什么是 GEO 证据

GEO 证据是支持页面中重要判断的信息。它可以是官方文档、标准规范、原始研究、公开数据、真实案例、产品演示、访谈记录或自己的实验。 证据的作用不是让文章看起来“引用很多”，而是帮助读者和 AI 搜索系统判断哪些话是事实、哪些话是推论、哪些话只是实践建议。

AI 搜索在生成答案时会压缩内容。如果页面中的判断没有来源、条件和范围，压缩后更容易变成绝对化结论。 例如“加上 llms.txt 就会被引用”比“llms.txt 可以作为 AI agent 的站点导览，但不能保证搜索引用”更容易造成误解。

搜索质量文档可以帮助编辑识别哪些信息需要更强的信任基础，例如健康、财务和安全等高风险主题；它不等于公开的排名公式。 阅读 Google 搜索质量评估指南时， 应把它当作评估框架，而不是用来宣称某个页面已经获得平台认可。

先把结论分成四类

结论类型例子优先证据
规则某个文件或平台功能如何工作。官方文档、标准规范、产品说明。
效果某种页面改动是否提高引用机会。研究、数据、前后对照实验。
事实某个产品有哪些功能、某个版本何时发布。一手产品页面、版本记录、公开资料。
建议小团队应该先做哪些页面。明确决策标准、假设和适用条件。

建立一张证据地图

  1. 列出文章中所有会影响读者决策的判断，不只标记统计数字。
  2. 给每个判断标注类型：规则、效果、事实或建议。
  3. 为规则和事实寻找最接近的一手来源，避免优先引用二手总结。
  4. 为效果类判断写清楚样本、时间、平台、改动和限制。
  5. 把证据放在读者刚好需要的位置，而不是全部堆在文章末尾。
  6. 记录来源访问日期和页面更新时间，定期检查链接和结论是否过期。

证据地图应该保存哪些字段

只保存一个“参考链接”列通常不够，因为几个月后很难判断它原本支持哪句话。建议给重要判断分配稳定编号， 并把结论、来源、支持片段和边界放在同一行。写长篇研究综述时，UNC Writing Center 的文献综述指南也强调按问题组织与综合来源，而不是逐篇堆摘要。

字段示例为什么需要
Claim IDstructured-data-claim-03让正文、审稿记录和机器版本指向同一判断。
结论原文“有效 JSON-LD 不保证富媒体结果。”避免来源被错误借给相邻句子。
类型平台规则 / 效果 / 事实 / 建议决定应该寻找哪种证据。
来源与片段URL、章节标题、原文摘录。让复核者能定位，而不只打开首页。
范围与冲突适用 Google；Bing 未核验；另有相反研究。防止跨平台和跨样本外推。
访问与复核日期2026-09-19 / 2026-10-19为平台文档变化安排复查。

证据强度如何分层

证据强度不是绝对排名，而是与问题匹配程度的判断。一条官方文档很适合说明平台公开规则， 但不能单独证明某种内容结构一定带来更多引用；一个小样本实验可以说明观察到的趋势， 但不能直接推导所有行业和平台都会重复同样结果。

层级证据来源可以支持什么不能直接支持什么
A官方文件、标准、原始数据。公开规则、字段含义、产品行为说明。跨平台的长期效果保证。
B同行评审研究、大样本数据、可复现测试。在明确条件下的趋势和关联。对所有行业、地区和时间的绝对结论。
C案例、访谈、团队复盘。实践路径、可能的问题和可借鉴做法。普遍因果关系。
D个人经验、未复测观察。提出假设和实验方向。“一定有效”的操作建议。

选来源时问五个问题

  1. 接近原始事实吗：平台规则优先找官方文档，研究结论优先找论文或原始数据，避免引用转述的转述。
  2. 真的支持这句话吗：标题相关不代表正文支持；保存具体章节、表格、字段或原文片段。
  3. 条件一致吗：核对产品、版本、语言、地区、样本和时间，不把英文平台测试直接套到全部中文场景。
  4. 利益关系清楚吗：产品方适合说明自身功能，但效果比较还需要独立数据、方法与限制。
  5. 还能复核吗：记录访问日期；动态页面、仪表盘和易变答案应保存获准公开的快照或导出。

引用应该如何写

弱表达

“只要配置 llms.txt，AI 搜索就更容易引用你。”

更稳妥的表达

“llms.txt 可以为 AI agent 提供站点重点页面和内容说明，但它不能替代可抓取性、索引基础、正文质量和权威来源。是否被引用需要按平台和问题集复测。”

来源放在哪里

来源位置应该帮助读者理解，而不是打断阅读。规则类引用可以紧跟在规则后面，数据类引用可以放在数据所在段落或表格下方， 实验类内容应该同时提供测试方法和原始记录入口。文章末尾可以有完整来源列表，但不能只把所有链接堆到那里。

如果一段话包含多个不同判断，最好拆开并分别标注来源。一个链接不应该被用来“覆盖”整段没有关系的结论。 这种拆分也能让 AI 更准确地把来源和事实对应起来。

多个来源冲突时怎么写

不要默默挑选最符合预期的一条。先检查它们是否研究了不同产品、时间、样本或指标；如果条件不同，就分别陈述。 如果条件相近但结论相反，应公开冲突，说明当前证据不足，并写出需要什么新数据才能区分解释。

冲突写法示例

“研究 A 在英文商业查询中观察到引用增加；案例 B 在中文教程问题中没有观察到变化。由于平台、语言、样本和时间不同，现有材料不能支持统一效果结论，本站将其视为待复测假设。”

如何维护过期证据

  • 每个来源保存标题、URL、访问日期和支持的具体结论。
  • 平台规则变化后，重新检查文章中所有依赖该规则的段落。
  • 实验结果增加新版本时，保留旧版本条件，不要直接覆盖历史。
  • 失效链接优先替换为原始文档，不要只换成另一个二手总结。
  • 对于无法重新验证的结论，降低措辞强度，并明确不确定性。

第一方实验与外部案例要多一道门

自己的网站实验应保存基线、页面版本、改动、观察窗口、原始输出和未控制变量。外部案例还需要确认提交人有权提供材料、 哪些数据可以公开、哪些信息必须匿名，以及对方是否同意页面和截图的使用范围。没有授权或原始数据时，可以把材料作为选题线索，但不能发布成“已验证案例”。

ZenLeak 的 外部案例采集与授权模板把数据复核与公开授权分开记录；实验室则把技术访问、平台发现、搜索收录和 AI 引用分层，避免用一个成功状态覆盖整条链路。

常见问题

每句话都需要加引用吗？

不需要。重点是为影响判断、包含事实、数据、规则或效果承诺的句子提供匹配证据。

官方文档是不是永远比案例更好？

不一定。官方文档适合说明规则，案例适合说明实践过程。关键是证据要支持你正在说的那类结论。

没有数据就不能写 GEO 教程吗？

可以写，但要把文章定位成概念解释、操作建议或待验证假设，不要把经验写成已经被证明的效果规律。

AI 生成的内容能作为证据吗？

AI 输出本身通常不是一手证据。它可以帮助整理问题和发现线索，但重要事实仍应回到原始来源或可复核实验。

找不到支持结论的来源怎么办？

缩小或删除结论，或者明确标为待验证假设并给出验证计划。不要用主题相关但不能支持原句的链接填空，也不要让 AI 生成一个看似合理的出处。

证据检查清单

  • 是否识别出文章中真正影响决策的重要判断。
  • 每个判断是否匹配了规则、效果、事实或建议类型。
  • 是否优先使用官方文档、标准、原始研究或一手资料。
  • 效果类结论是否写明样本、时间、平台和限制。
  • 来源是否放在读者能理解对应关系的位置。
  • 是否记录访问日期，并安排后续更新和失效链接检查。
  • 来源冲突、缺失数据和未知状态是否被保留，而不是被平均或隐藏。
  • 外部案例是否同时具备可复核数据与明确公开授权。