写内容的人必看：改三处写法，在 AI 答案里被引用的机会多 41%

Aggarwal, Murahari et al. · Princeton 等 · KDD 2024

上一期 AI 洞察里，18 年 SEO 老兵 Ethan Smith 给了一套 AEO 实操打法——但「什么样的内容更容易被 AI 引用」，当时靠的全是从业者经验。这一期看证据：普林斯顿等四家机构的研究者拿一万个真实问题做了对照实验，把答案量到了小数点——给论断附上信源、加进统计数据、引用权威原话，能见度最多提升 41%；而 SEO 时代最灵的关键词堆砌，是九种写法里唯一让你变差的那个。

先解决一个测量问题：「被看见」怎么量？

做实验得先有尺子。传统搜索的能见度好量——你排第几就是第几。但答案引擎把几个来源的内容揉进一段话里，「排名」失去了意义。论文提出的替代尺子，白话讲就是两问：答案里有多少句话是从你家搬的？搬得靠不靠前？这把尺子的学名叫「位置加权词数」——你贡献的词越多、出现越靠前，得分越高。另有一把「主观印象」尺子，让模型从相关性、影响力、独特性等七个维度打分，作为交叉验证。

尺子有了，实验就直白了：一个问题，五个来源网页，随机挑一个用某种写法改写，其它四个不动，看被改写的那家在答案里的份额变了多少。每种写法在一万个问题上重复，跑五遍取平均。论文的主图把这个过程画成了一个披萨店的故事：

问「纽约有什么好玩的」：优化前（左），披萨网站灰在角落里，答案末尾才轻轻带过一句；按配方改写后（右），同一个网站的内容跳到了答案第一句——「先去尝尝纽约风味披萨当早餐」。内容没变多少，写法变了。图：GEO 论文 Figure 1 · arXiv:2311.09735

九种写法的成绩单

研究者测了九种网站主可以立刻上手的改写：有的动风格（更流畅、更通俗、更权威），有的加内容（补数据、附信源、引原话），还有一种是 SEO 的祖传手艺——往文里塞关键词。成绩单如下：

九种写法在一万个问题上的能见度变化（位置加权词数，相对无优化基线）。前三名的共性一眼可见：引言、数据、信源，全是「可核实的确定性」——给了模型敢直接搬运你原话的理由。数据：GEO 论文 Table 1，五次运行平均。

头名「加权威引言」值得展开：它不是让你自吹，而是在内容里引用可信来源的原话——专家怎么说、报告怎么写。第二、三名同理：把「瑞士人很爱吃巧克力」改成「瑞士人均年消费巧克力 11-12 公斤（据国际巧克力组织调查）」，论文附录里这一个改动让来源能见度涨了 132%。模型转述世界时喜欢有把握的句子，你把把握递到它手里，它就搬运你。

两个反直觉的次要发现。其一，「语句更流畅」这种纯文字打磨也能涨 28%——答案引擎不只看你说了什么，还看你说得顺不顺，写作水平第一次直接变成了分发变量。其二，「语气更权威」几乎无效（+10%，且主要涨在主观分上）：模型对「装腔」已经相当免疫，它认的是证据的形状，不是嗓门的大小。

唯一的输家，恰好是 SEO 的祖传手艺

成绩单最底下那根红条要单独说。关键词堆砌——把用户可能搜的词尽量塞进正文——是搜索时代验证过二十年的手艺，在这场实验里是九种写法中唯一低于基线的：能见度 −8%。换到真实产品 Perplexity 上重测，还是垫底：

走出实验室：在真实部署的 Perplexity 上重跑实验，结论复现——加引言依然最强（+22%），堆关键词依然为负（−10%）。「加统计数据」在主观印象尺上冲到了 +37%。数据：GEO 论文 Table 5。

为什么反噬？搜索引擎靠关键词匹配找你，多塞词等于多买彩票；但答案引擎里坐着一个读得懂内容的语言模型，塞满关键词的文字在它眼里就是——难读。这给上期 Ethan「SEO 有效的在 AEO 也有效」的判断补了一个精确的修正：内容层面成立（好落地页两边都赢），技巧层面不全成立（专为爬虫准备的花招，会被会读书的模型反手扣分）。

最惊人的数字：排名第五的网站 +115%

论文里藏着一个比「+41%」重要得多的数字。研究者按网页在 Google 的原始排名拆开看：同样的优化，对排第一的网站和排第五的网站，效果天差地别——方向都是反的：

当所有来源都做优化时，「附上信源」这一种写法对不同搜索排名网站的能见度影响：原本排第五的网站暴涨 115%，原本排第一的反而跌 30%——答案引擎重新分配了注意力。加引言（+99.7%）、加数据（+97.9%）对第五名的效果同样接近翻倍。数据：GEO 论文 Table 2。

这组数字的含义，论文作者自己点破了：传统搜索的头部位置靠域名权重和外链堆出来，小站几乎无法翻身；而答案引擎的模型只读内容本身——外链、域名年龄这些护城河，在一段被投喂给模型的正文里统统不可见。小创作者第一次和大公司站在了同一条起跑线上，比的只剩谁的内容更值得引用。上期 Ethan 从实战里得出「早期公司在 AEO 反而有机会」，这里是同一结论的实验版——两条完全独立的证据链，指向同一个判断。

组合拳：流畅 × 数据是最佳搭档

真实世界里没人只用一招。研究者把前四名写法两两组合重测，得到这张热力图——它也是论文里信息密度最高的一张图：

对角线（虚线框）是单打独斗，其余是两两组合。颜色最深处是「流畅 × 数据」（+35.8%）——文字打磨与硬证据互补，胜过任何单招。另一个细节在「信源」那行：它单用最弱（+19.1%），但与别人搭配平均能到 31.4%——信源是放大器，不是主攻手。数据：GEO 论文 Figure 4 · arXiv:2311.09735 · 本站按原始数值重绘

领域差异也要记一笔：辩论、历史类问题里「权威语气」突然变灵，法律与观点类问题最吃「统计数据」，讲人物与社会的内容最吃「引言」。没有万能配方，先判断你的内容属于哪类问题的答案，再选主料。

把配方翻译成动作

把整场实验浓缩成三件今天就能做的事：

每个关键论断，给出处「研究表明」不算数——哪个研究、谁做的、原话怎么说。引言和信源是能见度最强的两味主料，也是模型敢引用你的凭据。
把形容词换成数字「增长很快」→「同比增长 217%」。定性改定量这一个动作，实验里稳定贡献 30% 上下的提升，对法律、观点、商业类内容尤其猛。
为读者写，别为爬虫写通顺、好读本身就值 +28%；反过来，专为机器塞的关键词会被扣分。答案引擎时代第一次出现了这样的对齐：对人类读者好的写作，就是对分发最优的写作。

也要把论文自己交代的局限搬过来：实验用的生成引擎会进化，今天的配方需要像 SEO 一样持续重测；基准里的问题分布会过时；实验也没有回答「这些改动对传统搜索排名有没有副作用」——作者的判断是影响很小，因为改的只是正文文字，不动外链和域名。

一篇教你被引用的论文，自己成了被引用最多的那个

回头看，这篇论文最妙的地方是它的命运本身。2023 年 11 月，ChatGPT 才发布一周年，几个研究生就赌这个方向值得建基准、下定义——两年后，AEO 成了增长圈最热的词，而全网几乎每篇教程都在引用它的数字：40%、一万个问题、关键词堆砌无效。一篇教大家「被 AI 引用是有配方的」的论文，靠着自己的配方（下定义、给数据、可核实），成了这个领域被引用最多的内容。

这也是我们把它做成这一期的原因：上期的播客给了打法，这期的论文给了打法背后的物理学。你现在读的这篇文章，图注里每个数字都标了出处——按配方说，这叫 Cite Sources。我们也在按实验结果写作。