洞察

机制、方法与判断依据

这一栏只写三种内容：某个现象背后的机制、某个动作的具体做法、以及我们对某个流行说法的质疑。凡是推断，都标明是推断。

2026-10-20 · 8 分钟

从「用户不再点链接」这个变化讲起，说明 GEO 到底在优化什么、为什么它不等于「SEO 的升级版」，以及它做不到哪些事。

2026-10-20 · 11 分钟

把一次回答拆成检索、筛选、生成、归因四个环节，逐段看品牌能影响哪一步、影响不了哪一步。

2026-10-20 · 7 分钟

目标、对象、入口、指标、内容形态、技术手段、失效模式—— 逐项对照，附一张可以直接拿去内部对齐的表。

写作原则：不写「某客户提升 300%」这类无法验证的案例，不引用没有出处的行业数据，不把推断写成事实。如果一篇文章里出现了数字，那个数字一定有来源，或者明确标注是我们的测量结果。

理论基础

方法参考的公开研究

我们的测量口径与干预思路，学习并参考了以下公开论文中的部分理论与框架。列出它们，是为了让「这套方法从哪来」可以被检验——理论是大家的，怎么用在我们客户身上，是我们的。

GEO：生成式引擎优化的开山之作（Aggarwal 等，KDD 2024）—— 率先把「让内容被生成式引擎引用」变成可优化、可测量的对象，并提出九类内容干预实验。 arxiv.org/abs/2311.09735
CC-GSEO-BENCH：以内容为中心的来源影响力基准（Chen 等，2025）—— 用反事实分析把「被引用」与「真的影响了答案」分开，提出曝光、忠实引用、因果影响三个维度；我们的「引用 ≠ 影响」表述即参考于此。 arxiv.org/abs/2509.05607
From Citation Selection to Citation Absorption（Zhang 等，2026）—— 把 GEO 拆成「引用选择」与「引用吸收」两个独立阶段，指出引用数量与实际影响可以反向运动；我们坚持逐格留证、不报单一引用数，与这一框架同向。 arxiv.org/abs/2604.25707
Diagnosing and Repairing Citation Failures in GEO（Tian 等，2026）—— 提出了引用失败模式的系统分类：先诊断引用在哪一环失败，再做针对性修复，而非套用通用改写规则；我们的「先诊断、后动手」即来源于此。 arxiv.org/abs/2603.09296
Scoring With the Engine（Tannenbaum，2026）—— 实测四大生成式引擎在相同提问下的引用集合几乎不重叠，论证「脱离引擎谈可见度」有其边界；我们按引擎分别报告、不做跨引擎混算的口径，与这一结论一致。 arxiv.org/abs/2609.22655