把近两年，与GEO、AEO、AI搜索有关的论文，全部下载了下来，一共41篇

依次读了下，有不少新的理解和启发

41篇论文已全部推送到GitHub仓库，欢迎下载，地址见文末

一些关键洞察分享：

1、GEO不是SEO的替代品

SEO解决的是能不能被检索、被收录、进入候选集

GEO解决的是，进入候选集之后，能不能被 AI 答案引用、吸收、呈现，两者是叠加关系

2、传统搜索看排名，AI 搜索看答案参与度

过去的问题是：我排第几？

现在的问题变成：我有没有被引用？引用位置在哪里？我的内容有没有真正影响答案？用户还会不会点进来？

3、“被引用”不等于“有影响”

有些来源只是挂在 citation 里，实际AI的答案几乎没用它

真正重要的是 citation absorption：你的内容是否贡献了定义、数据、比较、步骤、论据或答案结构

4、GEO的核心不是把文章改成 FAQ

多篇论文都显示：Q&A 格式本身并不稳定有效

真正有效的是“证据容器”：结论清楚、结构清楚、事实密度高、语义对齐、可验证、可抽取

5、AI更喜欢结构化的内容

标题层级、分段、列表、表格、语义 HTML、结构化数据、更新时间、元数据等等，都会影响AI是否理解、引用和吸收你的内容

内容结构本身就是GEO信号

6、单次AI搜索测试没有决策价值

同一个问题，在不同平台、语言、提示方式、时间、模型版本下，结果都可能变

GEO监测必须重复跑，并记录 citation count、citation depth、answer share、position 和稳定性

7、不同AI搜索引擎不是一回事

ChatGPT、Google AI Overviews、Perplexity、Gemini 的引用逻辑差异很大

有的引用广，有的引用少但吸收深 所以 GEO 不能只测一个平台

8、第三方权威比品牌自说自话更重要

AI搜索明显偏好earned media、权威媒体、测评、百科、行业报告、可信第三方来源

品牌官网很重要，但还不够

品牌要同时建设站内证据和站外权威

9、GEO 和黑帽操纵的边界很清楚

优化结构、证据、可读性、事实密度，是白帽

隐藏指令、prompt injection、虚构事实、抹黑竞争对手、诱导模型排序，就是黑帽

AI搜索优化一定会带来新的安全治理问题

但对于品牌而言，从一开始就坚持白帽GEO，一定是可以持续、健康的正道

10、最终，GEO 不是一个技巧，而是一套系统化的能力

它包括：意图研究、证据资产、结构化内容、第三方权威、多平台监测、稳定性评估、安全边界

谁能持续建设这套系统，谁才会在 AI 搜索里长期可见

41篇相关论文GitHub地址： https://github.com/yaojingang/geo-citation-lab/tree/main/02-geo-aeo-ai-search-papers…

yaojingang/geo-citation-lab

Source: https://github.com/yaojingang/geo-citation-lab

GEO Citation Lab

GEO Citation Lab 是一个面向 GEO 研究的公开资料仓库，后续定位为：

• GEO 实验数据报告：基于 ChatGPT、Google AI Overview / Gemini、Perplexity 的搜索触发、引用来源与页面吸收研究。
• GEO / AEO / AI Search 论文合集：持续收纳生成式搜索、AEO、GEO、AI 搜索引用机制与操纵风险相关论文。

仓库不只保存观点文章，而是把可复查的数据、脚本、报告和论文资料放在同一个入口下，方便做二次分析、引用和后续扩展。

Start Here

Live Site: https://yaojingang.github.io/geo-citation-lab/

仓库结构

实验数据报告 Snapshot

实验部分主要回答三个问题：

• 什么样的问题最容易触发 AI 去联网搜索？
• AI 搜索最爱选择什么样的来源网站？
• 什么样的页面会被 AI 深度吸收，而不只是“挂名引用”？

普通用户可以先看 QUICK_REPORT.md，想看完整论证再读 final_report.md 或 final_report.pdf。

论文合集 Snapshot

新增论文合集来自 GEO_AI搜索_AEO_论文合集，原始批次目录已按分类合并为 7 个主题目录，共 41 篇 PDF：

论文合集的完整清单见 02-geo-aeo-ai-search-papers/README.md。源目录中两份 GEO_AI搜索_AEO_论文整理说明.docx 内容相同，本仓库按 SHA-256 去重保留一份，并保留原始 论文清单.csv。

如何阅读

1. 先读 01-geo-experiment-data-report/QUICK_REPORT.md，快速理解实验结论。
2. 再读 01-geo-experiment-data-report/04-repet/final_report.md，查看完整方法、图表和章节论证。
3. 打开 01-geo-experiment-data-report/02-data/features_all_platforms_72.csv，筛选你关心的字段。
4. 阅读 02-geo-aeo-ai-search-papers/README.md，按主题进入论文 PDF。

公开仓库运行方式

本仓库已将脚本改为从环境变量读取密钥，避免把私钥直接放进 GitHub。

cd 01-geo-experiment-data-report
cp .env.example .env

常见重跑方式：

cd 01-geo-experiment-data-report/03-pipeline
python3 analyze_influence.py \
  --input ../02-data/features_all_platforms_72.csv \
  --output ../04-repet/citation_influence_report.md

cd 01-geo-experiment-data-report/04-repet
python3 build_self_contained_html.py