GEO第一次有了统一的评测标尺，投票场景却先露了底：不点名目标的改写等于白改

过去一年，GEO（生成式引擎优化）最尴尬的地方不是没效果，而是没法证明效果。每家服务商都在报「引用率提升」，但没人说清楚用的是哪套基准、改了多少内容、允许改到什么程度。10月中旬连续两篇论文，把这个模糊地带同时照亮了。

10月16日：先给GEO立一把公共的尺子

16日挂上arXiv的《Humanity’s Last Choice: A Common Evaluation Standard for Generative Engine Optimization》（2610.23541）做了一件基础工作：它不去提新策略，而是先把现有GEO基准摊开比对。作者的判断很直接——各家基准自己定义策略空间、自己规定编辑约束，于是「优化算法更好」带来的增益，和「被允许改得更多」带来的增益，被混在同一个提升百分比里。跨基准比较因此变得没有意义。

论文提出一套元分类法（meta-taxonomy），用三个维度描述任何一次GEO操作：改在哪里（页面内、页面结构、站外承载页）、怎么改（重写、补充、重组、加论证）、针对什么信号（检索命中、排序位、引用选择）。在这个坐标系里，策略可以被检索、被穷举，也可以被公平对比。配套的协议要求做受控实验并显式报告覆盖度，最终指向一个可公开比较的榜单。

这份呼吁出现的时机不算早。行业里已经有大量「提升百分之几百」的案例在流通，而评测口径不统一，恰好是这类数字最好的保护色。

10月15日：投票场景把「改得狠」的底牌翻了出来

比标准论文早一天的VoteGEO-Bench（2610.21330），做的是另一件事：把GEO放进最敏感的场景里测。它覆盖2024年美国大选与2026年日本众议院选举，把选举类查询、历史网页和选民画像组合成测试集，再评估4大类共11种改写策略。

先看它观察到的引用结构：生成引擎引用的来源里，有相当比例来自成本更低的自有源和开放平台源，而且一部分网页可以连续多天保持可见。这句描述听起来平淡，实际含义是——引用位有惯性，谁先进入检索池并稳定存在，后来者要花更大力气才能挤进去。

再看策略效果，结论几乎可以直接当操作纪律用：

第一，不指定目标的改写，极少能提升目标曝光。也就是说，泛泛地「把文章写得更适合AI」，在不明确要影响哪个实体、哪个结论的前提下，收益接近噪声。指定目标之后，提升才开始稳定出现。

第二，改善页面组织（结构、层级、可切分的段落）和强化论证（把立场说透、把比较做实），效果明显好于「补充更多证据」和「仅仅换个说法」。这条对内容团队是硬约束：堆资料和润色措辞，是GEO里性价比最低的两件事。

第三，选民画像的条件化没有稳定效应。两个最强策略在美国各类画像上的增益普遍为正，但按画像定制并没有带来额外收益。换成商业语境就是：为不同人群各写一版，收益远小于把一版写扎实。

第四，也是最值得警醒的一条：显式党派身份造成的基线曝光差距，比改写一个页面能拿到的增益更大。基线不由单页决定——品牌既有认知、站外信源结构、实体一致性，共同决定了起跑线。这解释了为什么同样做GEO，有的站三个月起量，有的站做半年只在误差范围内波动。

行业侧的同一组信号

把视角从论文移到市场，能看到同一件事的三个侧面。

GeoBuddy在10月19日更新的实测报告里，累计跑了2,697次品牌检测：59.8%的品牌在四个引擎里一次都没被提到，全部品牌的平均可见度只有14.6%；而在能被看见的品牌里，50.5%是AI的主推选项，其余只是「备选之一」。分引擎看，最近1,522条提示词里的提及率是Perplexity 9.1%、Gemini 8.6%、Claude 7.2%、ChatGPT 7.2%——只测一个引擎，等于只看了四分之一的答案。

Machine Relations Index在10月19日的版本里，按问题形态分别统计了引用来源。「最好的AI可见度工具」这一类问题，232次作答中排在最前的是Seranking 23.28%、Otterly 21.12%、Reddit 19.83%、YouTube 18.10%；到了「这套东西值不值得买」，254次作答里Reddit升到18.90%、HubSpot 17.32%。同一批引擎，问题形态一换，信源结构就重排——这正好呼应标准论文要求的「显式报告覆盖度」：不写清问题类型，引用率数字没有可比性。

国内侧，艾瑞网10月公布的GEO服务复盘给出另一条线索：在217家企业、47家具备完整前后测的样本中，内容「时间度」与AI引用率的相关系数为0.63，是五个维度里最高的；并存在一个信任门槛——时间度低于12分时，即使其余四维总分超过70分，平均引用率仍低于30%。其中一个时间敏感行业客户建立三级刷新机制后，时间度从4分升到14分，引用率从8.2%升到37.5%。