败原因
- 是否避免对长尾页面使用统一规则
- 是否把修改量降到最低
责任
- 是否没有添加无依据的说法
- 是否同时在获取外部权威来源
延伸学习
入门先读 AI 搜索比较研究(paper)。它用测量结果展示了生成式搜索与传统搜索在选择来源上的不同,并整理了实践议题,起到 GEO 全景地图的作用。接着读 AgentGEO(paper),可以把握“是引用而不是贡献”“是诊断而不是统一规则”这两个核心视角。
想深入了解技术,可按兴趣选择:结构设计看 GEO-SFE(paper),不知道查询时的优化看 QI-GEO(paper),一篇文档需要应对多个问题时看 IF-GEO(paper)。风险方面,建议把集中比较排名操纵攻击的 GEO-Bench(paper)和衡量推荐智能体风险的 SafeGEO(paper)一起读。
要在实践中设计测量和监测的人,一定要看三篇近期研究:在真实网络中验证效果的 LIVE-GEO(paper),讨论用户位置如何改变引用来源的位置审计研究(paper),以及讨论 ChatGPT 从检索到引用的过程和代理指标局限的 ChatGPT 引用观察研究(paper)。
相关术语
参考资料
奠基论文
- Generative Engine Optimization: How to Dominate AI Search (2025)
- IF-GEO: Conflict-Aware Instruction Fusion for Multi-Query Generative Engine Optimization (2026)
- Diagnosing and Repairing Citation Failures in Generative Engine Optimization (2026)
- Structural Feature Engineering for Generative Engine Optimization: How Content Structure Shapes Citation Behavior (2026)
- Query Implied Generative Engine Optimization (2026)
- GEO-Bench: Benchmarking Ranking Manipulation in Generative Engine Optimization (2026)
- SafeGEO: Understanding Generative Engine Optimization Risks in Recommendation Agents (2026)
最新研究
- Do GEO Gains Survive the Live Web? Evaluating In-the-Wild Visibility Gains of Generative Engine Optimization via LIVE-GEO (2026)
- Location, Location, Generation: Where You Ask Matters for Generative Engine Optimization (2026)
- Understanding ChatGPT Citations: Evidence from Production Web Search Across Model Generations (2026)
由 AI 根据所列参考资料撰写并经过审核。详情请查看原始资料。