GEO 真的有用，还是炒作？

目前，对具体问题的优化已有成效证据；对宽泛问题的品牌推荐效果，证据仍不充分。公开资料主要有三类：使用合成基准的研究论文，分析 AI 助手实际引用来源的大样本研究，以及我们这样的小规模自测。大样本研究多由 SEO 工具厂商发布，并可与平台官方文档相互印证。这三类证据都支持围绕具体问题完善页面，但尚不能证明新品牌会因此在成熟品类的“最佳服务商”推荐中获得稳定曝光。

看证据前先讲两个术语。引用率（citation rate）是一套固定买家提示词中，助手链接到你某个页面的那部分所占的比例。品牌提及份额（share of voice）是在同一套提示词上，对照旁边被点名的竞争对手，品牌提及中属于你的份额。生成式引擎优化（GEO）就是推动这两个数字的工作。

现有证据表明，改善内容和页面访问条件有助于获得与具体问题相关的引用，但尚不足以证明品牌整体推荐率会提高。下表按这些证据对采购决策的参考价值作出评价。

三件事，买家应该全部记住。第一，Google 的立场有文档为证：它的 AI Overviews 和 AI Mode 取自与经典搜索相同的索引，不需要任何额外工作，任何 AI 专用文件或 schema 都不会改变资格。如果一家厂商面向 Google 界面的 GEO 套餐就是 llms.txt 和「AI schema」，那怀疑者是对的，这个套餐就是日常维护。我们自己的 llms.txt 指南说的也是这个。

第二，大多数大样本研究是由销售 SEO 或 GEO 服务的公司发布的，我们也不例外。这不意味着它们是错的，尤其 Ahrefs 会公布自己的保留意见，但这意味着目前还没有独立的 GEO 成效指数。第三，生成的答案在不同运行之间会变。在我们 2026 年 8 月对一个提示词族在 ChatGPT 上的运行里，五次无历史记录的会话中有十二家不同的竞争对手出现在我们旁边。一张截图什么也证明不了，无论往哪个方向。

但由此认为什么都无法衡量，也不准确。固定一组问题，每隔几周在无历史记录的会话中多次测试，仍可通过引用率和品牌提及份额观察变化。回答存在波动，意味着需要增加样本并保持测试方法一致。

get-geo.ai 于 2026 年 6 月上线，技术层大部分已经就位：服务端渲染的文本、上线时八种语言的语言标签（hreflang）、结构化数据、llms.txt。8 月 4 日，一次对自己网站的审计发现裸域名和 www 之间存在重定向循环——Google 的爬虫容忍这种事，而通常一两次请求后就放弃的 AI 抓取器往往不容忍。我们当天修好了。

8 月 13 日，我们在五次无历史记录的会话里让 ChatGPT 为一家在多种语言下工作的公司推荐一家 GEO 机构，每次改变措辞。它五次里五次点名了 get-geo.ai。8 月 17 日，第六次运行，英语和西班牙语，结果相同。从上线到在这些提示词上出现我们能复现的第一批引用：大约两个月。

这项测试也有明确局限：两天内的六次运行只能说明我们在一组高度符合自身定位的问题上获得了初步结果，不能推及“最佳 GEO 机构”等宽泛问题。这类问题仍主要推荐成熟品牌。案例研究和《GEO 需要多久才能看到成效？》还列出了其他局限。

客户反映 GEO 没有效果时，我们发现的问题大多属于以下四类。

你不需要买任何东西就能弄清楚。挑十条你的买家真会输入的提示词，用一种语言，在一个助手里以无历史记录的会话（退出登录，或关闭记忆的临时聊天）各跑三次。记录谁被点名、排在第几位、引用了哪些页面。这就是你的基线，一个下午就够。我们那篇「我们如何测量 GEO 成效」的指南描述了完整版。

然后修访问：用 AI 爬虫的 user-agent 抓取三个重要页面，或者干脆查看页面源代码，确保文本不靠 JavaScript 就在那里、只在一个主机上、爬虫被放行。为你离被引用最远的那条提示词写一页：提示词做标题，一段 40–60 词的直接回答，然后是模型会核实的细节。等三周，用同样的方式跑同样十条提示词，比较。

如果新页面在对应问题的回答中获得引用，就说明这次优化在所测范围内有效。下一步是判断还有多少问题值得单独制作页面。评估投入产出时，应比较相关问题带来的引荐流量和品牌提及份额与页面制作成本，而不是套用服务商演示中的提升比例。如果没有获得引用，先排查访问问题，再检查页面是否回答了真实需求。无论结果如何，已有的基线都便于后续比较。我们的免费 AI 可见性评估会代你完成十个问题的初步测试。