暴躁哐哐Heliki AI社区

Appearance

GEO 技术讲解与实操指导 ​

GEO论文及摘要 ​

“We evaluate various Generative Engine Optimization methods … on GEO-bench … measured using Position-Adjusted Word Count and Subjective Impression.”
“We propose 9 different Generative Engine Optimization methods … and use 7 subjective impression metrics (prompts public in repo).”
“4 RESULTS … methods consistently outperform baseline … top-performing: Cite Sources / Quotation Addition / Statistics Addition.”
“Combination … best pair (Fluency Optimization + Statistics Addition) > any single method by >5.5%.”
“This is the first work to formalize GEO … with benchmarks/datasets/metrics; and real-world impact on a deployed GE.”

论文把“生成式引擎优化”系统化了：给出方法族（9 类）、评测集（GEO-bench）、指标（2+7）、实验与组合增益以及上线验证。后续的站点改造与评估可直接复用其口径。

1 结论与有效手段 ​

“Our top-performing methods, Cite Sources, Quotation Addition, and Statistics Addition, achieved a relative improvement of 30–40% on Position-Adjusted Word Count and 15–30% on Subjective Impression.”

模型偏好可信、结构化、可验证的内容。三件套最有效：

  • Cite Sources（出处）：句后就地给来源/年份/页码；
  • Quotation（引述）：短而原的权威原话 + 归属；
  • Statistics（统计）：数字配时间/样本/方法。
    不必大改版式，把关键信息改写成**可被直接端走的“证据单元”**即可显著抬升“被引用概率与出现位置”。

操作示例

  • 建立证据写作规范与参考文献区（直达章节锚点）。
  • Markdown 片段模版：
    md
    **结论**：2025Q2 新增用户 **+18.4%（N=3,412）** [公司年报·2025, p.12]  
**引述**：“**增长主要来自长尾创作者**” [年报·p.20]  
**方法**：问卷；样本 N=3,412；时间 2025-04~06

2 组合策略与协同增益 ​

“The best combination (Fluency Optimization and Statistics Addition) outperforming any single GEO strategy by more than 5.5%.”

有证据 + 写得顺 比只堆数据或只润色更容易进答案。模型不仅看“有没有料”，更看“表述清不清楚”。

操作示例

  • 对核心页统一执行“统计补强 + 流畅度润色”的打包迭代。
  • 句式卡片（复制即用）：
    md
    结论句：2025Q2 指标X **+4.3pp**（A/B；N=18,205；p<0.05）。  
解释句：主要由【教程页】改版驱动（表2；2025-07）。

3 评估与汇报口径 ​

“Performance was measured using two metrics: Position-Adjusted Word Count and Subjective Impression.”

别只看点击/排名。要看两件事：

  • 位置加权可见度：内容在答案里越靠前权重越大；
  • 主观印象：相关性/影响力/唯一性/位置/篇幅/点击可能性/材料多样性。

操作示例

  • Python：位置加权可见度（示例实现）
    python
    import re, math

def position_weighted_score(answer_text, domain_patterns):
    # domain_patterns 例：[r"heliki\.com", r"YourSite"]
    sents = re.split(r'(?<=[。！？.!?])\s+', answer_text.strip())
    score = 0.0; total = 0.0
    for i, s in enumerate(sents):
        w = math.exp(-0.15 * i)  # 越靠前权重越高
        if any(re.search(p, s, re.I) for p in domain_patterns):
            score += len(s) * w
        total += len(s) * w
    return score / total if total else 0.0
  • 主观印象：用 1–5 分量表对七维打分，标准化到 0–1，做周报面板（问题集为行，页为列）。

4 长尾站点的机会 ​

“For rank-5 sites, Cite Sources yielded +115.1% visibility; top-ranked decreased −30.3% … highlighting GEO’s potential to democratize the digital space.”

中小站/长尾页用“证据写法”完全有机会在生成式答案里翻盘，这是“以内容说服模型”的通道。

操作建议

  • 先改长尾但高价值主题；把旧文重构为“证据块体”，每段都能被独立摘走。
  • 与同行/机构建立互证外链（直达章节），增强“可验证性网络”。

5 反模式：老 SEO 不灵 ​

“Keyword Stuffing … did not yield improvements and sometimes reduced visibility.”

关键词堆砌可能扣分。模型要“能核验的事实 + 清楚表达”，不是词频。

操作建议

  • 简易巡检脚本（示例）：
    bash
    # 检出重复堆词/空话段（示意规则，自行扩展词表）
grep -R --include="*.md" -nE "(AI写作){3,}|(最好用){3,}|(顶级){3,}" content/
  • 改成“结论句 + 数据行 + 引述 + 来源”的证据化句式。

6 页面结构：把网页改造成“证据台” ​

“Stylistic changes such as improving fluency and readability … resulted in a significant visibility boost … This suggests GEs value not only content but also information presentation.”

不只看内容对不对，还看你怎么摆放。把页面拆成“可检索 → 可抽取 → 可引用”的结构更吃香。

操作建议

html
<section class="lead">
  <p><strong>一句话结论：</strong> ……</p>
  <ul>
    <li>要点1（可引用一句） <a href="#ev-1">证据</a></li>
    <li>要点2（可引用一句） <a href="#ev-2">证据</a></li>
    <li>要点3（可引用一句） <a href="#ev-3">证据</a></li>
  </ul>
</section>

<section id="ev-1" class="evidence">
  <p class="claim"><strong>结论：</strong> 2025Q2 指标X 上升 <strong>4.3pp</strong>。</p>
  <div class="data">方法：A/B；样本 N=18,205；p&lt;0.05；时间 2025-07。</div>
  <blockquote class="quote">“变化主要由教程页驱动。” <cite>周报·2025-07·表2</cite></blockquote>
  <p class="bounds">适用范围：移动端；地域：中国大陆。</p>
  <a class="source" href="https://example.com/report#table2">数据来源 · 表2</a>
</section>

<section class="refs">
  <ol>
    <li>[1] 公司年报 2025，https://…/annual#p12</li>
    <li>[2] 实验周报 2025-07，https://…/weekly#table2</li>
  </ol>
</section>

<style>
.lead{margin:1rem 0 1.5rem}
.evidence{border:1px solid #eee;border-radius:8px;padding:12px;margin:12px 0}
.claim{font-weight:600}
.data,.bounds{color:#555;font-size:.95rem}
.quote{margin:.5rem 0;color:#333}
.source{display:inline-block;margin-top:.25rem}
</style>

7 句级写作：让每句话都能被端走 ​

“These methods require minimal changes but significantly improve visibility in GE responses.”

不是大修，是句法。把句子打造成“可引用句”。

操作建议

  • 缺“数字三件套”提示（示意）：
    python
    import re
def lacks_triplet(s):
    # 需同时命中：数字、时间、样本/方法（规则可按领域细化）
    has_num   = re.search(r"\d", s)
    has_time  = re.search(r"(20\d{2}|20\d{2}-\d{2})", s)
    has_sample= re.search(r"(N\s*=\s*\d|A/B|p<0\.\d+|样本|调查|实验)", s)
    return not (has_num and has_time and has_sample)
  • 引述长度与引用格式检测：≤ 20 字原句；就地给 [作者 年/页] 或 （机构，年份，页）。

8 提升怎么量：用论文的分母 ​

“Improvements_i = ((Imps_i(r’) − Imps_i(r)) / Imps_i(r)) × 100 … the selected source remains constant for a particular query across all methods.”

做前后对照时，题和源不换；报相对提升%，口径与论文一致。

操作建议

  • 固定 50–100 个问题集；抓取多个 GE（ChatGPT/Perplexity/Claude）答案；
  • 用上面的函数算位置加权分，输出 “前/后/提升%” CSV 做周报。

9 迭代与治理 ​

“Methods may need to adapt over time as GEs evolve … GEO changes are targeted changes in textual content, not metadata … As context lengths grow, future models can ingest more sources, reducing the impact of search rankings.”

GEO 是长期战，核心在文本证据而非元数据；上下文变长后，排名影响被稀释，证据块更关键。

可执行操作（30/60/90 天路线）

  • D0–30：核心页“证据化”；每页 ≥3 证据卡；页首三要点锚点联动。
  • D31–60：统一做“统计+流畅度”组合 A/B；把增益映射到句式/证据块类型。
  • D61–90：建“引述/数据素材库”；输出可嵌引用的摘要段给合作方，织互证网络。

10 收束与定位 ​

“Our work is the first to formalize the important and timely GEO paradigm … a first step toward understanding the impact of generative engines … and the role of GEO.”

GEO 是新范式的底层写作与摆放逻辑。写给谁？——写给会生成答案的模型；目标不是“排名”，而是**“被引用进答案”**。

操作建议

  • 把“证据三件套 + 证据块布局 + 两指标面板”写进编辑 SOP；
  • 工程侧内置“证据卡组件”“参考文献生成器”“锚点校验脚本”；
  • 新稿上线前，自动跑一遍“句级校验（三件套/引述长度/引用格式）”。

点击这里查看完整论文（PDF）