生成式引擎优化是什么

生成式引擎优化的英文是 Generative Engine Optimization，缩写 GEO。名称和框架来自 Aggarwal、Murahari、Rajpurohit、Kalyan、Narasimhan 与 Deshpande 的论文 GEO: Generative Engine Optimization。arXiv 页面写明会议是第 30 届 ACM SIGKDD（KDD ’24），2024 年 8 月 25 日至 29 日，巴塞罗那。

论文把 generative engines 说成一类系统：检索多个来源，再用大语言模型汇总成带来源标注的回答。内容方的目标被写成提高自己的内容在这类回答里的可见度。论文提出的客观指标包括与某条引用相关的词数占比，以及按句子位置衰减后的词数。这些是论文自己的定义。OpenAI 和 Perplexity 的产品文档没有使用这套指标。

论文写明，传统 SEO 面向搜索结果里的名次。生成式回答把多个来源嵌进同一段文字，引用的长短和位置都可以不同，所以名次不能直接搬过来。关键词堆砌在论文里是一种对照方法，被放在表现不佳的一组。这只说明在他们的实验设置下，往页面里填查询词没有提高他们定义的可见度。

不要把这一格读成 Google 的垃圾内容政策，也不要读成对今天 ChatGPT 的测量。政策范围和实验范围都在后面的文章里分开写。

摘要写，在他们的实验里，这些方法最多可以把生成式引擎回答中的可见度提高 40%。引言写，在 Perplexity.ai 上的可见度改进最多到 37%，并且方法是否有效会因领域而不同。第 3.1 节描述的实验引擎，是从 Google 取回每个问题的前 5 个来源，再用 gpt-3.5-turbo 生成回答，温度为 0.7，每个问题采样 5 次。第 3.2 节把 GEO-bench 写成约 1 万条问题。

表 1 把 Keyword Stuffing 放在非高表现的一组。该表里，这一方法的位置调整词数总分是 17.7，未优化基线是 19.3。同一张表里，加入引用、引语或统计数字的方法高于基线。这里只转述这些单元格，不复制整张表。

Lexoford XEO 没有重跑这个实验。40% 和 37% 是论文对其实验的陈述，不是任何品牌进入阿联酋或沙特之后会得到的结果。

可以确定的只有三件事。GEO 是公开论文里的研究框架，不是某个平台的官方排名产品。可见度至少要说明在数什么：被提到、被放上链接，还是在回答里占了多少词。沙特和阿联酋、阿拉伯语和英语，是不同的提问条件。这篇论文没有按这两个国家或阿拉伯语报告结果。