{
  "schemaVersion": "1.0",
  "kind": "nilu.article",
  "id": "web-agent-ready-seo-vs-geo",
  "slug": "web-agent-ready-faxian-vs-yinyong",
  "locale": "zh",
  "sourceLocale": "pt-br",
  "localizationStatus": "translated",
  "title": "Web agent-ready——发现与引用：SEO、GEO 与证据",
  "summary": "SEO 仍是基础；GEO 在实验室中有方法，但引用不等于点击或回报——应真正衡量什么。",
  "author": "NiLu",
  "publishedAt": "2026-08-07T00:00:00.000Z",
  "updatedAt": "2026-08-11T00:00:00.000Z",
  "canonicalUrl": "https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong/",
  "representations": {
    "html": "https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong/",
    "markdown": "https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong.md",
    "json": "https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong.json"
  },
  "bodyMarkdown": "# Web agent-ready——发现与引用：SEO、GEO 与证据\n\nSEO 仍是基础；GEO 在实验室中有方法，但引用不等于点击或回报——应真正衡量什么。\n\nAuthor: NiLu\nLocale: zh\nPublished: 2026-08-07\nUpdated: 2026-08-11\nCanonical: https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong/\nMarkdown: https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong.md\nJSON: https://blog.nilu.pro/zh/blog/web-agent-ready-faxian-vs-yinyong.json\n\n## 摘要\n\n- SEO 和 GEO 回答不同的问题：在搜索引擎中被发现，与在生成式回答中被引用不是同一项工作。\n- 对 Google 而言，为 Search 的 AI 功能优化仍是 SEO——不需要特殊 markup，也不要求 llms.txt。\n- 有方法的 GEO 存在于学术论文中，但报告的收益（如“最高 40%”）来自实验室，而非公开排名产品。\n- 被引用不等于获得访问——出现 AI 摘要时 CTR 会下降，出版商的引荐流量正面临压力。\n\n## 目录\n\n- [SEO 与 GEO 不是同一项工作](#seo-e-geo-nao-sao-o-mesmo-job)\n- [Google 对 AI 优化的说法](#o-que-o-google-diz-sobre-otimizar-para-ia)\n- [有方法的 GEO：论文展示了什么](#geo-com-metodo-o-que-os-papers-mostram)\n- [引用不是点击](#citacao-nao-e-clique)\n- [llms.txt 与其他“AI SEO”迷思](#llmstxt-e-outros-mitos)\n- [营销在哪里](#onde-fica-o-marketing)\n- [不确定性](#incertezas)\n\n<a id=\"seo-e-geo-nao-sao-o-mesmo-job\"></a>\n\n## SEO 与 GEO 不是同一项工作\n\n经典意义上的 SEO 关乎被发现：抓取、索引以及在搜索结果中获得资格。GEO——Generative Engine Optimization——起源于一个学术术语，用于优化内容，使其在检索信息并综合带归属回答的系统中获得可见性；这与在结果页占据稳定排名位置是不同的工作。定义该术语的论文（Aggarwal et al.）这样描述生成式引擎：先检索，再由语言模型综合，并带有内联引用。[[1]](#ref-1) 一篇更新的论文 FeatGEO（ACL 2026）强化了这一区别：回答引擎进行选择性引用，并不分配经过排序的 SERP slots；它提出在重写文本前，按可解释的结构和内容特征进行优化。[[2]](#ref-2)\n\n但市场把这两个名称当作仅靠营销的新学科来销售。应区分存在且有清晰实验室限制的学术方法，与承诺“在 ChatGPT 中排名”却不说明如何测量的商业话术。\n\n<a id=\"o-que-o-google-diz-sobre-otimizar-para-ia\"></a>\n\n## Google 对 AI 优化的说法\n\n对于 Google 生态系统——当前文档最充分的案例——官方回答很直接：为 Search 中的生成式 AI 功能优化，就是为 Search 体验优化，因为这些功能依托相同的核心质量和排名系统。该指南描述这些功能如何使用 grounding/RAG（从 Search 索引检索并生成带支持链接的内容）和“query fan-out”，并将 `llms.txt`、特殊 AI markup、为 AI 将内容分成“chunks”以及仅为智能体重写文本列为应避免的迷思——生成式 AI 功能不要求结构化数据。[[3]](#ref-3) 文档“AI features and your website”确认，除被索引且有资格获得 snippet 外，没有额外技术要求。[[4]](#ref-4) John Mueller 在 Search Central Blog 的文章（2025 年 5 月）将一贯建议——面向人的内容、良好的页面体验、抓取和索引的技术要求——延伸至 AI Overviews 和 AI Mode；结构化数据在与可见内容相符时，仍有助于机器可读的共享，但不是引用技巧。[[5]](#ref-5)\n\n这不意味着 AI 中的引用无关紧要——只是它在 Google 中不是有独立要求的单独技术学科。Google Search VP Liz Reid 将 Search 中的 AI 回答描述为带来可见链接、来源引用和嵌入文本的归属，明确将其作为对网络的强化，“不是 Web 或 AI——而是两者”。[[6]](#ref-6) Search Console 也开始为生成式 AI 功能提供效果报告（按页面、国家、设备和日期统计展示）——这是官方的可见性衡量，而不是第三方“引用”评分。[[7]](#ref-7)\n\n<a id=\"geo-com-metodo-o-que-os-papers-mostram\"></a>\n\n## 有方法的 GEO：论文展示了什么\n\nGEO 论文报告“最高 40%”的相对可见性提升——但这个数字来自作者自己的 benchmark（GEO-bench，约 10 mil 个查询），其设置很具体：用 GPT-3.5 风格管线重新处理 Google top-5 结果。这不是公开的 ChatGPT 排名 API，也不是会在生产中自动重复的数字。在同一实验中，堆砌关键词（keyword stuffing）相较于使用统计数据、引用和引号的策略表现较差——这提示了更可能被引用的内容类型，而不是公式。[[1]](#ref-1) FeatGEO 使用另一个 benchmark（GEO-Bench），并就结构和可解释语言得出相似结论。[[2]](#ref-2)\n\n两篇论文都没有测试这些结果向生产环境中 ChatGPT search、Perplexity 或 Claude 的迁移——这仍是开放问题。将“最高 40%”视为商业目标是最常见的错误：它是实验室结果，在实验范围内有效，不是流量或收入预测。\n\n<a id=\"citacao-nao-e-clique\"></a>\n\n## 引用不是点击\n\n即使网站被引用或链接，也不等于获得一次访问。Pew Research Center 对 Google 用户行为的相关性分析发现，当结果中出现 AI 摘要时，自然链接点击率约为 8%，而未出现时约为 15%；只有约 1% 的用户点击了摘要内的任意链接。[[8]](#ref-8) Digiday 引用 Digital Content Next 数据的报道指出，出版商来自 Google 的引荐流量中位数同比约为 -10%（样本中案例介于 -1% 到 -25%），与 AI Overviews 相关——但不一定普遍由其造成。[[9]](#ref-9) 另一篇 Digiday 报道引用 Similarweb 称，新闻搜索中的 zero-click 从约 56% 升至 69%，AI 平台流量的增长不足以弥补这种损失。[[10]](#ref-10)\n\n引用本身的质量也是脆弱指标：2023 年的一项研究（Liu et al.）在快照时所评估的生成式搜索引擎中，测得每句引用 recall 约为 51,5%——近一半生成句子没有恰当、可验证的引用。[[11]](#ref-11) 对管理者而言，实际含义是衡量 Search Console、真实会话和转化——而不是合成的“提及记分板”。\n\n<a id=\"llmstxt-e-outros-mitos\"></a>\n\n## llms.txt 与其他“AI SEO”迷思\n\n除了 Google 的辟谣外，两项独立 SEO 供应商研究也强化了对 `llms.txt` 的同样怀疑：Ahrefs 在约 13.7 万个网站的样本中发现，97% 已发布的 `llms.txt` 文件在所测月份没有收到任何请求；SE Ranking 在约 30 万个域名的样本中，没有发现发布 `llms.txt` 与被 LLM 引用之间的可观察相关性。[[12]](#ref-12) [[13]](#ref-13) “没有相关性”并不是该文件永远无用的最终证明——但今天它不足以支持将其视为优先交付物。\n\nrobots 策略也应按工作区分：OpenAI 将 GPTBot（训练收集）、OAI-SearchBot（搜索索引）和 ChatGPT-User（按用户请求的实时搜索）记录为不同机器人，并通过 `robots.txt` 提供各自控制；Anthropic 说明如何阻止其爬虫。[[14]](#ref-14) [[15]](#ref-15) 阻止训练并不等于阻止搜索/引用；Fastly 等边缘网络报告 AI 爬虫已占所观测机器人流量的重要部分，这会在任何引用决策前就影响带宽和源站成本。[[16]](#ref-16)\n\n<a id=\"onde-fica-o-marketing\"></a>\n\n## 营销在哪里\n\n部分关于 GEO 的商业话术承诺没有公开方法支撑的数字——例如远高于平均水平的转化主张，或聊天机器人引用与 Google top 10 之间低重合度的主张，却没有公布可复现的方法。这类主张在这里仅作为市场画像出现，绝非决策基础。专业媒体引用资深 SEO 从业者的报道，将很大一部分 GEO 话术描述为披上新学科外衣的传统 SEO 延伸 [[17]](#ref-17)——这是实际存在的市场张力，不是科学裁决。乐观和怀疑的主张都只是观点，而不是事实：本文的事实基础仍是 Google 官方文档、有方法的论文和上述独立研究。\n\n<a id=\"incertezas\"></a>\n\n## 不确定性\n\n- 除核心质量系统外，没有公开列表说明 Google 用来选择在 AI Overviews 中作为支持出现的页面的确切信号。\n- 尚不清楚 GEO-bench 和 FeatGEO 的结果如何（或是否）迁移到生产中的 ChatGPT search、Perplexity 或 Claude。\n- 没有公开研究将合成的“提及”或“AI 可见性”指标转化为出版商实际的展示、点击或收入。\n- 基于现有数据，无法计算允许或阻止每种机器人（训练 vs. 搜索）对特定网站的净边际成本。\n\n## 参考资料\n\n1. <a id=\"ref-1\"></a>[Aggarwal et al. — GEO: Generative Engine Optimization](https://arxiv.org/abs/2311.09735). arXiv. 访问于 2026 年 8 月 7 日。\n2. <a id=\"ref-2\"></a>[Liu & Xu — FeatGEO](https://aclanthology.org/2026.acl-long.929/). ACL Anthology. 访问于 2026 年 8 月 7 日。\n3. <a id=\"ref-3\"></a>[Google Search Central — Optimizing your website for generative AI features on Google Search](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide). Google. 访问于 2026 年 8 月 7 日。\n4. <a id=\"ref-4\"></a>[Google Search Central — AI features and your website](https://developers.google.com/search/docs/appearance/ai-features). Google. 访问于 2026 年 8 月 7 日。\n5. <a id=\"ref-5\"></a>[Google Search Central Blog — Succeeding in AI search](https://developers.google.com/search/blog/2025/05/succeeding-in-ai-search). Google. 访问于 2026 年 8 月 7 日。\n6. <a id=\"ref-6\"></a>[Google — AI in Search: Going beyond information to insight](https://blog.google/products-and-platforms/products/search/ai-search-driving-more-queries-higher-quality-clicks/). Google. 访问于 2026 年 8 月 7 日。\n7. <a id=\"ref-7\"></a>[Google Search Central Blog — New Search Generative AI performance reports in Search Console](https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports). Google. 访问于 2026 年 8 月 7 日。\n8. <a id=\"ref-8\"></a>[Pew Research Center — Google users are less likely to click on links when an AI summary appears in the results](https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/). Pew Research Center. 访问于 2026 年 8 月 7 日。\n9. <a id=\"ref-9\"></a>[Digiday — Google AI Overviews linked to publisher referral traffic drops, new data shows](https://digiday.com/media/google-ai-overviews-linked-to-25-drop-in-publisher-referral-traffic-new-data-shows/). Digiday. 访问于 2026 年 8 月 7 日。\n10. <a id=\"ref-10\"></a>[Digiday — In graphic detail: AI platforms are driving more traffic, but not enough to offset zero-click search](https://digiday.com/media/in-graphic-detail-ai-platforms-are-driving-more-traffic-but-not-enough-to-offset-zero-click-search/). Digiday. 访问于 2026 年 8 月 7 日。\n11. <a id=\"ref-11\"></a>[Liu et al. — Evaluating Verifiability in Generative Search Engines](https://arxiv.org/abs/2304.09848). arXiv. 访问于 2026 年 8 月 7 日。\n12. <a id=\"ref-12\"></a>[Ahrefs — We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read](https://ahrefs.com/blog/llmstxt-study/). Ahrefs. 访问于 2026 年 8 月 7 日。\n13. <a id=\"ref-13\"></a>[SE Ranking — llms.txt vs LLM citations analysis](https://seranking.com/blog/llms-txt/). SE Ranking. 访问于 2026 年 8 月 7 日。\n14. <a id=\"ref-14\"></a>[OpenAI — Crawler / bot documentation](https://developers.openai.com/api/docs/bots). OpenAI. 访问于 2026 年 8 月 7 日。\n15. <a id=\"ref-15\"></a>[Anthropic — Does Anthropic crawl data from the web, and how can site owners block the crawler?](https://support.claude.com/en/articles/8896518-does-anthropic-crawl-data-from-the-web-and-how-can-site-owners-block-the-crawler). Anthropic. 访问于 2026 年 8 月 7 日。\n16. <a id=\"ref-16\"></a>[Fastly — New Fastly threat research reveals AI crawlers make up almost 80% of AI bot traffic](https://www.fastly.com/press/press-releases/new-fastly-threat-research-reveals-ai-crawlers-make-up-almost-80-of-ai-bot). Fastly. 访问于 2026 年 8 月 7 日。\n17. <a id=\"ref-17\"></a>[Digiday — GEO hype busted: How it differs (and how it doesn't) from SEO](https://digiday.com/media/geo-hype-busted-experts-call-it-more-seo-than-new-discipline/). Digiday. 访问于 2026 年 8 月 7 日。\n"
}