What Gets Cited: Competitive GEO in AI Answer Engines
本文通过对六大语言模型进行的涵盖 25.2 万次试验的大规模受控研究，探讨了竞争性生成式引擎优化（GEO），揭示出主题相关性和列表位置是人工智能答案引擎中引用选择的主要驱动因素，而明确的定价信息和近期时间戳也能显著提高被引用的可能性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你走进一个拥挤的房间，那里有一个非常聪明但略显挑剔的机器人，正试图为一群人回答一个问题。机器人手里拿着一叠从架子上取下的 500 份小册子（网站），但它一次只能拿起几份展示给人群。它阅读这些小册子，总结答案，然后只指向其中一或两份作为“真相来源”。
如果你的小册子没有被机器人指向，就没人能看到它。无论你的小册子在架子上是第 5 个，只要机器人没有引用它，你就如同隐形。
本文探讨的是如何确保你的小册子在与其他小册子直接竞争时被机器人选中。作者将这一过程称为“生成式引擎优化”（GEO）。你不再试图挤进列表的顶端（如传统 SEO 那样），而是试图赢得一场与竞争对手争夺机器人注意力的正面较量。
实验：一场受控的品鉴菜单
为了弄清楚机器人究竟为何选择某份小册子而非另一份，研究人员设计了一场大规模的受控品鉴实验。
- 实验设置：他们创建了 1,440 种不同的场景。在每种场景中，他们向机器人提供恰好两份小册子。
- 规则：这两份小册子如同同卵双胞胎，除了一个单一差异外完全相同。也许一份标明了价格，而另一份没有；也许一份写于 2026 年，另一份写于 2019 年；也许一份语气自信，另一份则显得犹豫不决。
- 盲测：他们移除了所有品牌名称（如“耐克”或“苹果”），并将其替换为虚构名称如“品牌 X"。这确保了机器人并非仅仅因为认出某个著名标志而选择某份小册子。
- 规模：他们使用六种不同的 AI 模型（即“机器人”）运行了252,000 次该实验。
结果：是什么让机器人做出指向？
在分析数据后，研究人员发现机器人的选择并非随机。它遵循严格的层级，就像俱乐部门口决定谁可以入内的保镖。
1. “守门人”（决定性因素）
这四个因素如果缺失，几乎肯定会让你的小册子被拒之门外，无论其余部分多么出色。可以将它们视为入场券。如果没有它们，你就无法参与游戏。
- 主题匹配：如果小册子谈论的是错误的内容（例如，你询问的是“跑鞋”，而小册子讲的是“厨房搅拌机”），机器人会立即忽略它。
- 价格：如果小册子未提及价格，机器人极不可能选择它。它需要具体的数字。
- 时效性：2026 年的小册子远比 2019 年的更受青睐。过时的信息会被忽略。
- 位置：如果机器人的视角中你的小册子排在第二位，它获胜的难度就远大于排在第一位时。（机器人对首先看到的事物存在偏见）。
2. “区分因素”（决胜因素）
一旦你拥有了入场券（即内容相关、包含价格、信息新颖且位置有利），这些因素将帮助你在与同样拥有入场券的竞争对手的平局决胜中胜出。
- 完整性：小册子是否列出了技术参数？是否将产品与其他产品进行了比较？机器人喜欢“完整的故事”。
- 可信度：小册子的语气是否自信且有证据支持？还是听起来像是在猜测（使用“可能”、“也许”、“或许”等词）？机器人更青睐自信且有证据支持的语气。
- 深度：深入、全面的分析胜过肤浅、表面的内容。
3. “噪音”（无关因素）
研究人员发现，人们认为重要的某些因素实际上完全不会改变机器人的决定。
- 格式：文本是大段落还是项目符号，或者外观是否“美观”，几乎没有任何影响。机器人阅读的是内容，而非设计。
- 推销语气：过于热情或充满“推销感”并没有太大帮助，同样，稍微缺乏热情也无济于事。
对写作者的启示
该论文为任何试图被 AI 引用的人提出了一个简单的工作流程：
- 首先检查“守门人”：在担心写作风格之前，请确保你谈论的是正确的主题，你提供了价格，你拥有最近的日期，并且你易于被找到。如果在此处失败，其他一切都不重要。
- 添加“区分因素”：一旦基础内容完备，就添加具体细节、比较和清晰的证据，以击败你的竞争对手。
- 忽略“废话”：不要浪费时间重新排列段落或更改字体。这无助于机器人选择你。
简而言之，要在 AI 搜索时代获胜，你不需要成为最精美的小册子；你需要成为最相关、具体且最新的那一份。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。