LEARN

几个流传很广但证据不足的 GEO 说法

分支管道终止于半透明屏障,仅带有发光节点的管道能通向中央腔室,象征基于证据筛选信息
在机制不公开的领域,判断做法是否值得做应看是否有公开可核对的证据,流传度不作为判断依据

一句话说明

在机制不公开的领域里,判断一条做法值不值得做,看的是它有没有公开可核对的证据。这与有多少人在说无关。

这个领域机制不公开,导致大量说法只靠传播而没有证据。逐条对照公开反证,能省掉不少无效投入。

我们的判断

遇到任何「独家方法」的说法,先问三个问题:证据出处是什么、样本多大、平台官方有没有相反表述。三个问题都答不上的,不值得投入。

01

被数据证伪的

「放 llms.txt 就能被大模型收录」:Ahrefs 对 137,000 个域名的研究显示 2026 年 5 月有 97% 的 llms.txt 零请求;Google 多次公开表示不使用、也不打算支持。合理定位是低成本的 agent-readiness 基础设施,不是可见度杠杆。

「AI 流量的转化率是自然搜索的若干倍」:方向上多项研究一致,幅度从数倍到十几倍都有,且有统计分析发现整体无显著差异。这种分歧幅度下,任何具体倍数都不该拿来当论据。

02

被平台官方点名「可以不做」的

Google 2026 年 5 月的官方指南直接列出了几项不必要的做法:llms.txt、内容分块、AI 专用改写、为 AI 搜索而做的结构化数据、以及不真实的提及建设。

⚠️ 但这份指南只约束 Google 自家的 AI 功能,不适用于 ChatGPT / Claude / Perplexity。把它当全行业通则用是另一种误读。

03

那时间该花在哪

有实证支撑的是三件事:加统计数据、加引用来源、加引述 —— Princeton 论文在 10,000 条查询上测到 30–40% 的相对提升。

以及两件几乎不会错的基础工作:确认检索型爬虫能拿到完整 HTML,确认结构化数据出现在服务端返回的内容里。

本页用到的数据

97%

已发布 llms.txt 的域名中 2026 年 5 月零请求的比例

出处Ahrefs,137,000 个域名,2026

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. [1]Optimizing your website for generative AI features on Google Search.Google 搜索中心.2026-05-15
  2. [2]GEO: Generative Engine Optimization.Aggarwal 等,KDD 2024.2024

更新于 2026-08-10