海外 GEO 研究长版报告（口径重算版）

版本说明：本版基于 2026-04-21 的目录内容重算，统一使用清洗后的搜索层口径与 features_all_platforms_72.csv 的引用影响力口径。旧版报告中若存在与本版不一致的数字，以本版为准。

执行摘要

这份研究要回答的不是“AI 会不会搜索”，而是更接近实战的问题：

1. 什么样的 Prompt 更容易触发 AI 联网搜索？
2. 触发搜索后，AI 会优先相信什么样的来源？
3. 同样被引用的页面里，什么样的内容会被 AI 深度吸收，而不是只在来源列表里出现一次？

整套资料的底座是：

• 602 条实验 Prompt
• 3 个平台：ChatGPT、Google AI Overview / Gemini、Perplexity
• 搜索层清洗后 21,181 行结果，其中有效引用 21,143 行
• 引用影响力层 23,745 行、72 维特征
• 抓取成功的引用页面 18,151 个，成功率 76.44%

本版重算后，最重要的结论是：

• 三平台几乎都会触发搜索，但搜索策略差异很大：ChatGPT 平均每条 Prompt 引用 6.88 个来源，Google 为 12.06，Perplexity 为 16.35。
• 搜索广度不等于吸收深度。按抓取成功页面计算，ChatGPT 的单条引用平均影响力为 0.2713，显著高于 Google 的 0.0584 与 Perplexity 的 0.0646。
• 对 AI 真正有效的，不是“短而精的观点文章”，而是“长、结构化、可抽取、强对题”的证据页。高影响力页面平均 1,943 词，低影响力页面只有 170 词。
• AI 偏好高度集中：官网 + 新闻 + 行业垂类 是绝对主战场；在可识别样本里，US 来源占 82.70% - 86.76%，英文来源占 82.90% - 95.07%。

如果只看一句话，这份研究的核心判断是：

GEO 的核心不是“让 AI 看见你”，而是“让你的页面足够像一个可被模型拆解、搬运、重组的证据容器”。

一、研究目标与数据逻辑

1.1 本研究在拆哪条链路

这份资料研究的是 AI 搜索时代的完整内容链路：

用户提问 -> 是否触发搜索 -> 选择哪些来源 -> 如何使用这些来源 -> 最终哪些页面真的影响了回答

因此整套分析分成两层：

• 搜索触发层：观察 Prompt 如何触发联网搜索，以及三平台选了哪些来源站点
• 引用影响力层：观察被引用页面的结构、语义与体裁，如何影响它在 AI 回答中的真实作用

1.2 数据资产清单

1.3 为什么要重算

这次重写不是简单润色，而是做了一次口径统一，主要修正四类问题：

• chatgpt_results_with_prompt.csv 混入了 16 行重复表头，需要先清洗
• ChatGPT 搜索层里 A_news、A_technology 被写成 Anews*、Atechnology*，旧脚本会漏统计
• ChatGPT 搜索层只覆盖到 587 个 Prompt，仍缺 15 个 Prompt 输出，不能继续按 602 口径硬写
• 影响力分析应基于 fetch_ok = True 的成功抓取页面，否则会把抓取失败页面一起拉低均值

因此，本版报告明确使用两套口径：

• 搜索层：基于清洗后的 21,181 行结果与 587 / 602 / 602 个平台级 Prompt 观测值
• 影响力层：基于 23,745 行特征表中的 18,151 条成功抓取记录

二、实验设计：602 条 Prompt 如何搭起来

2.1 四层实验架构

2.2 A 层：主实验骨架

A 层由以下变量交叉组成：

• TaskType：事实、对比、聚合、解释/推理
• TriggerLevel：Low / Medium / High
• TimeSensitivity：Stable / Recent / Realtime
• Industry：Technology / Commerce / Local / Healthcare / Finance / News
• SubType：Info / Decision

它的价值不在于“多”，而在于可以把问题拆成可比较的控制变量。

2.3 B/C/D 层：为什么重要

• B 层 用来回答：同一个问题，换一种说法会不会改变搜索强度？
• C 层 用来回答：中英文环境会不会改变平台的联网倾向？
• D 层 用来回答：遇到真实世界里高风险、模糊、多约束问题时，平台会怎么做？

三、处理流程与方法口径

3.1 搜索层处理流程

搜索层使用三份 CSV：

• chatgpt_results_with_prompt.csv
• Google_results_with_prompt.csv
• perplexity_results_with_prompt.csv

每行记录一个被引用域名，并附带如下字段：

• 是否触发搜索
• 引用域名
• 最终评级(Final_DR)
• 网站类型
• 国家(Country)
• 语言(Language)

在 Prompt 级统计时，本版使用：

• 同一 文件名 下任一行 是否触发搜索 = 是，即视为该 Prompt 触发搜索
• 同一 文件名 下有效 引用域名 的行数，作为该 Prompt 的引用数

3.2 引用影响力层处理流程

引用影响力分析的逻辑是：

1. 从三平台回答页解析引用 URL
2. 批量抓取引用网页正文
3. 为每条引用提取 72 维特征
4. 计算每条引用在 AI 回答中的 influence_score

全量特征表共有 23,745 行，抓取成功 18,151 行，平台分布如下：

3.3 72 维特征里最关键的几类

虽然表里有 72 个字段，但可以抽象成五类：

• 页面结构：词数、标题数、段落数、列表密度、表格/图片/链接等
• 内容质量：信息密度、句长、词汇丰富度、标题与问题匹配度等
• 内容体裁：是否含数字、定义、对比、how-to、Q&A、代码
• 语义对齐：Embedding 相似度、LLM 相关性评分、内容质量评分
• 结果变量：引用次数、首次出现位置、覆盖段落比例、文本重叠度

3.4 影响力分数怎么定义

本项目使用以下加权分数描述“某条引用对最终回答的真实影响力”：

influence_score =
    0.20 × min(ref_count / 3, 1)
  + 0.15 × (1 - first_position_ratio)
  + 0.20 × paragraph_coverage_ratio
  + 0.25 × tfidf_cosine
  + 0.20 × (bigram_overlap + trigram_overlap) / 2

这意味着：

• 被引用多次、出现更靠前、覆盖更多回答段落的页面，分数更高
• 与回答文本重合度更高、语义更贴近的页面，分数也更高

3.5 一个重要的方法论约束

由于 ref_count、position、coverage、tfidf、ngram overlap 本身就是 influence_score 的定义组件，因此本版不把它们当“原因变量”来讲发现。真正用来解释影响力的，是：

• 页面结构
• 内容体裁
• 语义对齐
• 独立的 LLM 评分

四、搜索触发层：三平台到底怎么搜

4.1 平台总览

第一层结论非常明确：

• 三平台基本都会触发搜索
• 但 Perplexity 和 Google 更像“宽搜型”平台
• ChatGPT 搜得更收敛，平均引用宽度明显更窄

如果从策略上总结：

• ChatGPT：少而精，后续对单条引用使用更深
• Google：搜索覆盖广，对来源要求敏感
• Perplexity：几乎无条件联网上下文补全，引用最密集

4.2 分层看：A/B/C/D 哪一层最能拉高搜索强度

这里有三个值得注意的点：

• Google 对 B 层风格对照 最敏感，说明“怎么提问”对它的联网强度影响很大
• ChatGPT 在 C 层语言对照 上反而略高，意味着中文并未削弱其搜索意愿
• Perplexity 几乎对任何层级都保持高强度联网，说明其默认策略就是“先搜再说”

4.3 B 层：换个问法，AI 会不会搜得更多

这部分的结论不是“要求来源一定最强”，而是：

• Google 和 Perplexity 明显吃“要求来源”的刺激
• ChatGPT 则更偏好角色型 Prompt，对“强行要求来源”没有同样强的提升

因此，Prompt 包装对搜索强度的影响是平台相关的，不应简单概括为一个统一结论。

4.4 C 层：英文与中文，平台反应一样吗

这组结果很有价值：

• Google 明显更偏向英文上下文
• Perplexity 也略偏英文，但差距不大
• ChatGPT 在这组样本里反而中文略高

这说明“英文一定更能触发 AI 搜索”并不严谨。更准确的说法是：

英文对 Google 的加成最大；对 ChatGPT，这种加成在本样本中并不成立。

4.5 D 层：真实世界问题，平台会怎么处理

这一组里最反常识的现象是：

• ChatGPT 面对 多约束任务 时平均只引用 3.4 个来源，明显低于其它场景
• Perplexity 在同类问题上达到 17.7，几乎是完全相反的策略

可以把它理解成：

• ChatGPT 更容易把复杂约束问题压缩成自身推理任务
• Perplexity 更倾向把复杂任务拆成广泛的信息检索与拼装

五、来源偏好：AI 更容易选中什么样的网站

5.1 行业维度：不同平台最爱搜哪些领域

平台偏好并不完全相同：

• ChatGPT 最强的是 Healthcare 和 Technology
• Google 最强的是 Healthcare 和 Local
• Perplexity 最强的是 Finance 和 Local

如果从内容策略上理解：

• 医疗、科技、金融这类高信息密度领域，更容易触发大范围来源整合
• 本地类内容在 ChatGPT 上明显弱，说明缺少明确地理锚点时，它更容易回退到内部知识

5.2 网站类型：三平台的候选池高度集中

把这三类加总后：

• ChatGPT：87.52%
• Google：87.34%
• Perplexity：79.12%

结论非常直接：

官网、新闻、行业垂类不是“会被引用的一类来源”，而是几乎定义了 AI 搜索的默认候选池。

5.3 地区与语言：谁在被优先看见

在排除 unknown 和 WW 后，三平台在可识别国家样本中的 US 占比如下：

在排除 unknown 后，三平台在可识别语言样本中的英文占比如下：

因此，对希望“先进入 AI 候选池”的内容团队来说，最稳妥的现实结论是：

• 首发环境优先英文
• 分发环境优先美国或强全球化域名
• 非英文、非美区内容不是没有机会，但竞争门槛更高

5.4 域名权威度：高 DR 仍是硬门槛

这说明一件很现实的事：

在“能不能先被选中”这一层，域名权威度仍然非常重要。

它不是决定引用深度的唯一因素，但明显决定了内容是否有资格进入第一轮候选。

5.5 高频域名：AI 到底在重复看谁

搜索层合并后的 Top 15 域名如下：

这个结果反映出三类典型来源：

• 解释型/百科型来源：如 Wikipedia
• 新闻型来源：如 Reuters、NYT、WSJ
• 平台型/聚合型来源：如 YouTube、Reddit、LinkedIn

需要强调的是：高频出现不等于高影响力。它更像是在说，这些来源经常能进入候选池。

六、引用影响力层：什么页面会被 AI 深度吸收

6.1 平台层面的“引用深度”差异

以下分析仅基于抓取成功页面：

这是本研究最重要的一张表之一。

它说明：

• ChatGPT 虽然引用少，但会更集中地使用少数来源
• Google 与 Perplexity 更像“广引薄用”
• 对 GEO 来说，“被 ChatGPT 引一次”和“被 Google 引一次”不能被视为等价事件

6.2 长度与结构：高影响力页面长什么样

按 influence_score 的 Top 25% 与 Bottom 25% 对比：

这张表说明高影响力页面并非只是“更长”，而是更像一个可拆解的信息容器：

• 标题分层更清楚
• 段落更多
• 列表更密
• 与问题和回答的语义贴合更高

6.3 多长最合适：不是越短越好

这组结果回答了一个常见误解：

AI 并不偏爱“短小摘要页”，它更偏爱“信息足够充分、可以切出多个可复用片段”的长内容页。

如果从制作成本与收益平衡来看：

• 1000-3000 词是最稳妥的实操区间
• >3000 词仍然更强，但维护成本明显更高

6.4 哪些特征最能预测高影响力

在成功抓取页面中，与影响力相关性最高的独立特征包括：

这表明真正强的不是单个机械 SEO 指标，而是两类能力叠加：

• 强语义对齐
• 强结构化表达

6.5 布尔体裁特征：AI 明显更爱什么

这一节非常适合直接指导内容生产：

• 定义
• 数字
• 对比
• 步骤

这四类内容，不是“看起来更像干货”，而是客观上更容易进入 AI 的搬运与重组流程。

而纯粹的 Q&A 页面 没有天然优势，这本身就是一个反常识发现。

七、AI 在“怎么用引用”这件事上的偏好

7.1 语义角色：什么角色的内容最值钱

先看高频语义角色及其平均影响力：

如果只看主流角色，可以得出一个很清楚的排序：

• definition、comparison 最强
• evidence、statistical_data 次之
• reference 很弱，说明很多页面只是被列在来源里，并没有被深度消化

7.2 AI 对引用的使用方式

需要注意：

• direct_quote 虽然均值高，但样本只有 19，不应过度解读
• 样本量最大且最稳定的高价值方式是 factual_basis 和 paraphrase
• reference 的均值只有 0.0444，说明很多来源只是“被点到”，并没有实质作用

7.3 站点身份与深度吸收并不是一回事

按 domain_type 看平均影响力，样本量较有代表性的几类如下：

这个结果很值得讲清楚：

• 新闻媒体很容易进入候选池
• 但平均影响力未必最高
• 百科型、结构化解释型来源虽然频次不一定第一，却更容易被深度吸收

这意味着：

“先发到高权威新闻站”解决的是进入候选池的问题；“把页面写成定义清楚、结构清楚的解释页”解决的是被深度吸收的问题。

八、平台差异：三大 AI 搜索不是一套玩法

8.1 各平台最强驱动因素不同

按平台分别看主要驱动因素，与影响力相关性最高的特征如下：

ChatGPT

ChatGPT 最像“深读型平台”：

• 极重视内容是否真的对题
• 也重视页面能否作为定义与证据来源被复用

Google

Google 的信号最像“强语义对齐 + 清晰定义页”：

• 对问题与答案的语义匹配特别敏感
• 标题、词数、定义结构都更重要

Perplexity

Perplexity 仍然重视相关性，但更强调页面的“可拆解性”：

• 标题数
• 页面长度
• 能否覆盖更多子问题

8.2 对内容策略的直接含义

如果必须把三平台区别开来，可以用一句话概括：

• ChatGPT：重“深度吸收”，适合做定义、证据、背景整合型页面
• Google：重“对题与定义”，适合做标题-关键词-正文强对齐页面
• Perplexity：重“覆盖广度”，适合做综合型、模块化、可拼装页面

九、分行业与分问题类型：哪些题更值得做

9.1 行业维度

按成功抓取样本计算，六大行业的平均影响力如下：

科技、医疗、商业内容更容易出现高影响力引用，原因通常是：

• 定义与术语密度高
• 可验证数据多
• 结构化比较更常见

9.2 问题类型维度

这张表说明：

• comparison 型问题最适合让页面吃到高影响力引用
• opinion 型问题最弱

原因也很直观：

• 对比类问题天然需要结构化差异、指标和证据
• 观点类问题更容易被 AI 自己总结，页面的“搬运价值”反而下降

十、16 条最值得对外讲的核心洞察

1. 研究底座为 602 条 Prompt、21,143 条有效搜索层引用、23,745 条 citation-level 记录、72 维特征。
2. 三平台几乎都会搜索：ChatGPT 98.64%、Google 99.67%、Perplexity 100%。
3. 搜索宽度差很大：平均每条 Prompt 引用数分别为 6.88、12.06、16.35。
4. 搜索广度不等于引用深度：ChatGPT 平均影响力 0.2713，分别是 Google 的 4.64x、Perplexity 的 4.20x。
5. Google 最吃“要求来源”的 Prompt，B 层中该类平均引用数达到 15.90。
6. ChatGPT 在 B 层里更吃角色型 Prompt，平均引用数 7.95。
7. 英文对 Google 的提升最明显：11.57 vs 7.53。
8. ChatGPT 在 C 层里中文略高于英文：7.77 vs 7.03。
9. 模糊问题不会逼平台更努力搜索，D 层里模糊问题整体均值只有 9.97。
10. ChatGPT 面对多约束任务最保守，平均只引用 3.4 个来源。
11. 官网 + 新闻 + 行业垂类 占三平台来源的 79.12% - 87.52%。
12. 可识别国家中，US 来源占 82.70% - 86.76%；可识别语言中英文占 82.90% - 95.07%。
13. 被引用来源的中位 Final_DR 在 526 - 592 之间，说明高权威域名仍是候选池门槛。
14. 高影响力页面平均 1,943 词，低影响力页面仅 170 词。
15. 含数字、定义、对比、how-to 的页面平均影响力提升分别为 +61.55%、+57.33%、+55.28%、+41.20%。
16. 纯 Q&A 页面没有加成，平均影响力反而下降 5.74%。

十一、方法归因复盘：这些模式为什么成立

11.1 为什么长内容更强

不是因为 AI 天生偏爱长文，而是因为长页面能提供更多可切片的信息单元：

• 更多标题
• 更多段落
• 更多列表
• 更多子主题

这让模型可以在不同回答段落中重复使用同一来源的不同片段。

11.2 为什么“定义 + 数字 + 对比 + 步骤”最有效

这四类内容之所以强，并不是形式主义，而是因为它们最符合模型的搬运需求：

• 定义 解决概念锚定
• 数字 提供可验证事实
• 对比 提供结构化判断框架
• 步骤 提供直接可复用的操作顺序

11.3 为什么新闻高频但未必最深

新闻网站容易成为“发生了什么”的初始来源，因此很容易被列入候选池；但 AI 在真正组织答案时，往往还需要：

• 定义型页面
• 百科型解释页
• 结构化对比页

因此新闻频率高，不代表它对最终答案的贡献也最高。

11.4 为什么 Q&A 页面没占到便宜

很多团队会误以为“把内容写成问答”就天然适合 AI。数据说明并非如此。

Q&A 格式本身不构成优势，因为 AI 真正需要的是：

• 信息块清晰
• 证据密度高
• 结构化强
• 与问题高度相关

如果问答页没有这些东西，它只是“看起来像 AI 内容”，但不是真正高价值的 AI 引用页。

十二、面向 GEO 的实操建议

12.1 内容生产

优先写以下类型的页面：

• 定义清晰的解释页
• 含数字与证据的分析页
• 含对比结构的选择页
• 含步骤的 how-to 页

更实用的页面骨架通常长这样：

1. 开头直接定义主题
2. 给出 3-5 个关键数字或事实
3. 做一个结构化对比
4. 给出步骤或判断框架
5. 补充边界条件与适用场景

12.2 篇幅与结构

最稳妥的建议不是“越长越好”，而是：

• 目标篇幅至少 1000+ 词
• 至少 6-10 个清晰小节
• 小节标题尽量贴近用户可能会问的子问题
• 重点信息尽量列表化

12.3 分发环境

如果目标是先进入候选池：

• 优先权威域名或强垂类站点
• 优先英文与美区环境
• 优先官网、新闻媒体、行业垂类

如果目标是被深度吸收：

• 页面本身要有定义、数字、对比、步骤
• 标题与正文必须强对题
• 不要把所有信息压缩成一段“短总结”

12.4 平台化打法

• 面向 ChatGPT：写深度解释与证据整合页
• 面向 Google：强化标题关键词对齐与定义结构
• 面向 Perplexity：覆盖更多子问题，让页面适合被拆成多个答案片段

十三、开源时必须写清楚的 caveats

为了避免外部用户误读，这些 caveats 必须保留：

1. ChatGPT 搜索层只覆盖 587 个 Prompt，缺少 15 个 Prompt 输出。
2. chatgpt_results_with_prompt.csv 有 16 行重复表头，统计前必须清洗。
3. A_news 与 A_technology 在 ChatGPT 搜索层里原始命名为 Anews*、Atechnology*，需要归一化。
4. 国家(Country) 和 语言(Language) 存在大量 unknown / WW，所以地区与语言结论要注明“可识别样本口径”。
5. 网站类型 中存在少量噪声值，如 成功，公开仓库里应视为待进一步标准化的脏值。
6. llm_semantic_role 与 llm_influence_type 有少量超出预设 taxonomy 的长尾标签，应视为模型输出漂移，而不是正式标签体系的一部分。
7. 本仓库更适合作为一次静态研究快照，而不是实时监测系统，因为未在公开数据层保留统一采集时间戳。

十四、复现与导出

14.1 环境变量

公开版脚本已改为读取环境变量：

export OPENAI_API_KEY=...
export GEMINI_API_KEY=...
export DATAFORSEO_BASE64_AUTH=...
export AHREFS_API_KEY=...
export BATCH_API_TOKEN=...
export BATCH_API_BASE_URL=http://188.166.211.11:9000

14.2 常见重跑方式

重算影响力报告：

cd 03-pipeline
python3 analyze_influence.py \
  --input ../02-data/features_all_platforms_72.csv \
  --output ../04-repet/citation_influence_report.md

重导出长版 HTML：

cd 04-repet
python3 build_self_contained_html.py

14.3 本次长版报告的导出方式

本次长版文档导出链路为：

final_report.md
  -> build_self_contained_html.py
  -> final_report.html
  -> chromium --headless --print-to-pdf
  -> final_report.pdf

结论

如果把整份研究压缩成一句最终结论，那就是：

在 AI 搜索时代，最有价值的内容不是“最会写观点的内容”，而是“最容易被模型拆成定义、数字、对比、步骤并重组成答案的内容”。

从进入候选池到被深度吸收，这条链路至少由四件事共同决定：

• 站点是否足够强，能先被选中
• 页面是否足够对题，能通过语义筛选
• 结构是否足够清晰，能被模型抽取
• 内容是否足够像证据，而不只是观点

这也是本研究对 GEO 最实用的启发：

• 先解决“看得见”
• 再解决“用得深”
• 不要把 SEO for AI 理解成写一堆 AI 口吻内容
• 真正有效的是把页面做成高质量、强结构、强对题的证据容器