GEO 原始论文说了什么:「可见性提升 40%」的来龙去脉
GEO 论文里的「可见性提升 40%」不是效果承诺,而是特定指标、特定手法与特定实验条件下的最大相对提升。这篇回原文逐句核对,拆清它究竟从哪来、又不能用到哪里。
「可见性提升 40%」大概是被写进 GEO 方案里最多、又被核对得最少的一个数字,不少服务商把它当成一句效果承诺放进报价页,读者拿到的往往是被抽掉全部条件的半句话。GEO 原始论文(Aggarwal 等,KDD 2024,arXiv:2311.09735)真正做的事,是第一次系统定义了生成式引擎优化,交出九类可复现的改写手法和一个公开基准 GEO-bench;至于那个 40%,是论文在特定指标、特定手法、特定实验条件下观测到的最大相对提升,既不是行业平均值,也不是对任何站点的保证。把它还原回原来的实验语境,是读懂这篇论文唯一稳妥的入口。
论文到底做了什么
这篇 2024 年发表在 KDD 的论文,标题就叫《GEO: Generative Engine Optimization》,六位作者来自 Princeton University、IIT Delhi 以及独立研究者;预印本 arXiv:2311.09735 的 v1 在 2023 年 11 月 16 日、v3 在 2024 年 6 月 28 日,正式会议版本是 2024 年 8 月 25 至 29 日在巴塞罗那举行的第 30 届 ACM SIGKDD(DOI 10.1145/3637528.3671900)。它要回答的不是「怎么排到第一」,而是搜索时代不存在的一个问题:当答案由模型整段生成、来源被揉进同一段话里,一个网页怎样才算「被看见了」。如果你还不熟悉这个转向,什么是 GEO 把定义铺得更开。
先把三样东西摆清楚。基准叫 GEO-bench,按论文引言的原话,是一套「从多个领域与多种来源采集、并针对生成式引擎改造过的 10,000 条查询」;有了它,「某页内容改完有没有更容易被引用」才第一次变成可复现、可比较的实验,而不是各说各话的经验之谈。手法上,论文把「怎么改写一页内容」拆成九类可以照着原文照做的操作,从补引用、补引语、补统计数据,到优化流畅度、降低阅读难度、堆关键词、换成更权威的语气;重点不在数量,而在每一类都是具体动作,不是「提升内容质量」这种没法复现的口号。
最该慢下来读的是「可见性怎么量」。论文给了两个指标。Position-Adjusted Word Count 把某个来源被引进答案的词数,和这些词出现在答案里的位置一起折算,位置越靠前、占的词越多,得分越高,它量的是「你占了多少答案、占得多靠前」,不是点击也不是排名。Subjective Impression 则把相关性、这条引用对回答的影响力、用户点开它的可能性、材料多样性等几个主观维度合成一个分数,由 GPT-3.5 以类似 G-Eval 的表单方式打分再归一化,本质是模型替人做的主观判断,不是真实用户会不会点、会不会买。这两个指标合起来,已经把整篇论文的结论范围钉死了:它自始至终量的是被引得多不多、被摆得靠不靠前、模型觉得好不好,和生意上的获客是两件事,认清这点,后面那句 40% 才不会被引歪。术语的完整解释可以对照 GEO 指标术语表。
那个 40%,究竟量的是什么
先把定义钉在这里:40% 是论文在特定指标、特定手法、特定条件下,相对未优化基线的最大相对提升,不是平均值,也不是效果承诺。这句话值得单独抄走,因为后面所有争论,争的都是它身上那几个限定词。
回到原文,数字其实出现过好几次,措辞每次都带着边界。摘要写 "Through rigorous evaluation, we demonstrate that GEO can boost visibility by up to 40% in generative engine responses.";引言把成因指向手法,说「补上引用、相关来源的引语、统计数据,能显著提升来源可见性,在各类查询上幅度超过 40%」;换到真实产品 Perplexity.ai 上,论文给的是 "visibility improvements up to 37%"。三个数字、三种说法,指向同一组实验,没有一处写的是「平均」。
结果章节(第 4 节)才是那个 40% 真正的家。补引用(Cite Sources)、补引语(Quotation Addition)、补统计数据(Statistics Addition)这三种手法,在 Position-Adjusted Word Count 指标上取得 30–40% 的相对提升,在 Subjective Impression 指标上是 15–30%;优化流畅度(Fluency Optimization)与降低阅读难度(Easy-to-Understand)两类可读性改写,也在 15–30% 区间;而关键词堆砌(Keyword Stuffing)几乎没有提升,换成更权威、更有说服力的语气(Authoritative)也没有显著改善。换句话说,被四处转引的 40%,是 30–40% 这个区间的上限,且只落在某一个指标、某三种手法上。
| 手法 | Position-Adjusted Word Count | Subjective Impression |
|---|---|---|
| 补引用 / 补引语 / 补统计数据 | 相对未优化基线 30–40% | 相对未优化基线 15–30% |
| 流畅度优化 / 降低阅读难度 | 15–30% | 15–30% |
| 关键词堆砌 | 几乎无提升 | 几乎无提升 |
| 更权威的语气 | 无显著提升 | 无显著提升 |
数据出自 arXiv:2311.09735v3 第 4 节,全部为相对未优化基线的 relative improvement,非绝对百分点。
所谓「相对提升」,比的是同一批内容没做 GEO 改写时的样子,是优化前后在同一指标上的比值,不是从零到有、不是跟竞品比,也不是「可见性从 10% 涨到 50%」那种绝对刻度。40% 因此既不是各站点的平均收益,也不是对所有站点与引擎的保证;去掉任何一个限定,句子就从论文结论变成推销话术。
最说明它有多依赖条件的是论文按来源原始搜索排名分组的那张表。原本排在搜索结果第 5 位的来源,三种手法分别拿到 +115.1%、+99.7%、+97.9% 的相对改善;原本排第 1 的来源,三样全为负,分别是 -30.3%、-22.9%、-20.6%。同一套手法,对本来就靠后的来源是把可见性往前提,对已经占住首位的来源反而可能从答案里挤掉一部分。一个会随基线排名正负翻转的数字,当然不可能是「所有站点都涨 40%」;这背后的取舍逻辑,和 AI 怎么挑选来源 讲的是同一件事。
这套结论能用到哪里,又在哪里失灵
剥掉被误传的那层,论文留下来的其实是一份挺扎实的「什么值得做、什么别做」判断,只是它得连着自己的边界一起用,单独拎出任何一半都会走样。
被后续实践反复验证的,是补引用、补引语、补统计数据,以及把长句拆短、把术语讲清楚的易读性改写。这些动作有个共同点:都在往页面里增加「能被整段搬进答案、搬走之后仍自带出处」的事实,而不是形容词。论文给的 30–40% 和 15–30% 也是冲着这类事实去的,不是冲着文风去的。可引用内容怎么写 展开的正是这条路:把结论写成可核对的句子,比把结论写得更响亮更有用。
另一半同样值钱。关键词堆砌几乎没有提升,把语气改得更权威、更不容置疑也没有显著改善,这两类恰恰是市面上不少「GEO 服务」最爱卖的东西。把 黑帽 GEO 的危险信号 和论文结果并排看,你会发现论文在 2024 年就用实验判过一次:堆砌与装腔,既不讨好读者,也不讨好那个按词数和位置计分的指标。
边界得写足。实验跑在 2023/2024 年的生成式引擎上,一套是作者自己搭的检索加生成流程,另一套是真实产品 Perplexity.ai;查询是英文的,来自 GEO-bench 固定的 10,000 条查询与固定来源集合;两个指标都由模型打分,不是真实用户行为。它不含国内这一侧的引擎生态,不含真实用户会不会点、会不会买,也不含今天这几个引擎已经换过的版本。你拿它指导改写方向是稳妥的,拿它推算自己下个季度的流量就是要错东西了。
论文自己还把话说在前面。摘要那句 "the efficacy of these strategies varies across domains, underscoring the need for domain-specific optimization methods",等于作者亲手画了个圈:策略效果随领域变化,需要按领域分别优化。把这句和 40% 一起引才算完整转述;只引前半句,误读就是从这里开始的。
一次误读是怎么被修正的
这次动笔前,我们把 v3 全文 打开逐句核对,起因很简单:想确认那个 40% 在原文里到底长什么样。结果先撞上的不是论文,是一句被改写过、又转得到处都是的二手话。
被转得最广的是摘要那句 "boost visibility by up to 40%"。到了二手文章里,它变成「可见性平均提升 40%」,再往前一步就成了「加了引用就能涨 40%」。从 "up to"(最高可达)到「平均」,从「观测到提升」到「加了就能涨」,一句话里被悄悄换掉了两个限定:上限被换成均值,观测被换成保证。这不是我们写错过、事后补锅的那类自省故事,而是一次可以当场复现的误读:把原句调出来和改写后的句子并排放,差异自己会浮出来。值得记下的教训落在具体一句话上,不落在「我们当时也差点信了」这种情绪里。
核对完,这批文章多了一条写作约定:凡写出论文里的实验数字,必须同时写出指标、手法、基线,以及「最高」「相对」这类措辞。站内更早就有一条公开红线,写在博客写作计划里:不承诺保证被 AI 引用,也不给无出处的提升百分比。两条都是管句式的,不管记性;一个孤零零的百分比在句式上就没有落点,比叮嘱「别忘了加限定」稳。
顺带说一件对得上题的事。我们按论文的思路改过自己一页文案,把「行业领先」「效果显著」这类形容词换成可核对的事实与出处,做的正是补引用、补统计数据那套动作。要如实讲清楚的是,改完我们手上没有可复用的效果数字,也没有前后对比的测量,所以这里只记改写过程,不宣称任何提升。一个专门讲「别把数字当承诺」的内容库,自己更不能凭空造一个数字撑场面。
把这件事收回到你身上,是一个能立刻用的判断:以后看到任何带百分比的 GEO 承诺,先问三件事,它对比的是什么基线、用的是什么指标、在什么引擎上测的。三样答不齐,那个数字就只是修辞,不是证据。引擎挑的是能核对的事实,你也该用同一把尺子,去核对那个把结论卖给你的人。
常见问题
GEO 论文里的「40%」到底出自哪里?
论文摘要的原句写的是 "GEO can boost visibility by up to 40% in generative engine responses",引言里对应「补引用、补引语、补统计数据可显著提升来源可见性,幅度超过 40%」,结果章节把这三种手法在 Position-Adjusted Word Count 指标上的相对提升落在 30–40% 区间,对比的是未优化基线。数字出自 arXiv:2311.09735v3 与 KDD 2024 版本,从头到尾带着指标、手法、基线三个限定。
加一句引用就能让我的可见性涨 40% 吗?
那是把相对提升读成了因果保证。论文里关键词堆砌几乎没有提升,换成更权威的语气也无显著改善,触发条件比「加一句话」窄得多。
这个 40% 是百分点还是相对值?
相对,不是绝对百分点。论文写的是 relative improvement,即优化前后在同一指标上的比值变化,不是「可见性从 10% 变成 50%」这种绝对刻度。论文按来源原始搜索排名分组的那张表里,原本排第 5 的来源三种手法改善接近或超过 100%,原本排第 1 的来源反而是负的,正说明它量的是随基线变化的相对量。
我能把这个数字写进给客户的方案吗?
不能,至少不能当成效果承诺。它是在 2023/2024 年的生成式引擎、英文查询、GEO-bench 固定的查询与来源集合、由模型打分的指标上观测到的实验结论,论文自己也写明策略效果随领域变化。把它搬成「保证提升 40%」既越过了实验条件,也越过了不承诺效果这条底线。
这篇论文是哪一年、发在哪里的?
年份是 2024,正式发表于 KDD 2024(第 30 届 ACM SIGKDD 知识发现与数据挖掘会议,8 月 25 至 29 日,巴塞罗那,DOI 10.1145/3637528.3671900);预印本 arXiv:2311.09735 的 v1 在 2023 年 11 月 16 日,v3 在 2024 年 6 月 28 日,作者来自 Princeton University、IIT Delhi 及独立研究者。
绕回前面给 40% 钉下的那句定义:它是特定指标、特定手法、特定条件下,相对未优化基线的最大相对提升,不是平均值,也不是效果承诺。下次再看到方案里一个孤零零的百分比,别先问能不能做到,先要来它的对比基线、度量指标和测试引擎,三样答不齐就别往下谈。立言GEO(WalkGEO)的写作规范里本来就写着不承诺效果这一条;你要把它落到日常,照 每周复盘流程 设成每周固定检查项,需要把可见性按周采读数再看 产品与定价。
看完了?让智能体把你自己的网站跑一遍
注册进入工作台,一次跑完全部页面,拿到按优先级排好的修复清单。首次免费。
免费做一次网站审计