GEO技巧有效性：新研究证明相关性优先

一、两份研究，一次重要修正

结论：普林斯顿大学等机构研究显示，页面与用户查询的匹配程度，比形式上像不像可信文章更能决定是否被引用。

GEO 这个领域的「流行技巧」不少，但经过严格验证的不多。两份关键研究放在一起看，能帮我们分清哪些是真信号、哪些是噪声。

第一份是普林斯顿大学、IIT Delhi 与乔治亚理工的联合研究（Aggarwal 等，KDD 2024），也就是常被引用的「GEO 奠基研究」：传统搜索结果中排第 5 位的页面，经 GEO 优化后可见度提升约 115%。这项研究带动了一批技巧的流行——在内容里加入引用来源、统计数据、直接引文。

第二份是 2026 年 9 月 7 日挂出的 arXiv 预印本（Bajemon 与 Rochet，据 GeoAura 2026 年 9 月综述援引），它在控制数量的条件下重新检验了这些技巧，结论出现重要修正：

检验对象	结果
添加引文、统计数据、引用来源三类「经典 GEO 技巧」	合并后无显著正效应
与查询无关的页面质量分 vs 被引用可见度	相关性仅约 0.114
加入查询相关性后	相关性升至约 0.37

一句话概括：相关性打败技巧堆砌。页面与用户查询的匹配程度，比「形式上像不像一篇可信文章」更能决定它会不会被 AI 引用。

说明：arXiv 预印本尚未经同行评审，结论为单一研究的初步发现；普林斯顿研究的结论来自其原始实验设置，两者样本与口径不同，本文取「方向性修正」的含义，不做绝对化解读。

二、技术底座：先让 AI 爬虫看得见你

结论：AI 爬虫门槛比想象中高：95 个知名域名中仅 36% 提供有效 llms.txt，部署并改进结构化数据后 AI 引荐流量可提升 15%-30%。

相关性是内容层面的事，但在那之前还有一个更基础的门槛——AI 爬虫能不能顺利读到你的页面。2026 年的几组测量数据说明，这个门槛比很多企业以为的要高：

• llms.txt 采纳率快速上升但仍是少数：头部域名约 18% 已部署 llms.txt，而 2026 年初这一比例约为 5%（Active Search Results 2026 年 9 月 10 日技术报告）。
• 知名站点的普遍短板：2026 年 9 月 1 日对 95 个知名域名的探测（84 个可达）显示，页面中位文本/HTML 比仅 2.4%；只有 36% 提供有效的 llms.txt；17% 在根目录屏蔽了 PerplexityBot，屏蔽 OAI-SearchBot 的为 6%。
• 早期案例的正向信号：同一报告提到，SaaS 与电商站点部署 llms.txt 并改进结构化数据后，AI 引荐流量提升 15%-30%。这属于早期个案统计，不代表普遍收益。

对应到企业官网，可以做一张基础自检清单：

自检项	要检查什么
robots 协议	是否误屏蔽了主流 AI 爬虫；屏蔽策略是否有意为之
llms.txt	是否存在、指向的页面是否为最希望被 AI 理解的核心内容
文本占比	正文文本与 HTML 的比例是否过低（模板代码淹没正文）
结构化数据	FAQ、文章、产品等 schema 是否与可见内容一致
元信息	发布日期、作者、来源标注是否清晰可验证

三、落地清单：按证据强度排序

结论：把两份研究与测量数据合并，可以排出一份按证据强度排序的落地清单。

把上面的证据合并，可以排出一份务实的优先级清单：

动作	证据支持度	说明
正面回答目标问题（相关性优先）	较强	新复现研究中相关性把相关度从 0.114 提到 0.37；内容围绕用户真实问题组织，而不是围绕品牌泛泛铺陈
保证技术可抓取性	中等	robots、llms.txt、文本占比是底线工程，成本一次、长期有效
结论先行 + 可验证来源	中等	便于 AI 提取与交叉验证；这与本站《EEAT 与信源梯队》一文的采信逻辑一致
堆砌引文与统计数字	较弱	2026 年 9 月复现研究未发现合并正效应；数字应当服务于论证，而非装饰

四、结语

结论：研究证据指向的方向很朴素：把用户会问的问题回答好，把技术门槛清理干净，让内容可验证、可提取。

GEO 不是玄学，也不是技巧清单的堆叠。研究证据指向的方向很朴素：把用户会问的问题真正回答好，把技术门槛清理干净，让内容可验证、可提取。形式化的「优化动作」如果脱离了相关性，投入越多，噪声越大。

数据来源与口径说明：Aggarwal 等《GEO: Generative Engine Optimization》（KDD 2024）；Bajemon 与 Rochet arXiv 预印本（2026 年 9 月 7 日，经 GeoAura 2026 年 9 月综述援引）；Active Search Results SEO 技术报告（2026 年 9 月 10 日）。