当搜索引擎不再给你链接，你的内容还活得下去吗

前段时间，我打开 Perplexity 搜一个东西。搜完我就愣了一下。

因为我发现，我不需要点任何链接了。

答案直接就在那儿，写得清清楚楚，带着引用标注。我得到了我想要的信息。但是，那些被引用的网站，我几乎一个都没点进去。

然后我就开始替那些做内容的朋友捏把汗。

从「给你一堆链接」到「直接给你答案」

你想想看，过去这三十年，我们用搜索引擎的方式是什么样的？

你输入一个问题，Google 给你一页结果，十条蓝色链接。你挨个点进去，自己拼凑答案。网站靠排名抢流量，排名靠外链、靠关键词、靠域名权重。这套规则养活了一整代内容创作者，也催生了一个庞大的产业，叫 SEO。

但是，BingChat、Google 的 AI 搜索、Perplexity 这些工具出来之后，事情变了。

这些工具不再给你一堆链接了。它们拿到你的问题之后，去后台检索一堆网页，然后用大语言模型把信息揉在一起，生成一段完整的回答。你看到的是答案，不是链接列表。那些被引用的来源，变成了回答末尾的一行小注。

有人给这类工具起了个名字，叫生成式引擎（Generative Engine）。

本质上，它干的事情就两步：先搜索，再生成。搜索部分跟传统搜索引擎差不多，拿到相关网页；生成部分才是核心，用大模型读完这些网页，综合出一个有出处、能追溯的回答。

用户爽了。一个回答就把问题解决了，不用开十个标签页来回翻。

但是，做内容的人慌了。

内容创作者的恐慌

为什么慌？

因为传统的搜索引擎，你好歹还能争一个排名。排名靠前，就有流量。流量能变现，能养团队，能持续做内容。这套逻辑虽然卷，但至少规则是清晰的。

可生成式引擎呢？它把你的内容揉碎了，塞进一段回答里。你控制不了你的内容在什么位置出现、出现多少、以什么形式出现。你甚至不知道用户到底看不看得到你。

一句话：你从「页面上的一条链接」，变成了「回答里的一行引用」。

可见度（visibility）这个概念，在生成式引擎里变得极其模糊。传统搜索引擎里，排名第五和排名第一差别巨大，点击率呈幂律衰减。但生成式引擎的回答是一整段文字，引用散落其中，有的长有的短，有的在开头有的在结尾。你怎么衡量自己的「排名」？

这就是问题所在。旧的规则失效了，新的规则还没人定。

GEO：给生成式引擎时代的内容优化定一套规则

2024 年，有一群来自普林斯顿大学和印度理工学院的研究者，决定把这件事讲清楚。

他们提出了一个新概念，叫 GEO（Generative Engine Optimization，生成式引擎优化）。

什么叫 GEO？

简单说，就是一套帮你优化内容、让生成式引擎更愿意引用你、引用你的时候给你更多篇幅的方法论。

你可能第一反应是：这不就是 SEO 换了个壳吗？

不是。差别很大。

传统 SEO 的核心逻辑是关键词匹配加权重排序。你堆关键词、做外链、优化页面结构，目标是在排名算法里往上爬。但生成式引擎用的是大语言模型来理解你的内容，它不靠关键词匹配，它靠语义理解。

研究者在实验里做了一个验证。他们试了「关键词堆砌」（Keyword Stuffing）这种 SEO 里最经典的老套路，结果发现，在生成式引擎里，这招不但没用，还倒退了。在 Perplexity.ai 上的实测，关键词堆砌让内容的可见度降低了 10%。

老的地图，找不到新的宝藏了。

那你可能会问：他们怎么测出来的？这套结论靠谱吗？

研究者搭了一个叫 GEO-bench 的测试基准。一万个查询，来自九个不同的数据源。有 Bing 和 Google 的真实匿名搜索记录，有牛津大学全灵学院的论文题目，有 Reddit 上 ELI5 板块的「请用外行听得懂的话解释」式提问，还有 GPT-4 自动生成的各领域问题。25 个领域，从艺术到健康，从法律到游戏，全覆盖。每个查询配上 Google 搜索的前五条结果原文。

这个量级和覆盖面，在同类研究里是头一份。

然后，他们把九种优化方法分别施加到同一批网页上，每种方法跑五遍取平均，看你的内容被生成式引擎引用的篇幅和位置有没有变化。

不是拍脑袋说「我觉得这招管用」，是拿数据砸出来的。

哪些招数真正管用

那什么管用？

研究者测了九种不同的优化方法，在一万个查询的大规模基准测试集上反复跑。结果很清楚。

最有效的三招，说出来你可能觉得简单得过分：

第一，加引用来源。 你在内容里写了一个论断，就标明出处。不需要长篇大论，就是加一个来源标注。就这么一个动作，在某些场景下让内容的可见度涨了 130% 多。

第二，加引语。 直接引用相关人士的原话。生成式引擎在组织回答的时候，特别喜欢用带引号的、有出处的原话。

第三，加数据。 在论述里补上具体的统计数字。比如你写「瑞士人爱吃巧克力」，不如写「瑞士人均年消费巧克力 11 到 12 公斤，全球前列」。后者被引用的概率大幅提升。

你看出来了吗？这三招的共同点是什么？

它们都在增加内容的可信度和信息密度。

生成式引擎的本质是用大模型读你的网页，然后决定要不要把你揉进回答里。大模型「喜欢」什么样的内容？喜欢有出处、有数据、有具体细节的内容。空洞的、泛泛而谈的、堆关键词的内容，它读完了也提炼不出什么有用的东西，自然不会引用你。

还有一些方法也有效果，但没那么猛。比如让文风更流畅、让表达更权威、加上一些专业术语。这些属于锦上添花。

有意思的是，研究者还发现，把这些方法组合起来用，效果叠加。最好的组合是「流畅度优化」加「加数据」，比任何单一方法都强 5.5% 以上。

还有一个细节值得拎出来。不同领域的内容，适合的优化方法不一样。

研究者把一万个查询分了 25 个领域来分析。结果发现，「权威语气」这个方法在辩论类和历史类的问题上效果拔群，因为这类话题本身就需要说服力。「加引用来源」在法律、政府、事实陈述类问题上效果最好，因为这类内容讲求出处。「加数据」在法律、辩论、观点类问题上表现最强。

你不能拿一套配方打天下。你得看你做的是什么领域的内容，再挑招数。

这跟做产品是一个道理。没有万能功能，只有场景匹配。

小网站的逆袭机会

这部分是我觉得整个研究里最让人兴奋的发现。

研究者按搜索引擎排名把网站分了五档，然后分别看 GEO 方法对每一档的效果。

结果是这样的：排名越靠后的网站，从 GEO 里获益越大。

具体到「加引用来源」这一招，排名第五的网站（也就是搜索结果里最末尾的），可见度提升了 115%。而排名第一的网站，可见度反而下降了 30%。

为什么？

因为传统搜索引擎的排名算法里，外链数量、域名权重这些因素占了很大比重。小网站、新网站在这方面天然劣势，你怎么拼也拼不过那些老牌大站。

但生成式引擎不一样。它用大模型读你的内容，判断的是内容本身的质量和相关性，不是你的域名有多老、外链有多少。只要你的内容有出处、有数据、有信息密度，大模型就愿意引用你。

这意味着什么？意味着在生成式引擎的时代，内容质量本身的权重在上升，资源和资历的权重在下降。对于认真做内容但一直被大站压着打的小团队来说，这可能是一个结构性的机会。

在真实世界里管不管用

实验室里的数据好看是一回事，真实世界管不管用是另一回事。

研究者没有止步于自己的测试环境。他们把同样的优化方法拿到了 Perplexity.ai 上跑。Perplexity 是一个已经投入商业运营、拥有数百万活跃用户的生成式引擎，算法完全是黑盒。

结果：在 Perplexity 上，「加引语」让内容的可见度提升了 22%，「加数据」在主观可见度指标上提升了 37%。趋势跟实验室结果一致。关键词堆砌依然不管用。

这说明 GEO 的方法不是针对某一个特定引擎调出来的，它在不同的生成式引擎上具有通用性。

研究者还提到了一个趋势：未来的生成式引擎会走向对话式。用户可以追问、可以澄清、可以来回聊。这意味着内容的可见度不只取决于一次回答，还取决于后续对话里你被反复提起的概率。对话的轮次越多，好内容被带出来的机会也越多。

另外，研究者在衡量「可见度」这件事上，下了不小的功夫。他们不只看你的内容被引用了几次，还看引用出现在回答的什么位置（开头还是结尾），引用了你多少篇幅（一句话还是一整段），内容是不是独特（别的来源有没有类似说法），用户点开你的链接的概率有多高。

这套指标体系本身就是一个贡献。因为你连「可见度怎么算」都没定义清楚，就谈不上优化。

这件事的真正含义

我把这篇论文翻来覆去看了几遍，越看越觉得，它揭示的不只是一个优化技巧，而是一个正在发生的范式转移。

三十年前，搜索引擎把信息从「图书馆」变成了「搜索框」。SEO 应运而生，成为内容行业的底层规则。

今天，生成式引擎正在把信息从「搜索框」变成「直接回答」。规则要重写了。

旧规则的核心是：让机器找到你。关键词、外链、排名。

新规则的核心是：让机器愿意引用你。出处、数据、信息密度。

从「被找到」到「被引用」，这是一个根本性的转变。

研究者自己也说了，GEO 还很初步。生成式引擎本身在快速迭代，优化方法也得跟着进化。但方向是清楚的：内容本身的质量，有没有出处、有没有数据、有没有别人引用不了的东西，正在成为新的硬通货。

那个靠堆关键词和买外链混流量的时代，正在落幕。

而那些一直在认真做内容、只是苦于没有资源和资历去拼排名的人，也许终于等到了属于他们的牌桌。

我不知道这个转变会持续多久，也不知道生成式引擎最终会演变成什么形态。但有一件事我比较确定：当机器开始替用户读内容的时候，值得被读的内容，才会浮上来。