LEARN
均衡器效应:谁从这套方法里受益最大

一句话说明
应用这套写法后,原本排第 5 的页可见度提升 115.1%,排第 1 的平均反降 30.3% —— 收益对还没进第一梯队的品牌更高。
Princeton 的 GEO 论文(KDD 2024)发现一个不对称:应用那三种写法后,原本排第 5 的页面可见度提升最大(+115.1%),而排第 1 的平均反降约 30.3%。
我们的判断
这条发现对投入判断很实际:如果你已经是某个议题的头部,这套方法带来的增量有限,而且要小心别把原本简洁有效的内容改得冗长。收益压在「差一点就进前 10」的那批页上。
具体数字
论文用 GEO-bench(10,000 条查询 / 9 个领域)测量,指标是 Position-Adjusted Word Count 与主观印象。
三种有效写法(统计数据、引用来源、引述)整体带来 30–40% 的相对提升;但分位次看,第 5 位提升 +115.1%,第 1 位平均 −30.3%。
为什么会这样
一种合理解释是:排第 1 的内容原本就已经是最容易被采用的那一份,增加篇幅与引述反而稀释了它的可摘性。
而排在中间的内容原本缺的正是「可核对的依据」,补上之后从候选变成被采用。
⚠️ 这是对观测结果的解释,不是论文给出的机制结论 —— 平台侧机制不公开,任何机制解释都是推断。
对投入的两条推论
第一,优先投在排 11–20 与 4–10 这两段。这个品类排 11 名后基本没有点击,把它们推进前 10 的边际收益最高。
第二,已经在第 1 位的内容改动要谨慎。修改前先记录当前状态,改完复测;如果可见度下降,回退比继续调整更划算。
本页用到的数据
+115.1% / −30.3%
原本排第 5 的页面可见度提升 / 排第 1 的平均变化
出处:Princeton GEO 论文的「均衡器效应」,KDD 2024,2024
30–40%
加统计数据 / 引用来源 / 引述后的可见度相对提升
出处:Princeton GEO 论文,KDD 2024,GEO-bench 10,000 条查询,2024
资料出处
- [1]GEO: Generative Engine Optimization.Aggarwal 等,KDD 2024.2024
更新于 2026-08-10