GEO：生成式引擎优化（Aggarwal 等，2024）

1. 这篇论文是什么，为什么它奠定了整个领域

生成式引擎优化这一领域的名称出自这篇论文。GEO: Generative Engine Optimization（Aggarwal et al., KDD 2024）是 GEO 一词的学术来源。

论文把一个含糊的从业者直觉（「让我的内容出现在 AI 答案中」）转化为可以度量的优化问题，同时提供了一套公开基准。

论文采用的是狭义定义，结论仅适用于它自己的基准：研究对象是在固定评测系统中改写内容。此后，从业者又用「GEO」指代整个学科，因此今天围绕这个词的多数说法，并未经过这篇论文验证。

2. 论文如何定义研究问题

论文从搜索结果形态的根本变化出发：结果页过去是一列排序链接，生成式引擎返回的却是单一合成答案。可见度（visibility）不再等同于排名。

论文有意把模型尽量简化：

• 生成式引擎是一个黑箱：内容创作者无法改动模型，只能改动作为输入的网页内容。
• 目标是尽可能提高内容在合成答案中的可见度，而不是提高它在链接列表中的排名。
• 优化能否奏效，取决于生成答案时如何使用页面文本。正因如此，论文没有沿用排名，而是另设了可见度指标（见 §4）。

论文的前提是存在检索（retrieval）与采信（grounding）机制，用来决定引擎选取哪些来源，以及怎样利用这些来源生成答案。相关机制见 answer loop，Gao et al. 2023 也对此做过综述。论文假定这套机制成立，并据此提出优化问题。

3. 方法学：GEO 框架与 GEO-bench

论文评估了九种内容优化方法，每一种方法都会以特定方式改写候选来源网页：

#	方法	一句话意图
1	Authoritative	以更具权威性的语气改写
2	Statistics Addition	补充相关的量化数据
3	Keyword Stuffing	增加查询关键词（SEO 常见做法）
4	Cite Sources	增加对可信来源的引用
5	Quotation Addition	增加相关引述
6	Easy-to-Understand	简化语言
7	Fluency Optimization	提升流畅度
8	Unique Words	加入不常见或独特的词汇
9	Technical Terms	加入相关领域的技术术语

基准 GEO-bench 的构建方式：

• 1 万条查询，划分为 8K 训练、1K 验证、1K 测试。
• 取自 9 个数据集：MS MARCO、ORCAS-I、Natural Questions、AllSouls、LIMA、Davinci-Debate、Perplexity.ai Discover、ELI5，以及 GPT-4 生成的查询。
• 查询覆盖 25 个领域（如 Arts、Health、Games），并按七种方式归类。
• 每条查询附带其 Google 前 5 条结果，作为候选来源集。

实验测试了两个引擎：一个是内部搭建的生成式引擎（使用 GPT-3.5-turbo，以 Google 前 5 条结果为输入），另一个是已经上线的 Perplexity.ai，用于在线上环境中对照验证。

4. 可见度指标：后续研究最常沿用的一项贡献

后续工作反复沿用的，不是论文中的某种具体方法，而是它提出的指标。论文没有停留在判断 引用与提及 的有无，而是把可见度细化为连续且随位置变化的指标。

论文提出两种可见度指标：

Position-Adjusted Word Count (Imp_pwc)：
  对被引用句子 s 求和：|s| · e^(-pos(s)/|S|)
  再除以回答总词数

= 被引用句子的词数，按句子在答案中
  出现的早晚做指数衰减。

Subjective Impression：
  由 GPT-3.5 在 7 个子维度上评分的综合指标：
  相关性 · 影响力 · 独特性 · 主观位置 ·
  主观计数 · 点击可能性 · 多样性

与「有没有被引用」这种是非判断相比，它衡量的是一个来源对答案的影响程度，而这正是 可引用性（citability） 要优化的对象。后来，多数厂商在设定 KPI 和 GEO 指标体系时，也沿用了按位置加权的思路。

5. 结果细节

下表列出论文的核心结果，同时标明它们的适用边界：

发现	细节
最高增幅	GEO 方法在 Position-Adjusted Word Count 上最高可使可见度提升约 40%
表现最佳的方法	Quotation Addition +41%（PAWC）；Statistics Addition +37%（Subjective）；Cite Sources +30%（PAWC）
不是平均值	「最高 40%」是按方法、按领域计算的上界，不能当作在所有情况下都能达到的预期增益
取决于领域	Cite Sources 在事实型查询中表现最好；Authoritative 在辩论与历史类查询中表现最好；Statistics 在法律与观点类查询中表现最好
传统 SEO 做法失效	Keyword Stuffing 没有帮助，而且可能有害
低位页面收益更大	排名第 5 的页面收益最大，Cite Sources 使其可见度提升 +115.1%
线上引擎验证	在 Perplexity.ai 上最高提升约 22%，增幅小于内部引擎

把「传统 SEO 做法失效」和「线上引擎验证」两项放在一起，结论很明确：应当改进内容本身，不应依赖关键词技巧；同时要注意，这个百分比只是上限，并非通常可以达到的增幅。

6. GEO Wiki 评估

这篇论文有三项奠基性贡献，至今依然成立：

1. 命名与界定。把「进入 AI 答案」转化为一个黑箱优化问题，为整个领域奠定了基础。
2. 可见度指标。论文用连续且按位置加权的指标来衡量来源对答案的影响，这一思路后来被广泛沿用。
3. 公开基准。GEO-bench 让研究结论可以检验，也为后续研究质疑这些结论提供了基础。

不过，这些结论也有四点局限：

1. 外部效度有限。实验测试的是 2023–24 年的引擎形态，即一个内部 GPT-3.5 实验系统和 Perplexity.ai。今天的 ChatGPT Search、Gemini 与 Google AI Overviews 已采用不同的检索与合成方式，因此不能据此认定结论也适用于这些系统。
2. 基准会随时间失效。GEO-bench 的语料与引擎都会老化。「40%」只反映 2024 年当时的实验结果，不能跨年份视为常数。
3. 后续复现得出相反结果。Puerto 等人的 C-SEO Bench（NeurIPS 2025 Datasets & Benchmarks）发现，一旦多方针对同一引擎同时优化，许多对话式 SEO 改写就会失效，甚至适得其反。本论文测得的提升只反映单一参与者优化时的情形，是上界，并不代表多方博弈后的均衡。
4. 醒目数字容易被误读。「最高 40%」在从业文章中常被简化为「约 40%」。准确的说法是：这是一个按方法、按领域计算的最大值，在线上引擎中已缩小到约 22%，还可能因竞争和可信度筛选（E-E-A-T）而进一步缩小。

GEO Wiki 的判断是：奠基不等于可以直接照搬。可以沿用的是论文指出的方向，即补充来源、统计数据和引述比操纵关键词更有效；具体增幅则不宜沿用，更不能把它当作规划依据。

7. 可复现性

以下状态在撰稿时（2026-05-17）逐项核实过，并非凭推测：

产出物	状态
源代码	公开：github.com/GEO-optim/GEO（run_geo.py、geo_functions.py）
基准数据	公开：HuggingFace GEO-optim/geo-bench
许可	Apache-2.0
项目页	generative-engines.com/GEO/

字段取值：code-and-data。方法实现与 GEO-bench 均已公开，因此论文中的主要实验可以独立复现。相对于这一领域的多数论文，这是一个明显的优势。

8. 它对从业者意味着什么

可以沿用的做法和需要避免的误区如下：

• 可以用：改进内容本身。补充可信的 引用、具体的统计数据和相关引述，这些做法经过反复验证，结论也相对稳定。
• 可以用：使用连续指标衡量可见度。持续追踪一个来源在答案中的显著程度，不要只记录是否被引用，并把这项指标纳入 AI 引用追踪。
• 不要用：具体百分比，以及任何跨引擎、跨领域的外推。同一处改写在 ChatGPT Search 与 Perplexity.ai 上的表现并不一致。
• 不要默认收益能够持续：单一参与者获得的收益，在竞争者也开始优化之后未必还能保持（见 §6，C-SEO Bench）。

9. 延伸阅读

• Gao et al. 2023 — RAG: A Survey：本论文采用的检索与采信机制。
• C-SEO Bench (Puerto et al. 2025)：得出相反结果的重要复现研究，建议与 §6 对照阅读。
• 生成式引擎优化：从业者如何扩展这一术语，以及这种用法与狭义学术来源之间的关系。