过去大半年，GEO 圈里流传着一句很顺口的话：页面质量分做到 0.70 以上，被 AI 引用的机会高 4.2 倍。不少团队直接把它当成 KPI，照着清单一条一条擦页面——补结构化数据、补日期、修标题层级、把段落写得更"方便机器读"。

最近有人真的去验证了这句话。结论是：分数更高的页面，反而更少被引用。不是效果打折，是方向反了。

「4.2 倍」是怎么来的

出处是一篇 2025 年 9 月挂上 arXiv 的论文（Kumar 与 Palkhouski），提出 GEO-16 框架：把页面拆成 16 项质量项——元数据与新鲜度、语义化 HTML、结构化数据等——打分归一化成 0 到 1 的 G 值。原文的结论是：G 在 0.70 以上且命中 12 项以上的页面，跨引擎引用率 78%，质量对引用的胜算比 4.2（95% 置信区间 3.1–5.7）。

问题出在样本。这篇论文看的 1,100 个 URL，全部是已经被引用过的页面。它真正比的是"被两个引擎引用的页 vs 只被一个引擎引用的页"，样本里根本没有"从来没被引用过"的页面。拿一个全是优等生的班级，证明不了"成绩好就能考上"。

传出去之后，「被引用页里质量分更高」被读成了「质量分高就会被引用」。

补上对照组之后，数字反了过来

另一家团队用 74 个候选页面、10 个提问，在 Google AI Mode 上做了一次预注册实验——先把要验的预测写死，再收数据：

  • 被引用的页面，质量分平均 0.55；同一批提问里没被引用的页面，平均 0.74。
  • 高分组（G 不低于 0.70）被引用的胜算比是 0.22——不是 4.2 的弱化版，是它的镜像。
  • 10 个提问里有 8 个出现了这个反转。

为什么会反：两个"评分表看不见"的赢家

  • Reddit 拿走了约 21% 的引用，权威品牌自有页面那一档拿走约 36%，两组加起来解释了大半落差。
  • 更关键的是测量单位错了：Reddit 的帖子在静态抓取下的质量分是 G=0.00。不是内容差，是论坛线程加客户端渲染让页面级评分直接失灵。你的评分表看不见它，却天天在跟它抢同一个位置。
  • 还有个容易忽略的坑：这次 ChatGPT 一侧的数据直接不可用——10 个提问里 6 个的引用界面出了问题，广告跳转（Criteo 重定向等）混进了和"官网"一样的页面结构里。作者的提醒很实在：任何 ChatGPT 引用导出，先滤掉广告跳转再统计。
  • 边界也得说清：74 个页面、10 个提问、一个引擎，作者自己也没把它当定论；论文原本那个更窄的结论（在被引用页里，被两个引擎引用的页质量分更高）这次没测出来，不算被推翻。

那评分表还能不能用

能用，但要换用法：

  • 当底线，不当记分牌。 结构化数据、日期、标题层级照做不误，只是别期待"擦干净就能被引"。
  • 把分数换成链路。 记下你被哪些页面引到、引在哪个提问上，比一个综合分有用得多。
  • 一次第三方信源覆盖，可能比把页面再擦亮一档更值。 二选一的话，这次的数据站在覆盖这一边。
  • 读任何"评分带来多少倍引用"的说法，先问一句：样本里没被引用的页面是从哪来的？ 全是已被引用的 URL，就只能比被引多少次，证明不了会不会被引。

质量分不是没用，它只是被当成了地图。真正决定你出现与否的，往往是别人怎么谈你，以及那个位置上已经站着谁——这两件事，一张页面评分表都答不了。