# 《GEO》论文解读：生成式引擎优化这个概念从哪里来

> GEO 一词来自 2023 年发表、2024 年在 KDD 会议发表的学术论文。本文解读论文的研究方法、有效策略与局限，帮你区分哪些结论有证据、哪些只是行业演绎。

- URL: http://geoai.it.com/zh/post/geo-paper-explained
- Author: Site Author
- Published: 2026-11-16
- Updated: 2026-11-16
- Language: zh
- Tags: GEO, 论文解读, AI 搜索

## 要点

- GEO 概念出自 Aggarwal 等人 2023 年发布、KDD 2024 收录的论文《GEO: Generative Engine Optimization》。
- 论文构建了约 1 万条查询的 GEO-bench 基准，测得优化方法最高可提升约 40% 的可见度。
- 添加引用来源、引语和统计数据是效果最突出的三类方法。
- 不同领域的最优策略不同，论文结论是实验结果，不是对任何网站的保证。

## 一个营销词背后的学术出处

如今“GEO”被大量服务商挂在嘴边，但它并不是凭空造出来的营销词。这个概念来自 2023 年 11 月发布在 arXiv 上的论文《GEO: Generative Engine Optimization》，作者包括 Pranjal Aggarwal、Vishvak Murahari 等人，来自普林斯顿大学、印度理工学院德里分校等机构，论文随后被 **KDD 2024**（ACM 知识发现与数据挖掘会议）收录。

论文的出发点很直接：生成式引擎（如 ChatGPT 搜索、Perplexity、Google AI Overviews）直接给出整合后的答案，用户不一定再点击原网页，**内容创作者会失去流量和曝光**。那么，创作者能否通过调整内容，让自己更多地出现在 AI 的答案里？

## 研究是怎么做的

1. **建立基准**：作者构建了 GEO-bench，包含约 10,000 条来自不同领域的查询。
2. **定义“可见度”**：不再用排名，而是衡量某个来源在生成答案中被引用的比重，例如按位置加权的引用字数（Position-Adjusted Word Count）。
3. **对比多种改写策略**：对同一来源页面施加不同的内容修改，观察它在答案里的占比变化。

## 哪些方法有效

论文测试了九类策略，结论可以概括为：

| 策略 | 做法 | 效果 |
|---|---|---|
| 添加引语 | 引用权威人士或机构的原话 | 效果最突出之一 |
| 添加统计数据 | 用具体数字替代模糊描述 | 效果最突出之一 |
| 引用来源 | 明确标注信息出处 | 显著提升 |
| 提升流畅度、易读性 | 改善表达 | 有一定帮助 |
| 关键词堆砌 | 传统 SEO 式重复关键词 | 基本无效 |

整体上，最佳方法可将可见度提升约 **40%**；在商用产品 Perplexity 上的验证中，提升最高约 37%。

## 不要忽略的两点局限

- **效果因领域而异**。论文明确指出，不同主题下最优策略不同，例如历史类问题更受益于引语，事实类问题更受益于数据。
- **实验环境是简化的**。研究使用的是当时的模型和固定的少量候选来源，与今天各家 AI 搜索的真实检索流程有差距。所以“+40%”是实验结论，**不是任何网站照做就能得到的保证**。

## 对内容团队的启发

1. 写作时用**具体数字、可核实的出处、权威引语**替代空泛描述。
2. 不要沿用关键词堆砌的老办法，它在生成式引擎里几乎不起作用。
3. 针对自己的行业做小规模实测，而不是照搬通用清单。

> 延伸阅读：[什么是 GEO？生成式引擎优化入门](/zh/post/what-is-geo)、[写给 AI 看的内容：8 条写作原则](/zh/post/geo-writing-rules)

## 常见问题

### 论文里的“可见度提升 40%”是指流量提升 40% 吗？

不是。论文衡量的是内容在 AI 生成答案中所占的比重（按位置加权的引用字数等指标），并不等同于网站流量或排名。

### 论文结论还适用于今天的 AI 搜索吗？

方向仍有参考价值，但实验使用的是当时的模型和简化的检索流程。今天的 ChatGPT、豆包、元宝等产品检索方式不同，需要结合自己的实测来验证。

