🤖 machine learning

GEO-Flag: Detecting and Measuring GEO-Optimized Web Content

Dit artikel introduceert GEO-Flag, een uitgebreid framework bestaande uit de GEOFlagBench benchmark en een Intervention-Paired Training methode om effectief Generative Engine Optimization (GEO) te detecteren, te auditeren en de prevalentie ervan in reële zoekecosystemen te meten.

Oorspronkelijke auteurs: Junjie Chu, Ye Leng, Mingjie Li, Yun Shen, Xinyue Shen, Yang Zhang

Gepubliceerd 2026-08-18

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Junjie Chu, Ye Leng, Mingjie Li, Yun Shen, Xinyue Shen, Yang Zhang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het internet verandert de manier waarop we antwoorden vinden. Decennialang zochten we door een vraag te typen en een lijst met links te scannen, waarbij we op de bron klikten om deze zelf te lezen. Nu gebruikt een nieuwe generatie zoekinstrumenten kunstmatige intelligentie om die links voor ons te lezen, waarbij de informatie wordt gesynthetiseerd tot één enkel, direct antwoord met citaten. Deze verschuiving belooft gemak, maar creëert ook een nieuwe kwetsbaarheid. Net zoals websites ooit werden aangepast om hoger te ranken in traditionele zoeklijsten, is er een nieuwe praktijk ontstaan waarbij inhoud doelbewust wordt gewijzigd om door deze AI-systemen te worden opgepikt en geciteerd. Deze praktijk, bekend als generative engine optimization, kan ervoor zorgen dat zwakke of onjuiste informatie er goed onderbouwd uitziet, omdat de AI de informatie presenteert als een feit zonder de gebruiker de volledens lijst van concurrerende bronnen te tonen. Het gevaar schuilt in de ondoorzichtigheid: als de AI een pagina citeert die strategisch is gebouwd om geciteerd te worden, ziet de gebruiker een zelfverzekerd antwoord, niet de manipulatie die erachter schuilgaat.

Een team onderzoekers zette zich in om de omvang van dit probleem te begrijpen en om tools te bouwen om het te meten. Ze begonnen met het creëren van een enorme testset van 3.200 webpagina's over gezondheid, financiën, technologie en reizen. Deze pagina's bevatten originele menselijke teksten, tekst die door kunstmatige intelligentie is opgepoetst, en inhoud die volledig door machines is gegenereerd. Cruciaal was dat ze ook versies van deze pagina's maakten die specifiek waren aangepast met acht verschillende strategieën die ontworpen zijn om de nieuwe AI-zoekmachines te misleiden. Met deze diverse collectie testten ze bestaande methoden voor het opsporen van deze geoptimaliseerde pagina's. Ze ontdekten dat hoewel sommige tools de inhoud met een hoge nauwkeurigheid overall konden signaleren, ze vaak vertrouwden op sluiproutes. Veel detectoren gokten simpelweg op basis van de vraag of de tekst door een mens of door een AI was geschreven, in plaats van de specifieke wijzigingen te identificeren die bedoeld waren om de zoekmachine te manipuleren. Wanneer de onderzoekers deze tools testten op pagina's waar mensen zorgvuldig optimalisatietechnieken hadden toegepast, faalden de detectoren vaak, wat onthulde dat hun eerdere succes gebaseerd was op een misverstand van wat ze daadwerkelijk detecteerden.

Om dit op te lossen, ontwikkelden de onderzoekers een nieuwe trainingsmethode genaamd intervention-paired training. In plaats van de computer alleen voorbeelden van "goede" en "slechte" pagina's te laten zien, toonden ze het paren van pagina's: de originele versie en de aangepaste versie. Ze leerden het systeem dat een specifieke wijziging, zoals het toevoegen van een bepaalde frase om de zichtbaarheid te vergroten, de verdenkingsscore zou moeten verhogen, terwijl een algemene verbetering in grammatica of stijl dat niet zou moeten doen. Deze aanpak dwong de detector om zich te concentreren op de daad van optimalisatie zelf, in plaats van op de identiteit van de auteur. Het resultaat was een significante verbetering in betrouwbaarheid. Het nieuwe systeem identificeerde geoptimaliseerde pagina's met een veel hogere nauwkeurigheid en, belangrijker nog, raakte niet in de war door de vraag of de originele tekst door een persoon of een machine was geschreven. Het leerde de manipulatie zelf te herkennen.

Het team bouwde vervolgens een compleet auditsysteem dat een stap verder gaat. Zodra een pagina wordt gemarkeerd als potentieel geoptimaliseerd, controleert het systeem de links die op die pagina worden geciteerd om te zien of ze betrouwbaar zijn. Het wijst een niveau toe aan de uitgever, variërend van zeer gezaghebbende instellingen tot bronnen die gemakkelijk te creëren of te bewerken zijn, en controleert of de links nog steeds werken. Wanneer ze deze volledige pijplijn toepasten op echte zoekresultaten van Google en een nieuwe door AI aangedreven zoektool, ontdekten ze dat ongeveer 8,9% van de getoonde pagina's geoptimaliseerd was voor generatieve zoekopdrachten. Dit aantal was niet statisch; voor pagina's die in 2026 waren aangepast, sprong het percentage naar 16,36%. De studie onthulde ook een scherp verschil in de kwaliteit van de gebruikte bronnen. Pagina's die door de AI-zoektool werden teruggegeven, leunden zwaar op citaten van bronnen uit lagere categorieën, waarbij bijna driekwart van die citaten een label voor lage verifieerbaarheid kreeg, vergeleken met minder dan de helft bij traditionele zoekresultaten.

Deze bevindingen suggereren dat het landschap van online informatie snel verandert. De onderzoekers schatten dat meer dan één op de tien pagina's die momenteel in deze nieuwe zoekresultaten verschijnen, strategisch zijn aangepast om de AI te beïnvloeden. Het probleem is niet alleen dat onjuiste informatie wordt verspreid, maar dat het mechanisme dat we gebruiken om feiten te verifiëren — het citaat — onderdeel wordt van de manipulatie. Door deze patronen te identificeren en de prevalentie ervan te meten, hebben de onderzoekers een manier geboden om achter het gordijn van het nieuwe zoektijdperk te kijken. Hun werk beweert niet het probleem opgelost te hebben of elke instantie van manipulatie te hebben gevonden, maar het legt een duidelijk fundament voor het meten van het probleem. Het laat zien dat zonder nieuwe tools om deze specifieke optimalisaties te detecteren, gebruikers steeds vaker antwoorden tegenkomen die autoritair lijken, maar gebouwd zijn op een fundament van strategisch geconstrueerde en vaak ongeverifieerde bronnen.

Technisch Overzicht: GEO-Flag: Detectie en Meting van GEO-Geoptimaliseerde Webcontent

1. Probleemdefinitie

Generatieve Engine Optimalisatie (GEO) houdt in dat webcontent wordt aangepast om de waarschijnlijkheid te vergroten dat het wordt geselecteerd en geciteerd door generatieve zoekmachines (bijv. Perplexity, Google Gemini, ChatGPT Search). In tegenstelling tot conventionele zoekopdrachten, die een lijst met concurrerende bronnen presenteren, synthetiseren generatieve zoekopdrachten informatie tot directe antwoorden met inline citaten. Deze verschuiving creëert nieuwe risico's:

Disproportionele Zichtbaarheid: Strategisch geoptimaliseerde pagina's kunnen zichtbaarheid verkrijgen die disproportioneel is aan hun werkelijke autoriteit of relevantie.
Amplificatie van Misinformatie: GEO-technieken kunnen zwakke of onjuiste informatie plausibel laten lijken door strategisch bronnen te creëren die elkaar citeren.
Detectiekloof: Terwijl er aanzienlijk onderzoek is naar hoe te optimaliseren voor generatieve engines, blijven systematische methoden voor het detecteren of een webpagina doelbewust voor dit doel is geoptimaliseerd, onderbelicht. Bestaande tools verwarren GEO-detectie vaak met algemene AI-tekstdetectie, waarbij ze het onderscheid niet maken tussen content die door AI is gegenereerd en content die door mensen is geschreven maar geoptimaliseerd is voor generatieve zoekopdrachten.

2. Methodologie

Het artikel introduceert een uitgebreid framework bestaande uit een benchmark, een nieuwe trainingsstrategie, een auditsysteem met agenten en een grootschalige empirische implementatie.

2.1 GEOFlagBench: Een Nieuwe Benchmark

Om detectiemethoden te evalueren, hebben de auteurs GEOFlagBench geconstrueerd, een dataset van 3.200 webpagina's verspreid over:

400 Queries: Algemene informatieve queries over vier domeinen: Gezondheid, Financiën, Technologie en Reizen.
8 GEO Optimizer Families: Inclusief strategie-gebaseerde herschrijving (GEO Strategy Pool), geleerde optimalisatie (AutoGEO), voorkeursmanipulatie (PMA), intentie-bewuste optimalisatie (RAID G-SEO), iteratieve zelfevaluatie (Meta-Optimization) en stealthy varianten.
Controlegroepen: Voor elke query werden drie niet-GEO controles gemaakt:
1. Door Mens Geschreven: Afkomstig van betrouwbare uitgevers (bijv. Wikipedia) vóór oktober 2022.
2. AI-Gepolijst: Door mensen geschreven tekst die door LLM's is verbeterd voor grammatica en vloeiendheid zonder GEO-strategieën.
3. AI-Gegenereerd: Nieuwe artikelen geschreven door LLM's op basis van gestructureerde samenvattingen van de brontekst.
Evaluatieontwerp: De benchmark gebruikt een query-disjoint split om semantische lekkage te voorkomen en bevat auteurschap-geconditioneerde diagnostiek om te testen op de afhankelijkheid van "mens versus AI" shortcuts in plaats van GEO-specifieke signalen.

2.2 Intervention-Paired Training (IPT)

De auteurs stellen Intervention-Paired Training (IPT) voor om de beperkingen van bestaande detectoren aan te pakken, die vaak vertrouwen op statische auteurschapscues. IPT maakt gebruik van de gepaarde structuur van de benchmark (originele bron versus getransformeerde pagina) om de respons van de detector te superviseren:

Positieve Paren: Een originele pagina ( $x_o$ ) en zijn GEO-geoptimaliseerde tegenhanger ( $x_g$ ). Het model wordt gedwongen een hogere GEO-score toe te kennen aan $x_g$ dan aan $x_o$ .
Zero Paren: Een originele pagina ( $x_o$ ) en zijn AI-gepolijste tegenhanger ( $x_p$ ). Het model wordt gedwongen om een vergelijkbare score voor beide te behouden, wat het leert dat AI-bewerking alleen geen bewijs is van GEO.
Doelstelling: De verliesfunctie combineert standaard classificatieverlies met marge-gebaseerde restricties voor positieve paren en L1-restricties voor zero paren. Dit moedigt het model aan om te leren van optimalisatie-specifieke veranderingen in plaats van algemene auteurschap of LLM-generatie artefacten.

2.3 GEO-Gated Agent Systeem voor Citatie-audit

Naast detectie op paginaniveau, auditeert het systeem de Source Tier en Verifieerbaarheid van de Citation URL's die worden gebruikt door gedetecteerde GEO-pagina's:

GEO Gate: Een detector (ModernBERT-IPT) filtert pagina's; alleen pagina's die als GEO zijn geflagd, gaan verder.
Preprocessing: Een deterministische parser extraheert citatie-URL's en koppelt deze aan zinnen.
Labeling Agent: Gespecialiseerde sub-agents bepalen:
- URL Source Tier (C1–C3): Gebaseerd op uitgeversautoriteit en redactionele controle (C1 = hoge autoriteit, C3 = lage verantwoording).
- Citation URL Verifieerbaarheid (HIGH/MEDIUM/LOW): Een combinatie van Source Tier en retrieval status (toegankelijkheid).
Aggregatie: Regels leiden het uiteindelijke verifieerbaarheidslabel af voor elke citatie en het beste label voor elke geciteerde zin.

2.4 Empirische Implementatie

De volledige pipeline werd geïmplementeerd op 1.000 echte gebruikersqueries uit de ORCAS-dataset, waarbij de resultaten van Google Search en Gemini-grounded retrieval werden geanalyseerd. De studie verzamelde 10.095 bruikbare pagina's uit 13.985 unieke URL's, waarbij de detector en de citatie-audit pipeline werden toegepast om de prevalentie van GEO in de echte wereld te schatten.

3. Belangrijkste Resultaten

3.1 Benchmark Evaluatie

Baseline Prestaties: De sterkste baseline (Word TF-IDF + Logistic Regression) bereikte een geaggregeerde F1 van 0.880. Echter, analyse op methodeniveau onthulde significante zwaktes.
Shortcuts: Hoogpresterende baselines vertoonden een slechte Worst-Group Accuracy (WGA) (bijv. 0.375 voor TF-IDF) en grote False Positive Rate gaps ( $\Delta$ FPR) tussen door mensen en door AI geschreven niet-GEO pagina's (tot 0.558). Dit duidt op een afhankelijkheid van auteurschapscues in plaats van GEO-signalen.
IPT Verbeteringen: Het toepassen van IPT op ModernBERT verbeterde de F1 van 0.862 naar 0.944 en de WGA van 0.725 naar 0.883. Het verminderde ook de $\Delta$ FPR van 0.263 naar 0.108, wat wijst op robuustheid tegen auteurschap shortcuts. IPT verbeterde ook de attributie-nauwkeurigheid voor specifieke GEO-families (Macro F1 0.895).

3.2 Agent Systeem Prestaties

Op een zero-shot audit benchmark (562 pagina's) bereikte de GLM 5.2 agent:

84.75% nauwkeurigheid voor de classificatie van de URL Source Tier.
83.00% nauwkeurigheid voor de Citation URL Verifieerbaarheid.
Het systeem identificeerde succesvol dat veel GEO-pagina's vertrouwen op bronnen met een lage autoriteit.

3.3 Real-World Prevalentie Schattingen

Algehele Prevalentie: Naar schatting werd 8.90% van de 10.095 geanalyseerde pagina's geflagd als GEO-geoptimaliseerd.
Verschillen per Kanaal: De GEO-prevalentie was hoger in Gemini-grounded resultaten (9.09%) vergeleken met Google Search (8.14%).
Temporele Trend: Onder pagina's met parseerbare dateModified waarden nam de GEO-prevalentie significant toe over de tijd: 7.02% (2024) $\to$ 12.80% (2025) $\to$ 16.36% (2026).
Citatie Verifieerbaarheid: Onder 6.663 citatie-voorkomsten op gedetecteerde GEO-pagina's ontving 69.34% een LOW verifieerbaarheidslabel. Dit aandeel was zelfs hoger voor Gemini (74.15%) vergeleken met Google Search (45.88%), wat wijst op een zware afhankelijkheid van C3 (lage verantwoording) bronnen.

4. Belangrijkste Bijdragen

GEOFlagBench: Een systematische benchmark voor het detecteren van GEO-geoptimaliseerde content over diverse domeinen en optimalisatiestrategieën, die aantoont dat geaggregeerde prestaties vaak afhankelijkheid van auteurschap shortcuts maskeren.
Intervention-Paired Training (IPT): Een trainingsmethode die de robuustheid van GEO-detectie verbetert door expliciet te superviseren op reacties op GEO-interventies, terwijl het niet-GEO AI-polishing negeert, wat de afhankelijkheid van auteurschapscues aanzienlijk vermindert.
GEO-Gated Agent Systeem: Een pipeline voor het auditen van de Source Tier en de verifieerbaarheid van citaties gebruikt door GEO-pagina's, wat een mechanisme biedt om de betrouwbaarheid van de onderliggende bronnen te beoordelen.
Empirische Prevalentie Schattingen: De eerste grootschalige meting van de GEO-prevalentie in real-world zoekresultaten, die een algemene prevalentie van 8.90% vindt en een duidelijke opwaartse trend laat zien in recent gewijzigde pagina's, samen met een hoge prevalentie van citaties met een lage verifieerbaarheid.

5. Betekenis en Claims

Het artikel legt een fundament voor het systematisch detecteren, auditen en meten van GEO in real-world zoekecosystemen. Het stelt dat:

GEO onderscheidend is van AI-tekstdetectie: Detectoren moeten onderscheid maken tussen content die geoptimaliseerd is voor generatieve zoekopdrachten en content die simpelweg door AI is geschreven.
Huidige detectoren fragiel zijn: Hoge geaggregeerde scores verbergen vaak falen bij specifieke optimalisatiemethoden of auteurschapsgroepen.
GEO een verifieerbaarheidsrisico vormt: Een aanzienlijk deel van de GEO-geoptimaliseerde pagina's vertrouwt op citaties van bronnen met een lage autoriteit (C3) die moeilijk te verifiëren zijn, wat potentieel de misinformatie in generatieve antwoorden kan versterken.
Transparantie essentieel is: De voorgestelde tools zijn ontworpen om transparantie en risicoanalyse te ondersteunen in plaats van automatische contentblokkering, in het besef dat GEO niet inherent kwaadaardig is maar wel kritische inspectie vereist vanwege de potentie om informatievoorziening te verstoren.

De auteurs benadrukken dat hun real-world schattingen empirische observaties zijn gebaseerd op de voorspellingen van hun detector en beschikbare metadata, en geen definitieve metingen van kwaadwillende intentie, maar zij wijzen op een duidelijke en groeiende trend in de adoptie van GEO in 2025 en 2026.