那个「提升 40%」的 GEO 数据，测的根本不是流量

我是醒醒，AI共学社主理人，30岁程序员转型一人公司践行者。闲鱼+小红书变现五位数，已帮500+人用AI为工作提效。不教你追工具，只帮你用AI解决问题、赋能业务。长期主义者，专注让AI真正落地到你的工作里。

GEO 实战笔记 · 第 08 篇 你现在在哪：第 3 阶 · 上手（第 2 篇） 这一篇带你去哪：把上一篇测出来的问题，变成一个个能当场动手改的地方

上周有个做 SaaS 的朋友找我。

开口就是一句抱怨：

「我看了一堆 GEO 的文章，都说加数据、加引用能提升 40%，我照着改了半年，一点动静都没有。是不是我改错了？」

我说，先别管改得对不对。

先问一句：那个 40%，测的是什么？

他愣住了。

「……不就是提升 40% 吗？」

不是。

我把他拉过来，打开论文原文。

那个「提升 40%」到底测的是什么

先说这篇论文的分量。

中文互联网上关于 GEO 的每一篇文章，基本都在引它——《GEO: Generative Engine Optimization》，普林斯顿联合 IIT 德里、佐治亚理工发布，2024 年被数据挖掘顶会 KDD 收录。

它就是所有 GEO 说法里，唯一的祖宗。

而它测的东西，叫 Position-Adjusted Word Count。

这串英文翻译过来，是人话：

你的内容，在 AI 生成的那一条答案里，占了多大的篇幅。 （还要看位置——越靠前出现，算得越重）

注意关键词：篇幅。

不是流量，不是点击，不是排名，更不是订单。

我把全文扫了一遍——论文里没有一个字提到过访问量、咨询量、成交量。

它从头到尾关心的只有一件事：

在 AI 拼出来的那段答案里，你占的那一块，变大了还是变小了。

下面是原文的完整数据。 这一格我一格一格对过（基线是"什么都不做"时的 19.3 分）：

你做的动作	占的篇幅变化
加专家原话引用	+40.9%
加统计数据	+30.6%
把文章写得更流畅	+28.0%
加引用来源	+27.5%
加专业术语	+17.6%
写得更通俗易懂	+14.0%
换成权威语气	+10.4%
用些生僻独特的词	+6.2%
堆关键词	−8.3%

那个被传得到处都是的「40%」，就出自第一行。

它的完整意思是：

在一条 AI 答案里，你的内容占的字数，比什么都不做的时候多了四成。

跟"你的生意会好四成"之间，隔着一整条马路。

分数涨了（左），和箱子里多了钱（右），是两件事。

我得把话说公道：这不是论文在吹牛。

论文自己写得很清楚——它明确说了，这套方法能提升的是"在生成式引擎响应中的可见度"。

是后面转述的人，把这个词悄悄换成了"效果"、"流量"、"转化"。

一字之差，性质就变了。

而且你注意一下那张表——它是在"五个候选来源里，只有你一个人优化"的前提下测的。

这在现实里根本不存在。

因为现实是：所有人都在改。

那就会发生一件更难看的事。

同一套动作，第一名做了会掉 30%

论文也想到了这一层。

它专门又做了一组实验：假设五个来源全部被优化，然后看不同排名的网站，各自发生了什么。

结果是这样的（表格里的数字，是可见度的变化百分比）：

你做的动作	排第 1	排第 2	排第 3	排第 4	排第 5
加引用来源	−30.3	+2.5	+20.4	+15.5	+115.1
加专家原话	−22.9	−7.0	+3.5	+25.1	+99.7
加统计数据	−20.6	−3.9	+8.1	+10.0	+97.9
换成权威语气	−6.0	+4.1	−0.6	+12.6	+6.1
把文章写得更流畅	−2.0	+5.2	+3.6	−4.4	+2.2

你先看一眼"排第 1"那一整列。

五个数字，四个是负的。

再看一眼"排第 5"那一列。

三个接近 +100%。

论文的原话，我给你翻过来：

"加引用来源"这一招，让排在搜索结果第 5 位的网站，可见度涨了 115.1%； 而排在第 1 位的网站，平均掉了 30.3%。

同一招。

排第一的用了掉三成，排第五的用了翻一倍。

这说明什么？

说明这不是"普涨"，是"再分配"。

人话就是：

AI 生成的那段答案是有限的——它就那么长。 你多占一块，就有人少占一块。 而最容易被挤掉的，恰恰是原来占得最多的那个。

所以你如果是行业里的头部、自然搜索里排第一——

别以为做 GEO 稳赚。你可能是那个被分走的人。

反过来，如果你是排在后面的小玩家，这一组数字对你就是好消息。

论文自己也这么写：GEO 有可能"让数字空间更民主"——因为传统搜索靠外链和域名权重，小玩家拼不动；而生成式引擎是读懂内容再拼答案，它理论上不那么看出身。

说人话：

排第一的做这套动作，是在守。 排后面的做同一套动作，是在抢。

站位不一样，同一招的效果方向都可能相反。

同一套动作，第 1 级往下掉，第 5 级往上冲——因为答案是有限的。

2026 年的复现：机械地「加」已经不管用了

到这儿，你可能觉得：行，那我排名靠后，我就使劲加。

先等一等。

这里有两个更要命的信息。

第一个：这篇论文是 2023 年 11 月写的。

它用的引擎，是当年那个版本的 GPT 系列。两年多过去，引擎早换了几轮。

第二个：这两年，有人把它的实验重做了一遍。

而且做得比原论文更严。

原论文有个漏洞：它没法区分"加了这条统计"，到底是因为"这条统计有用"，还是仅仅因为"你的文章变长了"。

2026 年 9 月，有两位研究者补上了这个对照——每一次改动，都额外附上一段等长的、没信息量的废话，把"内容有用"和"只是写多了"分开。

然后他们重测了原论文最有效的三个动作。

结果：

动作	2023 年论文里	2026 年等量对照重测
加专家原话	+40.9%	没有正向效果
加统计数据	+30.6%	没有正向效果
加引用来源	+27.5%	没有正向效果（甚至是负的）

三个动作，一个都没在原来的方向上动。

更要命的是第三行：加引用来源这一项，重测出来的区间整个都在零以下——意思是它不仅没帮忙，还可能帮了倒忙。

同期还有另一篇（2026 年 4 月，南京信息工程大学的团队）。它换了条路：不再一个字一个字地改，而是把网页抽象成十几个"特征"——结构、内容、语言三层——然后去搜索哪种组合更容易被引用。

它得出的核心结论，比数字本身更有用：

"文档层面的整体属性"，比"零散地改几个词"，对引用决策的影响更大。

这两篇都是预印本，都没经过同行评审，我不夸大它们。但它们指向同一件事：

"加"这个动作本身，已经不值钱了。 值钱的是"加在哪"。

把三个动作当配额来凑——加五条统计、加三条引用、凑够数——那是 2023 年的玩法。

而且我得先纠正一个我自己人话说岔的地方。

上一段我说"加数据、加引用没用了"——这句话说快了，是错的。

准确的说法是：

机械地加，没用。 加在"能回答那个具体问题"的位置上，仍然有用。

同样是加统计数据——

四十个散在各处、跟问题无关的数字，不如四个正好回答了客户那个疑问的数字。

一个是凑数，一个是答题。AI 分得出来。

AI 不是整页读你，是从页面上摘走几个句子——摘哪句，看你把哪句摆在了能被摘的位置。

AI 不「读」你，它「摘」你

三盆冷水泼完，我把它们收成一句你能记住的话。

先说 AI 是怎么用你内容的。

它不是把你的文章从头读到尾。

它更像一个赶稿的编辑——手里有一堆素材，眼睛在找能直接剪贴进稿子的那几句话。

找到，摘走，拼进答案。

所以：

• 凡是让文章"更好看"的改动——改语气、换文风、堆关键词——它根本没在看你这一层
• 凡是让句子"更好摘"的改动——结论前置、数据带出处、结构清晰——你改一分，它就用一分

我把这件事叫「可摘性」。

这一篇剩下的所有动作，都是在做同一件事：把你的内容，改得更好摘。

有一条旁证，我觉得很能说明问题：

有研究统计过 AI 最爱引用的内容格式——排行第一的是"清单体"，占了三分之一还多。（这份研究是商业机构做的、未经同行评审，我只用它这个方向性结论。）

为什么是清单体？

不是因为 AI 偏爱"列清单"。

是因为清单体天生就是"一句一条"——最好摘。

你不用去学清单体。你要学的是它背后那个道理：

AI 只摘句子。 所以你的任务不是"写一篇好文章"，是"造出一批好摘的句子"。

这两件事，很多人的理解是反的。

他们花了大力气把文章写得更"顺"、更"有文采"——那是在给人类读者服务。

而 AI 要的，是能被整段拎走、且拎走了还成立的句子。

有效的只有 5 个动作（附改前 / 改后对照）

好，下面是这一篇的正题。

五个动作。每一个都配一组"改前 / 改后"的真实句子——你可以直接拿去套自己的内容。

先说清一个前提：这五个动作不能保证你被引用。 论文自己都写了，同一招换个行业、换个问题类型，效果可能完全不同。

它们能做的是：把"能被摘走"这个基础条件，给你铺好。

基础条件都没有，谈别提后面的。

动作一 · 结论前置

要求：每个小标题下面的第一句话，就是一句能被单独拎出去的答案。

为什么：AI 摘句子的时候，最优先看的就是段首——你把答案藏在中段，等于没写。

改前：

本公司深耕数字化转型领域多年，积累了丰富的项目经验，服务过多家知名企业，能够为客户提供全流程的数字化解决方案……

改后：

中小企业做数字化转型，第一步不是买系统，是先把自己最核心的三个流程画出来。

看出来差别了吗——

改前那句，摘出来谁也读不懂，因为它什么具体信息都没说。 改后那句，单独拎出来，就已经是一个完整答案了。

判断标准就一条：

把这一句剪下来，贴在没有任何上下文的地方，别人还看得懂吗？

看得懂 → 合格。看不懂 → 挪位置，或者重写。

动作二 · 事实带出处

要求：每 150 到 200 字，至少有一个能被核验的具体事实，而且带上明确来源。

为什么：AI 要拼一条"有依据"的答案——你要给它递砖头。

改前：

现在很多企业都已经开始做 GEO 了，效果也很不错。

改后：

有数据显示，AI 引荐流量的转化率，2026 年 3 月已经比非 AI 流量高出 42%（Adobe Analytics，2026 年 4 月发布）。

关键在最后那个括号。

别写"据研究""有专家说""数据显示"——

AI 分不出这是真的出处，还是你在糊弄它。但它会看得出"这句话没有落点"。

要写清三件事：谁、什么时候、测了什么。

动作三 · 结构化承载

要求：能用表格、列表、问答块说清的，就别用大段叙述。

为什么：结构本身就是在替 AI 做"切分"——它摘你的时候，一次能摘一整块，而不是从一段话里抠半句。

改前：

我们的服务包括前期诊断、方案设计、执行落地和后续监测四个阶段，前期诊断主要是了解客户现状和需求，方案设计则是根据诊断结果制定针对性方案……

改后：

我们的服务分四个阶段： 1. 诊断——搞清你现在的状况和需求 2. 方案——按诊断结果定具体做法 3. 执行——按方案落地 4. 监测——看有没有变化，随时调

同样的信息量。

改后这版，AI 可以整块端走；改前那版，它得自己拆。

你猜它更愿意用哪个。

顺手提一个附加要求：如果你用问答形式，答案要能脱离问题独立成立——不能写成"是的，我们也是这样"，那种摘出来就是废句。

动作四 · 场景化改写

要求：把"我们很专业""我们服务好"这类自夸，改成"什么情况下，该选我们这种方案"。

为什么：客户问 AI 的从来不是"谁最专业"——是"这种情况我该找谁"。你直接回答那个问题，就赢了一半。

改前：

我们拥有专业的技术团队，能够为客户提供优质高效的服务。

改后：

如果你每个月的订单量在 500 单以上、需要同时对接三个以上销售平台，这套方案更合适；如果你还不到 100 单，先用现成工具就好。

注意改后那句里，藏了一个反直觉的动作——

它主动劝退了一部分客户（"不到 100 单的，先用现成工具"）。

看起来很亏。

但恰恰是这种"有边界"的表述，AI 最爱摘——因为它具体、可判断、不带吹嘘。

一堆"我们服务所有规模的客户"，等于什么都没说。

动作五 · 多信源一致

要求：同一件事，在不同地方的表述要一致。

为什么：AI 靠"多个来源互相印证"来判断一件事可不可信——但它同时也怕矛盾。

先说清一件事：这不是让你到处发软文。 那是 3·15 曝光的那套，我们不碰。

它指的是：你官网上写的话、你公众号里写的话、你接受行业媒体采访说的话——对同一件事，口径要一样。

反面例子，你大概率见过：

• 官网上写"服务 2000+ 客户"
• 采访里说"服务了上千家"
• 宣传册上印"超过 1500 家"

这三个数，哪个是真的？

AI 不知道。

它更可能的结果是：三个都不用。

因为一个自相矛盾的信源，还不如没有。

所以这条动作，落到日常就是一句话：

把你对外的所有材料摊开，把同一件事的说法统一掉。

五个动作，一件事：让句子更好摘。

《可摘性自检 8 问》：拿你自己的文章过一遍

动作有了。现在给你一把尺子。

挑你自己任意一篇内容（公众号、官网、产品页都行），把这 8 个问题过一遍。

每一条，打勾或打叉。

#	自检问题	打勾标准
①	每个小标题下的第一句，单独拎出来，是不是一个完整答案？	全都是
②	全文能不能数出至少 5 个带明确出处的具体事实？	数得出
③	有没有至少一个表格或列表？（不是满屏大段文字）	有
④	有没有一段是问答形式，且答案脱离问题也读得懂？	有
⑤	有没有"我们很专业""服务优质"这类自夸？（这类对 AI 零价值）	没有
⑥	同一件事，在你其他平台上的说法一致吗？	一致
⑦	随便剪下一段贴在别处，读者看得懂吗？	看得懂
⑧	如果 AI 只摘走你这一篇的一句，你希望是哪句？那句现在在什么位置？	在段首

第 ⑧ 问是灵魂。

它逼你想清楚一件事：你到底希望 AI 记住你什么？

想不出来，说明你的内容本来就没有"可被摘走的东西"。

那前面七个动作，都无从下手。

打叉超过三个——

恭喜你，这就是你要动手改的第一篇。

把这一篇的词一次性翻成人话

老规矩，这张表你随时回来查：

术语	说人话
Position-Adjusted Word Count	论文的核心指标：你的内容在一条 AI 答案里占了多少字，位置越靠前算得越重
可见度 / 份额	AI 答案就那么大，你占的比例。注意：这不是流量，也不是生意
再分配	总量没变，只是谁占多了谁占少了。你多一块，别人少一块
基线	什么都不做时的水平。本篇里是论文的 19.3 分
复现	别人把同一个实验重做一遍，看结论还成不成立
等量对照	拿一段等长的废话当参照，用来区分"内容有用"和"只是写多了"
可摘性	你的内容"能被整句拎走、拎走了还成立"的程度。本篇全部动作的目标
清单体	一条一条列出来的内容格式，AI 最爱引用——因为它最好摘
自夸型内容	"我们很专业""服务优质"这类，对人类读者是话术，对 AI 是零信息

本节动作

五分钟起步——这一篇我建议你留一个小时。

因为它要做的事，是真正动手改。

第一步：挑出你自己一篇旧内容（别选最好的那篇，选一篇你觉得"写了但没效果"的）。

第二步：拿刚才那 8 个自检问题，逐条打勾打叉。

第三步：把打叉的项，对应到五个动作里，一样一样改——先从「结论前置」开始，因为这一步最见效也最快。

第四步：改完，把改前和改后各留一份档。

做完你会拿到什么？

一篇你自己亲手改造过的、可摘性更高的内容——以及一份能对照的改前 / 改后记录。

这两样东西，就是你下一篇内容的模板。

改第一篇最慢，因为它要对着 8 个问题一条条过。

改到第三篇，你会开始条件反射——写每一段的时候，脑子里自动会问一句"这句能单独摘走吗"。

那时候，这套动作就变成你的习惯了。

GEO 实验日志 · 第 08 期

报状态：还是 0。

三个固定问句、六个平台，依旧没有一条回答里出现过我。

但这一期，我终于能做点不一样的事了。

前七期，我一直在"测"。这一期，我第一次能"改"了——而且是有依据地改，不是照着网上那些不知道从谁那儿传出来的技巧瞎改。

我把这个系列自己，当成了实验对象。

从这一期开始，我会用刚才那 8 个自检问题，回头去改我已经发出去的旧文章。

改哪些？ 我先挑了三篇：一篇是讲 AI 编程入门的、一篇是讲知识库搭建的、还有一篇是我自己公众号的第一篇（那篇现在回头看，通篇都是自夸，一条具体事实都没有）。

怎么改？ 就按五个动作来。改完把改前 / 改后都存档。

为什么值得这么做？

因为这一期我讲的这套东西，如果连我自己的旧文章都改不动，那我凭什么让你信。

所以下一次公布时，我会把"改前 / 改后"两组内容都摆出来，你看看可摘性到底有没有变。

我知道这中间隔着很长的路。

但这一期和前面七期有个本质区别：

前面七期，我只能报告"我站在哪"。 这一期开始，我知道该往哪走了。

下一次公布：第 09 篇文末。

写在最后

这一篇，我想干的事其实就一件：

把"让 AI 引用你"这个模糊的目标，拆成一件件你今天就能动手的小事。

拆开是三件：

• 那个「提升 40%」，测的是份额不是流量——认清这一点，你就不会再用一个错误的标尺衡量自己
• 同一套动作，第 1 名做了会掉、第 5 名做了会涨——因为这是再分配，不是普涨，你的站位决定了动作的方向
• 2026 年的复现说明：机械地"加"已经不灵了——有效的是"加得对"

但请你一定带走这一句，不然这一篇就白读了：

AI 不"读"你的内容，它"摘"你的句子。

这句话一念通，很多事就顺了：

你会明白为什么"把文章写好"没用——那是给人类读者的，AI 在找能剪贴的段落。

你会明白为什么"堆关键词"是负数——关键词是给机器匹配的，而 AI 是在"读句子"。

你也会明白那五个动作凭什么有效——它们做的全是同一件事：让你的句子，更好摘。

所以我最后想跟你说一句实话，可能是这一整篇里最重要的：

这五个动作，不保证你被引用。

论文自己都写了，同一招换个行业、换个问法，效果可能完全不一样。

我能给你的，不是"照着做就能被推荐"的承诺。

我能给你的是：一套有据可查的方法，加上一个能自己验证的标准。

哪些有用、哪些没用，你改完自己测——测出来的，比我说的一万句都算数。

---

觉得有用就点个赞、在看吧——顺手把那 8 个自检问题存下来，下次写完文章拿它过一遍，五分钟的事。

这一篇读完，你应该能做到： 用「可摘性」这一个标准去看待所有 GEO 动作——知道那个「提升 40%」测的是份额不是流量，知道同一套动作在不同排名上方向可能相反，并且能拿《可摘性自检 8 问》过一遍自己的旧内容，按「结论前置 / 事实带出处 / 结构化承载 / 场景化改写 / 多信源一致」这五个动作动手改，改前改后各留一份档。

下一篇预告： 第 3 阶 · 第 09 篇《从公众号开始：普通人做 GEO 最划算的第一步》——动作学会了，但先做哪个、在哪做，是有讲究的。下一篇文章会说清：为什么对大多数人和中小企业，公众号才是最划算的起步配置；以及什么情况下你不该从公众号开始（本地门店、独立站各有各的打法）。下一篇还会给一份可以直接照抄的「公众号 GEO 四件套」——从标题怎么写，到每篇必须留的那一段「答案块」。这是我们整个「上手」阶的收官。