跳转到正文
作者 NiLu 更新于

Web agent-ready——发现与引用：SEO、GEO 与证据

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。

摘要

  • 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。
  • 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。
  • 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。
  • 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。

SEO 与 GEO 不是同一项工作

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] 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]

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。

Google 对 AI 优化的说法

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] 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] 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]

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] 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]

有方法的 GEO：论文展示了什么

GEO 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] 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]

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。

引用不是点击

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] 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] 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]

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] 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”。

llms.txt 与其他“AI SEO”迷思

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] [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。

robots 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] [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]

营销在哪里

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]——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。

不确定性

  • 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。
  • 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。
  • 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。
  • 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。

参考资料

  1. Aggarwal et al. — GEO: Generative Engine Optimization. arXiv. 访问于 2026 年 8 月 7 日。
  2. Liu & Xu — FeatGEO. ACL Anthology. 访问于 2026 年 8 月 7 日。
  3. Google Search Central — Optimizing your website for generative AI features on Google Search. Google. 访问于 2026 年 8 月 7 日。
  4. Google Search Central — AI features and your website. Google. 访问于 2026 年 8 月 7 日。
  5. Google Search Central Blog — Succeeding in AI search. Google. 访问于 2026 年 8 月 7 日。
  6. Google — AI in Search: Going beyond information to insight. Google. 访问于 2026 年 8 月 7 日。
  7. Google Search Central Blog — New Search Generative AI performance reports in Search Console. Google. 访问于 2026 年 8 月 7 日。
  8. Pew Research Center — 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。
  9. Digiday — Google AI Overviews linked to publisher referral traffic drops, new data shows. Digiday. 访问于 2026 年 8 月 7 日。
  10. Digiday — 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。
  11. Liu et al. — Evaluating Verifiability in Generative Search Engines. arXiv. 访问于 2026 年 8 月 7 日。
  12. Ahrefs — We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read. Ahrefs. 访问于 2026 年 8 月 7 日。
  13. SE Ranking — llms.txt vs LLM citations analysis. SE Ranking. 访问于 2026 年 8 月 7 日。
  14. OpenAI — Crawler / bot documentation. OpenAI. 访问于 2026 年 8 月 7 日。
  15. Anthropic — 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。
  16. Fastly — New Fastly threat research reveals AI crawlers make up almost 80% of AI bot traffic. Fastly. 访问于 2026 年 8 月 7 日。
  17. Digiday — GEO hype busted: How it differs (and how it doesn’t) from SEO. Digiday. 访问于 2026 年 8 月 7 日。