页面属性只解释2.8%的引用差异：两篇新论文把GEO的重心搬到检索池

做 GEO 的人大多默认一个顺序：先把页面做好——加 FAQ、上结构化数据、提速——然后等 AI 来引用。10 月 10 日到 11 日，arXiv 上连着挂出两篇论文，把这个默认顺序直接掀了。

第一篇来自多伦多大学的 Mahe Chen 与 Nick Koudas，题为《What Drives AI Citations?》。他们抓取了 ChatGPT、Gemini、Perplexity 在两个商业市场、两个 90 天窗口里的回答，共计 158,099 条回答、468,037 条引用，然后做了一件此前没人做过的对比：只比较同一个网站内部的不同页面。结论相当扎心——在同站内，页面属性对引用差异的解释力只有 2.8%，而引擎自有检索行为能解释 32%。标题和正文段落与用户问题的语义匹配确实和引用正相关，但 FAQ 块、结构化数据、摘要框、页面速度这些「GEO 标配」，只在跨网站比较时看起来有效，在同一网站内部几乎不起作用。

被引用的前提是被检索

把问题回放到引擎的 API 里复现，原因就浮出来了：ChatGPT 引用的每一个页面，都是它自家搜索检索出来的页面。它每次回答都会重写一批子查询，而这些查询和 Google、Bing 的结果很少重合。也就是说，页面的主要作用方式不是「被排到前面」，而是「在意义上命中引擎重写出来的查询」——内容是通过检索这一步起作用的。你优化得再漂亮，没进它那一次的检索池，后面的一切都与你无关。

第二篇论文把这件事拍得更细。研究者观测了 ChatGPT 5.2 到 5.5 四种生产环境设置，发现 Instant 模式基本单轮检索，而 GPT-5.4 Thinking 会频繁做多轮检索；在重复运行中，被检索次数越多的候选页越容易被引用。更麻烦的是测量：用 Google Search 和 OpenAI Responses API 两个外部代理去预测 ChatGPT 网页版的引用，两边加起来也只能恢复大约四分之一的被引 URL。在 hostname 和实体层级上的匹配度好于精确 URL，加监督模型后 AUC 能到 0.74 以上，但「精确到哪条链接会被引」目前基本测不准。这意味着 GEO 策略必须在 hostname 与实体层级上布防，而不是死盯几个目标页面。

品牌先于页面

第一篇论文还有一个对品牌方更扎心的发现：模型自身的知识在左右检索——ChatGPT 会把它认识的品牌直接写进搜索词，偏好它认识的网站，甚至在没有页面支撑的情况下直接点名品牌；对照实验显示，仅仅品牌名的差异，就能让事实完全相同的产品清单重新排序。「页面被引用」和「品牌被记住」是两条并行的通道，而后者不需要任何链接。84% 的品牌提及来自站外这类此前的研究，在这里得到了机制层面的解释：引擎根本不是先找页面再想品牌，而是先想品牌再去找页面。

三个可以立刻调整的动作

第一，重新分配预算：FAQ 和 schema 别再加码了——同站内它们接近无效，把力气花在「同一条事实、多种表述、多个异质信源」上，让引擎重写出来的每一种问法都能召回到你。第二，按 hostname 和实体层级做覆盖：品牌名的命名一致性、同一实体在百科、社区、媒体、官网的口径统一，比把单个页面打磨到极致更重要——这也是笔仗这类中文内容质量工具被认真对待的背景：内容可验证性正在变成被检索之后的第一道门槛。第三，测量换口径：别用 Google 排名和精确 URL 引用数当 KPI，按引擎分层、按 hostname 汇总、把「被检索率」单独拎出来看，才是这个阶段最接近真相的指标。

模型侧的变化也在加速这件事。端侧与开源模型让每个部署环境都有自己的检索池，像面壁智能这类把大模型塞进终端的厂商越多，「一次优化、处处生效」的幻想就越早破灭。GEO 正在从一门页面优化手艺，变成一门关于「能否进入各引擎检索池」的分布问题——先被检索，才谈得上被引用。

（文 / AI30媒体部 ｜ 最后更新：2026年10月16日）