别再堆关键词了：普林斯顿 GEO 论文揭示大模型搜索时代的流量新规则

原始论文：《GEO: Generative Engine Optimization》

论文收录于 KDD 2024（ACM SIGKDD 国际数据挖掘与知识发现大会）· 12 页

作者：Pranjal Aggarwal、Vishvak Murahari、Tanmay Rajpurohit、Ashwin Kalyan、Karthik Narasimhan、Ameet Deshpande

作者单位：印度理工学院德里分校（IIT Delhi）、普林斯顿大学（Princeton University）

开源项目：generative-engines.com/GEO · GitHub: GEO-optim/GEO

过去三十年，互联网内容分发的基本逻辑一直没有脱离那“十条蓝色链接”。

网站站长和创作者为了争夺搜索结果第一页的位置，建立起一整套被称为 SEO（搜索引擎优化）的庞大工业：研究关键词热度、在文章标题和段落里见缝插针地埋词、建设海量外部反向链接（Backlinks），以此讨好搜索引擎的倒排索引与 PageRank 算法。

但随着 Perplexity、Google AI Overviews、Bing Copilot 等生成式引擎（Generative Engines）的普及，这个规则体系正在瓦解。

用户输入一个问题，大模型直接在后台检索若干相关网页，在几秒钟内提炼重写成一段结构完整的综合回答，并在句子末尾打上 [1][2] 的角标引用。用户不需要再逐个点击链接翻阅网页；谁能被大模型在生成结果中高频、靠前地引用，谁才能在 AI 搜索时代获得真正的曝光。

来自普林斯顿大学和 IIT Delhi 的研究团队在 KDD 2024 发表的论文《GEO: Generative Engine Optimization》，正是第一篇系统研究“如何让大模型优先引用你的网页”的学术工作。

论文建立了一套包含 10,000 条真实与合成查询的基准数据集 GEO-bench，对比了 9 种内容优化策略，并给出了令人意想不到的实验结论：传统 SEO 的核心招数在生成式引擎里全部失效，而真正有效的优化手段，甚至能让原本排在 Google 第 5 名的边缘网页，在 AI 答案里反超龙头站点 115% 的曝光份额。

---

规则重构：大模型时代的曝光怎么算？

在传统搜索引擎里，衡量曝光（Impression）非常直观：页面展示在第几位、获得了多少点击。

但在生成式引擎中，信息被大模型重组成了单篇富文本。一个回答可能包含四五句话，分别引用了不同的网页；有的网页只贡献了一个短语，有的网页则支撑了整段核心论述。

论文指出，传统“排在第几条”的排名指标在生成式引擎中彻底失真，为此提出了新的量化体系：

1. 位置衰减加权词数（Position-Adjusted Word Count）

这是衡量客观曝光的核心指标：

$$Imp_{pwc}(c_i, r) = \frac{\sum_{s \in S_{c_i}} |s| \cdot e^{-pos(s)/|S|}}{\sum_{s \in S_r} |s|}$$

其中：

• $S_{c_i}$ 是引用了该网页 $c_i$ 的所有句子集合；
• $|s|$ 是句子的字数；
• $pos(s)$ 是该句子在整个回答中的位置序号；
• 指数衰减项 $e^{-pos(s)/|S|}$ 模拟了用户的注意力衰减曲线——答案开头的核心结论更容易被用户阅读，权重最高；越靠后的句子权重越低。

如果一篇文章被大模型采纳的内容字数多，且出现在回答的开头段落，它的可见度得分就显著更高。

2. 7 维主观曝光评测（Subjective Impression）

除了客观字数与位置，团队还利用 LLM-as-a-judge（基于 G-Eval 范式）从 7 个主观维度对引用质量进行了评测：

1. 相关性（Relevance）：被引句子与用户问题的契合度；
2. 影响力（Influence）：生成回答对该引用的依赖程度；
3. 独特性（Uniqueness）：该引用是否提供了其他网页没有的信息；
4. 主观排位（Subjective Position）：在用户视线中的显眼程度；
5. 主观篇幅（Subjective Count）：用户感知到的信息量占比；
6. 点击意愿（Click Likelihood）：用户顺着角标点击源网页的概率；
7. 信息多样性（Diversity）：所提供角度的丰富程度。

---

9 种策略大比拼：谁在狂飙，谁在掉队？

研究团队在包含 25 个领域、9 种数据来源的 10,000 条问答基准 GEO-bench 上，测试了 9 种不同的内容调整策略。所有测试均基于 Google 检索到的前 5 个真实网页，由大模型在固定 Prompt 下综合生成带引用的最终答案。

实验结果揭示了一条清晰的分水岭：

核心发现 1：堆关键词不但没用，反而招致惩罚

传统 SEO 最常用的“堆关键词”，在生成式引擎中几乎全面失效，位置加权词数得分甚至比完全不优化的基线还要低 8.7%。

原因在于：大模型在处理检索到的文本时，不是基于关键词出现频次的词频统计，而是依赖 Transformer 的注意力机制进行语义理解。强行堆砌关键词会破坏文本的局部连贯性，降低信息密度，甚至被大模型的上下文压缩机制视作噪音而遭到丢弃。

核心发现 2：“权威引文”与“精确数据”是大模型的最爱

实验中效果最显著的两大策略是 Quotation Addition（添加权威引语） 和 Statistics Addition（补充统计数据）。

在论文给出的定性案例中：

• 当被问及“瑞士巧克力的秘密”时，原文如果只是泛泛而谈“瑞士人非常喜欢巧克力”，模型往往一笔带过；但如果在后面加上一句引注*「根据国际巧克力消费研究组的调查数据，瑞士人均年消费巧克力 11 至 12 公斤，位居全球前列」*，该网页在最终回答中的引用可见度直接暴涨 132.4%。
• 当被问及“机器人是否应该取代人类劳动力”时，补充一句*「过去十年中机器人参与度激增了 70%」*的具体数据，该网页在答案中的引用率立刻提升了 65.5%。

大模型在做证据综合时，天然倾向于挑选“信息密度最高、具有确定性事实锚点、方便直接作为论据”的句子。具体的数字和带有说话人出处的引语，正好符合大模型对可信引用的偏好。

---

惊人的平权效应：第 5 名网站反超 115%

在传统搜索领域，“强者恒强”的马太效应极其严重。头部大站凭借积累数十年的域名权重（Domain Authority）和数以万计的反向链接，长期霸占前三位，中小独立站点无论内容写得多好，也很难在搜索排位上形成威胁。

但在生成式引擎中，游戏规则发生了颠覆性变化。

研究团队设计了一个模拟竞争实验：当搜索结果中排名前 5 的网站同时进行了 GEO 优化时，它们在大模型最终回答中的曝光份额会发生怎样的变化？

实验得出了一个极具颠覆性的结果：

排名位置（SERP Rank）   Cite Sources (出处引注)   Statistics (统计数据)   Authoritative (权威语气)
──────────────────────────────────────────────────────────────────────────
Rank 1 (头部第一)           -30.3%                  -20.6%                  -6.0%
Rank 2                      +2.5%                   -3.9%                   +4.1%
Rank 3                      +20.4%                  +8.1%                   -0.6%
Rank 4                      +15.5%                  +10.0%                  +12.6%
Rank 5 (尾部第五)          +115.1%                  +97.9%                  +6.1%

排在第 5 位的尾部网页，通过出处引注和数据优化，在 AI 答案中的曝光量分别暴增了 115.1% 和 97.9%；而原本排在第 1 位的头部网页，曝光量反而萎缩了 30.3%。

这一现象背后的机制非常清晰：

1. 传统搜索引擎在第一阶段（检索阶段）把前 5 名召回后，大模型并不关心这 5 个网页各自有多少外链、域名建了多少年；
2. 在第二阶段（合成生成阶段），大模型把 5 份文本平铺在上下文（Context Window）中，纯粹依据文本本身的信息质量、逻辑密度与可信度来生成答案；
3. 如果第 5 名的网页写得更清晰、包含了权威数据与直接引语，而第 1 名的网页充满车轱辘话和营销公关腔，大模型就会毫不犹豫地大量引用第 5 名的内容。

生成式引擎抹平了外链与权重的技术鸿沟，让竞争重新回到了“内容本身的质量”维度。

---

领域差异与组合拳策略

论文进一步分析了不同垂直领域的优化敏感度，发现并不存在一套“放之四海而皆准”的模版，不同类型的内容需要采用不同的 GEO 手法：

• 法律与政府（Law & Government）、观点论述（Opinion）：对**统计数据（Statistics Addition）**最为敏感。严谨的数据支撑能让观点从主观臆断变成扎实论据。
• 人文社会（People & Society）、历史（History）、深度解释（Explanation）：对**权威引语（Quotation Addition）**最为敏感。直接引用当事人或历史学家的发言，能赋予文本不可替代的情境感。
• 事实陈述（Statement / Facts）：对**出处引注（Cite Sources）**最为敏感。明确注明信息源头可以大幅提升大模型的采纳信心。
• 辩论与说理（Debate）：对**权威说理语气（Authoritative）**更为敏感。

多策略联动：1 + 1 > 2

在实际写作中，创作者通常不会只用单一手法。研究团队对表现最好的 4 种方法进行了两两组合测试：

组合策略矩阵 (相对曝光改善率):
                 Fluency (流畅度)   Statistics (数据)   Citations (引注)   Quotes (引语)
Fluency              22.4%              35.8%               34.4%            33.0%
Statistics           35.8%              27.0%               30.3%            35.4%
Citations            34.4%              30.3%               19.1%            20.1%
Quotes               33.0%              35.4%               20.1%            30.3%

数据显示：

• 「流畅度优化 + 统计数据」 是最强单组搭档，带来了 35.8% 的平均可见度跃升；
• 「出处引注（Cite Sources）」 单独使用时并非最高，但它与其他任意策略搭配时都能发挥极强的放大器效应（平均赋能增幅达 31.4%）。

---

商业黑盒实测：在 Perplexity.ai 上的真实表现

为了验证这套规律是否只在实验室环境中生效，研究团队还在真实的商业化生成式引擎 Perplexity.ai 上进行了实测（抽取了 200 个测试样本，通过文件源上传方式进行严格对比）。

Perplexity.ai 的实测数据与论文的离线实验高度一致：

• Keyword Stuffing（关键词堆砌）：在 Perplexity 上词数可见度继续下跌 10%（从 24.1 跌至 21.9）；
• Quotation Addition（添加引语）：词数可见度提升 22%（从 24.1 升至 29.1），主观好感度提升 30%；
• Statistics Addition（添加数据）：主观可见度暴涨 37%（从 24.7 升至 33.9）。

这证明了 GEO 的结论并不是某个特定模型的偏好，而是当前这一代基于 RAG（检索增强生成）架构的生成式引擎的共有行为特征。

---

给创作者与技术团队的实操清单

从传统的 SEO 转向面向大模型的 GEO，写作与排版的范式需要做出几项根本性的转变：

1. 彻底放弃关键词密度玄学：不要为了 SEO 算法生硬地重复搜索词，大模型看重语义连贯性，生硬的重复只会导致整段内容被判定为低质文本。
2. 提高硬事实与数据密度：少写“大幅提升”、“显著增长”、“历史悠久”这种模糊副词；写出确切的比例、年份、采样规模与对比基准（如“3.2 秒提升至 2.1 秒”、“235 个测试用例”）。
3. 为核心结论附上出处与专家原话：当你在文章中提出重要论断时，直接引入专家引语或文献名。大模型在做信息抽取时，会优先采纳带有名词、机构和出处支撑的句子作为答案的骨架。
4. 保持语言清晰易读：避免过于繁复的嵌套长句，保持段落逻辑紧凑。更低的阅读与解析阻力，有助于大模型在有限的 Context 上下文预算中更准确地切分并召回你的内容。
5. 中小站点的突围窗口：在传统搜索时代你可能受制于外链而无法排到第一页；但在大模型搜索时代，只要你的内容进入了检索候选集，凭借高密度的优质事实与清晰表达，就完全有可能在最终给用户的答案里占据最大的篇幅与首要推荐位。