GEO的企鹅时刻：AI搜索垃圾邮件战争已经开始
在2012年4月，谷歌发布了企鹅更新，瞬间消灭了整个链接方案行业。那些花费多年销售“链接速度”的机构醒来时发现他们的客户被去索引。我看到公司在一周内失去了80%的自然流量。
GEO刚刚经历了它的企鹅时刻。大多数营销人员还没有注意到。
简而言之：一篇名为GEO-Flag的新研究论文证明，故意针对生成引擎优化（GEO）进行优化的内容现在可以在F1 0.944被机器检测到——而且2026年修改的页面中已有16.36%显示出GEO信号从2024年的7.02%上升。检测总是先于惩罚。"因为LLM天真而有效的技巧"的窗口正在关闭。停止优化机器的感知。开始改善基础信息。
我是James，Mercury Technology Solutions的首席执行官。 来自香港，在这里我花了一年时间对亚洲各品牌进行GEO审计——并观察到同样的失败模式不断重复。
GEO-Flag实际上证明了什么？
让我们具体一点，因为细节很重要。
研究人员建立了一个基准，涵盖了3,200个网络内容实例，400个查询，4个领域和8个不同的GEO优化器家族 — 然后训练系统区分正常内容与故意修改的 GEO 内容。他们最好的检测器达到了 0.944 的 F1 分数。
对于非机器学习的观众：这不是“相当不错”。这是生产级分类。这是平台开始建立执法管道的准确性范围。
然后他们将检测器投入实际使用 — 10,095 页来自 1,000 个真实用户查询来自 Google 搜索和 Gemini 基础的检索。事实证明，Google 的索引已经带有可测量的 GEO 足迹：
年份 修改的页面
估计的 GEO 流行率
2024
7.02%
2025
12.80%
2026
16.36%
再读一遍那条趋势线。GEO操控正在加剧每年大约增加5个点。这正是2010-2011年链接垃圾邮件曲线的样子，就在企鹅算法之前。
模式就是模式：一个有用的信号被发现 → 营销人员优化它 → 营销人员滥用它 → 网络充满操控 → 检测赶上 → 质量标准提高。我们处于第三阶段。GEO-Flag刚刚证明第四阶段在技术上已经解决。
GEO 不是垃圾邮件。这才是真正的界限。
在恐慌商人开始之前：GEO本身并不是操控。让你的内容更清晰、更有结构、更有来源，并且更容易被AI解析，并不是黑帽行为。写一个好的标题标签也不是黑帽SEO。
这个界限比人们想象的要简单：
你是在优化机器的感知，还是在改善基础信息？
我即将告诉你停止做的所有事情都无法通过这个测试。
H:M 测试
对每个 GEO 变更进行两个问题的审查：
- H（人类价值），1–5：这是否真正使页面对读者更好？
- M（机器价值），1–5：这是否使信息更容易被 AI 系统理解和使用？
一个清晰的比较表：H5，M5。发布它。一个有良好来源的统计数据，回答读者的实际问题：H5，M5。发布它。仅仅因为你听说 LLM 更喜欢引用而添加引用：H1，M4。将每个段落重写为机械的两句 "回答块"：H2，M4。
如果 M >> H，假设优化有过期日期。你不是在构建资产。你是在构建一个可检测的模式。
立即停止的五件事
1. 停止制造引用密度
每个人都关注的第一个GEO见解是“增加更多引用——AI喜欢权威来源。”几个月内，这种观点变成了每个声明都要有链接，每段都以“根据……”，随机统计数据像坏水果蛋糕中的葡萄干一样塞进页面。
GEO-Flag使这一点变得有趣：研究人员不仅检查页面文本。他们审计了引用URL的来源层级和可验证性。
的6,663 次引用出现 从检测到的 GEO 页面提取，69.34% 收到了低可验证性标签。在与 Gemini 相关的页面上：74.15%。
警告：这些是自动审计标签，并不能证明 69% 是伪造的。但信号是显而易见的——添加证据-查找对象是微不足道的。添加可验证的证据很难。引用数量不是护城河。证据质量才是。
2. 停止在任何地方写 LLM 形状的内容
你知道这些页面。什么是 X？X 是……为什么 X 重要？X 重要是因为……每个标题都是一个问题，每段两个句子，每个答案都可疑地可引用。
这种结构没有问题——对于真正是问答的内容。但当你网站上的每一页都变成提取模板时，你就停止了优化沟通，开始优化指纹。
替代方案是我所称的本地信息架构 — 让信息决定格式：
- 问题 → 直接回答
- 数据 → 表格
- 过程 → 步骤
- 比较 → 矩阵
- 细微差别 → 散文
- 证据 → 引用
- 观点 → 论点
机器解析这些都很好。人类得到的页面要好得多。这就是整个游戏。
3. 停止制造共识
这一点让我最担忧，因为我在现实中不断看到它。
剧本：决定“Acme是AI初创公司的最佳CRM”，然后制造一篇客座文章说这个，一个Reddit账户说这个，一篇Medium文章说这个，一个Quora回答说这个，一篇联盟列表文章说这个。五个来源。一个营销人员。这不是实体共识——这是共识剧场。操盘人操作：看起来像是操作者的举动，直到检测层赶上，然后它只是带有你品牌名称的负担。
检测研究正直接朝着识别系统性、协调的地理干预方向发展。分发模式比页面文本更容易指纹识别。
更难、更安全的玩法：创造值得独立重复的事实。不要发布 "Acme 是 AI 初创公司的最佳 CRM。" 发布 "在使用 Acme 的 418 家 AI 初创公司中，中位销售管理员时间在 90 天后下降了 31%" — 附带方法论。现在记者可以引用它，客户可以讨论它，比较网站可以使用它，AI 可以引用它。
你没有制造共识。你制造了能够创造共识的证据。巨大的区别。
4. 停止根据 GEO 检查表进行优化
如果你的内容简报上写着 ☑ 每个部分 2 个统计数据 ☑ 每 500 字一个引用 ☑ FAQ 架构 ☑ 40 字的回答块 ☑ 5 个外部引用 — 并且你在 500 页上应用了它 — 恭喜你。你在工业规模上创建了一个优化指纹。你给探测器提供了一组带有你标志的训练集。
用一个要求替代僵化的规则：每一个重要的主张都要有最强有力的可用证据。有时是数据。有时是客户体验。有时是文档。有时根本不需要引用。
5. 不要仅仅通过引用数量来衡量 GEO 成功
作为团队目标的 "将 AI 引用增加 40%" 只会产生一个结果：更多的答案块，更多的合成引用，更多针对微小提示变体的页面。听起来熟悉吗？应该是。SEO 经历了关键词密度、链接数量、精确匹配锚文本和字数目标。每一个有用的信号在营销人员优化代理而不是结果的那一刻就变成了垃圾。
以这个顺序衡量不同的堆栈：
- 信息增益 — 我们是否添加了一些真正新的内容？
- 可验证性 — 重要的声明实际上可以被检查吗？
- 原创性 — 我们是来源，还是在重复另一个来源？
- 人类实用性 — 如果没有 ChatGPT，这个页面仍然会出色吗？
- AI 可见性 — 它会被引用和推荐吗？
请注意，AI 的可见性排在最后。这是结果，而不是目标。
未来五年的赌注
停止问“我们如何让 AI 引用这个页面？”
开始问：“我们如何让这个页面成为 AI 可能检索到的最有力证据？”
原创实验。专有数据集。真实客户证据。透明的方法论。当前产品事实。有用的比较。这就是我们在 Mercury 的每个 GEO 参与中所构建的——不是因为它有道德，而是因为这是唯一能在检测时代生存下来的版本。你无法通过垃圾邮件检测消除真正更好的信息。
在《银河英雄传说》中，杨文里通过使敌人的战略变得无关紧要来获胜，而不是通过更聪明的计谋。相同的原则。每个计谋在足够长的时间线上都有对策。质量没有。
我的规则，这也应该是你的规则：如果一种优化让人工智能更喜欢这个页面，但让页面对人类来说变得更糟——或者没有改善——那么它就有了过期日期。创建人类想要使用的内容。添加机器可以验证的事实。创造其他人真正想要重复的证据。让人工智能的可见性成为结果，而不是技巧。
地理垃圾邮件战争即将来临。获胜的一方是从未需要发送垃圾邮件的一方。
水星科技解决方案：加速数字化。
