研究问题
先把直觉改写成可以检验的问题
更适合生成摘要的表达可能改变关键词覆盖、页面长度或内部结构，导致检索相关性与生成可用性出现目标冲突。
理论与证据
把研究对象、变量和证据边界分开
至少同时观察四类变量
1
输入：页面、实体、查询和平台条件
2
中介：抓取、检索、重排、上下文和生成
3
结果：答案采用、来源引用、品牌提及和用户行为
4
调节：时间、语言、竞争、模型版本和内容可信度
已有证据能够说明什么
跨平台和长期测量必须记录模型、索引、语言、竞争环境和时间变化。历史结果只有在条件可比时才具有可复现意义。
与本页最相关的证据基础包括：GEO关注内容在生成式系统中被发现、检索、选择、纳入答案、标明来源和呈现的全过程，而不只关注传统搜索结果中的排名；原始研究报告的最高约40%可见度提升，只适用于GEO-bench及其特定模型和实验设置，不能直接外推为自然流量或转化增长。
一个可证伪的表达方式
在固定平台、提示词分布和时间窗口内，只改变与“内容优化为什么可能提升生成效果，却降低检索表现”相关的目标变量；若实验组与对照组在预定义指标上的差异没有超过自然波动，就不能认为该假设得到支持。
实验设计
最低限度做到可复核、可证伪、可解释
建立跨平台、跨语言和跨时间的固定测量面板
把检索表现、答案采用、引用和商业结果分别测量
记录模型或平台更新，并重新校准历史基线
读完后常见的追问
把当前问题的边界再说清楚
研究“内容优化为什么可能提升生成效果，却降低检索表现”时，最容易出现什么过度解释？
最常见的问题是把单平台、单样本或一次实验的相关性，直接写成因果关系或跨平台规律。
怎样把这个问题改写成可证伪假设？
明确干预变量、对照条件、结果指标和时间窗口，并说明出现什么结果时应拒绝原假设。
最少需要公开哪些实验条件？
至少公开平台与模型、提示词组、页面版本、运行次数、排除规则和分析方法。第一步是：建立跨平台、跨语言和跨时间的固定测量面板。
哪些结果仍不能支持因果结论？
没有对照、没有重复测量，或无法排除平台更新和自然波动时，即使指标上升也不能单独证明因果。
本页依据、边界与责任
证据可以继续追溯，但不打断主阅读路径
内容依据关联3条核心主张、2个主要信源
内容负责人白磊
当前版本第1.3版 · 最近复核2026-07-25
适用边界本页讨论研究框架。结论只能在公开的平台、模型、语言、样本和时间边界内解释。
查看本页关联的核心主张与主要信源
- GEO到底优化什么？
GEO关注内容在生成式系统中被发现、检索、选择、纳入答案、标明来源和呈现的全过程，而不只关注传统搜索结果中的排名。
- GEO研究中的“可见度提升40%”应该怎样理解？
原始研究报告的最高约40%可见度提升，只适用于GEO-bench及其特定模型和实验设置，不能直接外推为自然流量或转化增长。
- GEO: Generative Engine Optimization · Aggarwal等；KDD 2024
- Don’t Measure Once: Measuring Visibility in AI Search (GEO) · 2026