GEO 避坑：AI 引用了你，和引对了你是两回事

有个做本地家政的客户看完我们的 GEO 报告，第一句话是：「能让我上 Google 首页吗？」

我说不能，而且谁说能，谁大概在骗你。

这不是推辞。过去三年，学术界做了一件很有价值的事：把「GEO 到底有没有用」从营销话术，变成了可测量、可复现、可以被证伪的东西。这篇文章讲的就是这套测量体系——以及它给出的一些不太好听的结论。

一、被引用 ≠ 被引对：两把尺子

大部分人谈 GEO，只问一句：AI 提没提我？这个问题只有一个维度，叫「出场次数」。但卡内基梅隆的 AutoGEO 团队把这件事拆成了两把尺。

第一把：GEO Score（印象指标）。看你出场的次数、位置和归因词量——回答的是「你被提了几次、排在哪」。

第二把：GEU Score（效用指标）。看引用你的那些句子是不是幻觉、内容质量过不过关（流畅／有用／专业，由 LLM judge 打分）、关键点有没有覆盖全——回答的是「AI 提到你的时候，说对了没有」。

这两把尺的设计哲学很硬：可见度不等于效用。只追第一把，很容易把内容做成「高频但空洞」——AI 反复提你，但每次都提得含糊其辞，甚至张冠李戴。对门店来说，那比不提还糟：客户按 AI 给的错误地址跑一趟，差评就来了。

这条线，和会英商务 GEO 域里那条「零虚构」红线是同构的：宁可少被引用一次，也不能让机器替你编一句假话。

二、六年五条线：从「加引号就涨」到「现实里基本不实用」

如果只看营销号的转述，你会以为 GEO 是 2023 年被发明、2024 年就成熟、2025 年人人必做的东西。真实的学术时间线，比这诚实得多。

2023 年，起点。GEO-Bench 首次提出这个概念，用 PAWC（位置调整词计数）衡量可见度，报告里那个被引了很多次的数字是：引文添加后 27.2，基线 19.3。同年另一条线引入 Citation Precision / Recall，把「可验证性」变成了指标，并审计了 4 个商业生成式搜索引擎。

2025 年，第一次冷水。C-SEO Bench（NeurIPS）测了 9 种对话 SEO 方法，结论是：在多文档、多 actor 的现实设定下，效应远小于单管道基准；当竞品也在优化时，部分方法没有任何 measurable 优势。这是「GEO 效果被单管道基准高估」的第一个系统性证据。

2026 年，第二次冷水。SAGEO Arena 在完整的「检索→生成」管道上评估，还补上了前人都忽略的 schema 等结构信号。它的报告说得更直接：现有优化方法在现实条件下仍基本不实用，退化集中在检索与重排阶段——也就是那些简化评估看不见的地方。

这些不是唱衰。恰恰相反：正是有人认真做了证伪，剩下的结论才值钱。

三、落到系统：怎么量，才不算自欺欺人

学术界的尺子再好，落到一家门店、一个会英商务上，也要变成能每天跑的东西。会英商务 GEO 域的做法，可以概括成四条。

① 双通道归因（train / cite）。用 referer 加 UTM 两条通道交叉验证，算「AI 到底有没有真的带来访客」，而不是盯着收录数自我安慰。

② AI 爬虫 KPI 必须做 IP 校验。请求头里自称是某个 AI 爬虫，不等于它真的是。命中量必须按 IP 反查校验，否则这个数字没有意义——这是我们踩过的最实在的一个坑。

③ 机器资产带新鲜度。llms.txt、ai.txt、agent.json 这类「给机器看的说明书」全走 ETag 与 304，内容一改立刻失效刷新，绝不靠堆缓存糊弄。

④ 自动化调度。12 个调度模式，每天 07:35 起同步资产、23:55 跑 AI 监测。它是一套在跑的系统，不是一个需要谁记得点一下的按钮。

四、我们能承诺什么，不能承诺什么

把话说清楚，比把话说满更重要。

不能承诺：llms.txt / ai.txt 这类机器资产不会提升传统搜索引擎（Google／百度）的排名，它们服务的是 AI 检索场景，这是两回事。也不能承诺引用率必然上涨——上面那两份 2025、2026 的基准研究已经说明了为什么。

可以承诺：结构化数据按契约落地并持续校验；机器端点可达、带新鲜度；AI 引荐有双通道归因可查；爬虫命中做 IP 校验，不拿假数字充数。

对一家门店、一个小区运营方来说，GEO 真正可靠的收益不是「排名上升」，而是当有人问 AI「附近哪家靠谱」时，你的信息是准确的、完整的、能被读懂的。剩下的，交给时间。

本文引用的 GEO-Bench／PAWC、Citation Precision、C-SEO Bench、CC-GSEO-Bench、SAGEO Arena、AutoGEO 均为公开学术与行业基准，属外部事实源，非会英商务实测结论；会英商务相关能力描述以源码与规范分册为准。