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。

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。

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。

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。

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。

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。