12万次GEO体检只有86个优等生：E-E-A-T平均2.1分，全网最大的洼地

15 0

全网GEO体检基准数据配图 — 12 万次体检只挑出 86 个优等生，短板不在技巧在相关性（配图：AI30媒体部）

给自己的网站打一个「AI 可见度」分数，正在变成一门生意。做 GEO 评分的工具 GEO-Score 在 9 月 30 日更新了它的平台基准页：累计 124,650 次分析，覆盖 123,421 个独立域名，仅最近 30 天就新增 42,755 次。这个样本不大不小，但足够回答一个被问烂了的问题——现在全网的网站，在 AI 眼里到底长什么样。答案比想象中难看：平均分 49.6，而第一梯队几乎是空的。

12.4 万次体检，优等生只有 86 个

先看梯队分布。80 到 100 分的「优等生区」只有 86 个域名，占全部 12.4 万次的 0.07%，接近于零。60 到 79 分的竞争区有 25,821 个，占 21%；0 到 39 分的隐形区 22,967 个，占 18%。剩下的大头，61%、75,776 个域名，全部卡在 40 到 59 分的「待改进」区间。也就是说，绝大多数网站离「被 AI 稳定引用」只差一口气，但又都没迈过去。GEO 还远没有卷起来，先做完基础动作的人仍然稀缺。

引用密度 61 分，E-E-A-T 只有 2.1 分

再看七项因子的平均分，剪刀差非常刺眼：引用密度 61 分最强，内容结构 57.8、全面性 54.3 都还算体面；往下是新鲜度 30.8 和 AI 优化 29，可读性只有 12 分，而垫底的 E-E-A-T 平均 2.1 分——几乎全网都没做。E-E-A-T 指的是经验、专业、权威与可信：作者署名与资历、可核查的来源、实践证据、机构背书。这些恰恰是 AI 在决定「引用谁」时最看重、又最难临时补的东西。平台自己的结论也直白：在竞争者还没补课的地方投入，杠杆最大。

复现研究：堆技巧无效，相关性三倍于页面分

单靠一份商业工具的数据还不够，得看研究。9 月 7 日挂上 arXiv 的复现研究（Bajemon 与 Rochet）把 Princeton KDD 2024 那篇 GEO 奠基论文重测了一遍：只看页面文本特征、不看查询内容的「查询盲」评分，与引用顺序的相关性只有 ρ=0.114（777 组查询-引擎对，GPT-5.x 三条臂上复现为 0.118）；而加入「查询与来源的相关性」后，相关性直接抬到 0.37 到 0.38，约等于三倍的信号量。更扎心的是三项经典技巧：做成等量配对编辑后，加引语 -0.325 个百分点（置信区间含零）、加统计数据 -0.276 个百分点（含零）、标注来源引用 -0.793 个百分点（唯一不含零，负向）。结论不是技巧没用，而是不加相关性的堆量等于无效，甚至倒扣。

三条动作：相关性、E-E-A-T、别刷日期

两份数据拼在一起，动作其实很清楚。第一，把「查询意图对齐」放在所有技巧之前：页面要先回答它想接的那个问题，再去谈结构化与引用格式。第二，把 E-E-A-T 当成最便宜的不对称杠杆：署名、来源、真实经验证据，成本远低于重写内容，而全网平均才 2.1 分。第三，别把新鲜度理解成改日期——30.8 分的均值说明大多数站点的内容更新是假的，AI 分得出来。