搜索引擎时代，做优化的人只盯一件事：让某一个页面排上去。到了 AI 答案时代，这条经验第一次出现明确裂缝——上海科技大学创意与艺术学院田政课题组的一项研究，把「优化单个页面」和「把一组页面组织成证据环境」放进同一套实验比了一次，差距不小。成果以《EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents》为题发表于 NeurIPS 2026。

智能体不是读一页，是走一条路

传统 GEO 的默认前提是：把一个页面改好，让它更容易被检索、被引用。这个前提在「问一句、答一段」的场景里基本成立。

但带浏览能力的搜索智能体不这么干活。它不会接过一次检索结果就用，而是自己发起多轮「搜索—浏览—再搜索—再浏览」，沿途挑证据，最后综合成答案。影响它最终判断的不是一个静态页面，而是一条不断演化的信息获取轨迹。 换句话说，被排进去只是起点；它会不会继续往下翻、翻到哪、翻到信不信，才是分胜负的地方。

三组数据集：67.2%、71.9%、73.9%

团队搭了一个开放式商品推荐基准 OPR-Bench，从三个公开数据源筛出 3124 组「查询—商品对」，每个查询配一个形式真实但现实中不存在的商品，再在受控环境里给它建一套信息环境（这属于 AI 安全研究，目的是观察环境级信息操纵，不是在真实互联网上放假信息）。

他们提出的方法叫 TRACE——轨迹感知的协调证据生态系统，核心就一句：围绕同一个对象，铺一组角色不同、口径一致的页面，并用内部链接和跨页面引用把它们连起来。

在 GPT-5.1 上，TRACE 在三个数据集上的目标推荐率分别是 67.2%、71.9%、73.9%，比各数据集最好基线高出 31.3、15.7、14.9 个百分点。对照组里，传统单页面 GEO 方法并没有稳定赢过「什么都不改」的单页面基线。

过程更值得看：用了 TRACE 之后，智能体更频繁地回到它第一次看到的目标结果，更容易围绕这个对象主动发起新的针对性搜索，并且只有 TRACE 这一组出现了明显沿内部链接继续浏览的行为。

链条是五步，不是一步

论文把这套影响拆成一条链：初次发现 → 针对性搜索 → 链接跳转 → 多源证据积累 → 最终判断。每一步都得有页面接得住，断一环，后面的积累就无从发生。落到品牌自己能动手的地方，就是这几件事：

  • 同一核心属性，多个页面口径一致。 名称、规格、适用人群、价格条件各说各话，智能体越翻越犹豫。
  • 给页面分工。 概览页讲清楚是什么，参数或规格页给可核对的细节，对比页回答「和谁比」，第三方评测与问答页提供外部视角——角色不同，说的必须是同一件事。
  • 让页面之间连起来。 孤岛式的单页很难把智能体留在这套信息里，链接是它继续往下走的通道。
  • 顺手查一遍第一跳。 从品牌被首次提到的那条结果出发，看顺着链接能走到几个互相印证的第二页面。走不到第三个，基本还停在单页优化。

需要说明的是，研究对象是受控环境里的虚构商品，结论更适合当方向看，不是效果承诺；它测的是智能体在一条轨迹上的行为，不是某个页面的排名。但方向足够清楚：当引擎开始自己翻页，竞争的计量单位就从「一个页面」变成「一整套能被顺着走的证据」。