你的内容会被AI引用吗？用GEO可见性模拟器在发布前算清三项得分

摘要：这款模拟器把你的内容和竞品丢进一个引用竞争沙盘，用一条源自KDD 2024 GEO论文的公式Vis = Word（35%）+ Pos（35%）+ Overall（30%）打分，跑多轮蒙特卡洛取平均，输出可见性得分与排名。

这次更新补了什么：我直接对它的后端接口打了一百多次桩，拿到几个必须说清楚的数字——同一份内容一字不改连跑十次，得分在2到39之间跳；一段纯停用词堆砌出来的废话，相关性打败了真正对题的中文内容；把竞品复制五份丢进去，你的分纹丝不动；用中文弯引号写的引用，质量信号一分不给。下面把公式拆开、把这些实测摆出来，再讲清楚这个分数在什么范围内可以信。

发出去才知道有没有被AI引用，是不是太晚了？

做GEO最折磨人的一点，是反馈周期长得离谱。你精心改了一篇内容，满心期待它能被ChatGPT、Perplexity引用，然后呢？只能等。等AI重新抓取、等索引更新、等下一次有人问到相关问题，再去一条条试问、看自己有没有被提到。

一轮下来几周过去，结果往往是还是没被引用，而你根本不知道问题出在哪——是相关性不够？质量信号太弱？还是被竞品压着？这种发了才知道、知道了也说不清原因的盲目，是GEO落地最大的效率黑洞。

传统SEO至少还有排名工具能天天看名次，GEO的被引用却像开盲盒。这款模拟器要解决的，就是把盲盒提前拆开：在你点发布之前，用一套确定的算法模拟内容在AI回答里抢引用的过程，告诉你大概排第几、三项指标各拿多少分、短板在哪。

它不是水晶球。这篇文章的后半段会用实测数据说明，它给出的那个数字比你以为的要软得多。但先把公式讲清楚，才谈得上判断哪一部分能信。

Vis = Word + Pos + Overall这条公式在算什么？

三个指标分别衡量什么

整个模拟器的灵魂，是一条把可见性拆成三个可计算分量的公式。一篇内容在AI回答里的最终得分，由三部分加权而成：

Vis = Word得分 × 35% + Pos得分 × 35% + Overall得分 × 30%

Word（引用篇幅，权重35%）：你的内容被AI引用时，贡献了多少文字、占整段回答的比例。被引用一句话和被引用一整段，价值天差地别。

Pos（引用位置，权重35%）：你被引用时，出现在AI回答的开头还是末尾。开头的引用被用户看到、采纳的概率远高于末尾。

Overall（内容质量，权重30%）：抛开模拟过程，你的内容本身硬不硬——有没有引用来源、统计数据、结构化标题、FAQ。这是一个静态的信号分。

三者各有侧重：Word和Pos是在竞争中的实际表现，Overall是内容底子。三项加权，得到一个0到100的总分。这套拆法的名字来自学术界对生成式引擎可见性的量化研究，但名字对得上不等于算法对得上，这一点后面会专门核对。

完整算法流程

模拟器从输入到出分，走的是这样一条流水线：

第一步，分词与相关性。把查询词和每篇文档都做分词，构建词频向量，再用余弦相似度算出每篇文档与查询的相关性sim。

这里要先纠正一个容易望文生义的说法：余弦相似度算的是词频向量的夹角，不是语义。它衡量的是两段文字用了多少相同的字词，而不是它们表达的意思有多接近。这个区别在中文场景下会造成很大的偏差，后面有专门的实测。

第二步，质量打分。对每篇文档算一个0到100的质量分quality，统计引用来源、数字、引号、标题、列表、FAQ、字数等信号。

第三步，多轮引用模拟。按sim降序排好检索顺序，然后跑多轮（默认5轮）模拟。每一轮里，每篇文档按一个引用概率决定这次被不被引用，被引用就累计它贡献的词数和位置。

第四步，聚合成Vis。多轮跑完，把每篇文档的平均引用篇幅、平均位置得分、质量分，按35%、35%、30%加权，算出最终得分并排名。

引用概率公式拆解

决定一篇文档这一轮被不被引用的，是这样一个概率：

prob = sim × 1.8 × 质量因子 − 排名位次 × 0.08 + 随机扰动

其中质量因子由quality换算而来，落在0.3到1.0之间；排名位次是这篇文档按sim排序后的次序，越靠后扣得越多；随机扰动是一个正负0.15之间的随机数。最后的结果被夹在0.05到0.95之间。

这个式子里有两处值得留意。第一，相关性和质量是相乘关系，sim太低时质量再满也被压制，所以先对题、后扎实的优化顺序是有依据的。第二，那个正负0.15的随机扰动看着不大，但它叠在一个本身就不高的概率上，影响会被放大——这正是后面那组波动数据的来源。

位置调整词数：为什么被早引用比被多引用更值钱

Pos这一项用的是指数衰减：一篇文档被引用时的位置越靠后，它这次引用的价值就按e的负指数往下打折。排在第一位的引用拿满权重，排在第三、第四位的引用即使篇幅一样，折算下来也少得多。

这个设计对应的是一个在传统搜索里被反复验证的现象：用户的注意力集中在顶部，越往下看的概率掉得越快。放在AI回答里同样成立——被引在开头的来源，被真正看到、点击、信任的概率，远高于被塞在末尾的。

所以优化Pos的动作很明确：把结论前置。这也是整套指标里唯一一个能靠结构调整快速改善的分项。

内容质量分是怎么加出来的？

Overall得分（也就是quality）是三项指标里唯一一个静态、可控、发布前就能优化满的部分。模拟器统计七类信号累加成分，上限100：

这张表本身就是一份不错的GEO内容清单。它揭示了这套算法偏爱什么：有据可查、有数据支撑、有权威背书、结构清晰、覆盖问答、足够深入。这七类信号也确实对应着GEO论文里被验证有效的优化手法，尤其是添加统计数据和添加引用这两类。

那些上限不是反作弊，恰恰是刷分的入口

每一类信号都有上限，看起来像是防堆砌的设计。实际跑一遍就会发现，事情正好相反：上限意味着每一类只要凑够几个元素就封顶，封顶之后内容再好也不加分，内容再空也不扣分。

我构造了一份文档来验证这件事：4个裸链接、5个百分数、3对英文引号、4个H2标签、5个列表项、一处FAQ字样，剩下的正文是同一个词重复800遍的纯废话，总共1600个汉字。把它提交给后端接口，quality返回100，满分。

作为对照，一段真正在讲远程团队怎么选协作工具、逻辑完整的中文内容，quality只有5。

单项拆开测更直观。只放4个裸链接得20分，只放5个百分数得20分，只写4个空的H2标签得10分，正文里出现FAQ这三个字母就得10分。而一句信息密度很高、但不含任何上述元素的真话——比如把选型标准直接讲清楚的那种句子——得0分。

所以这张表的正确读法是：它列的是七种形式特征，不是七种质量。把它当清单用来自查有没有漏掉引用和数据，很有价值；把它当分数来追，追到100也只说明你的文档长得像一篇好文章。

同一份内容连跑十次，分数为什么从2跳到39？

引用概率里那个随机扰动项，加上默认只跑5轮，共同决定了这个工具最需要被说清楚的一件事：它的输出不可复现。

我把同一份payload——同样的查询词、同样的三篇文档、同样的5轮设置——连续提交了十次，什么都没改。十次的可见性得分是：2、2、2、2、2、2、2、33、38、39。引用率则在0%到40%之间跳。

极差37分。而这个工具的判定档位是60分以上算良好、30到60算中等、30以下算偏低。也就是说，同一份内容在两次点击之间，能同时落进偏低和中等两个档，拿到两段完全不同的诊断建议。

这不是工具坏了，这是蒙特卡洛方法在样本量太小时的正常表现。跑多轮取平均的思路完全正确——AI生成本身带随机性，同一个问题问两次引用来源可能不同，用随机采样的平均逼近期望值是标准做法。问题出在轮数上。

可以粗算一下：引用与否是一次伯努利试验，5轮的引用率只有0%、20%、40%、60%、80%、100%这六种可能取值，中间没有任何刻度。在真实概率0.5附近，5次采样的标准误大约是22个百分点——意味着40%和60%这两个读数在统计上根本区分不开。

顺带纠正一个之前的说法：默认的5轮不是论文推荐值，论文里没有这个推荐，5只是这款工具的默认设置，可调范围是3到10。

更麻烦的是，单次请求内部也不稳。我把一次10轮的模拟结果逐轮拆开看，其中有3轮一篇文档都没被引用——回答里零来源。真实的AI回答不会出现这种情况，但这3个空轮照样进分母，把引用率往下拉。

实用的结论有两条。第一，把轮数拉到上限10，比停在默认5强得多。第二，也是更重要的：不要记录单次分数，同一份内容至少跑三到五次，看那个区间。如果你改了一版内容，分数从31涨到38，那大概率只是掷骰子的运气，不是你的改动生效了。

把一模一样的竞品复制五份，你的分会掉吗？

这款工具最核心的卖点是引用竞争：把你和竞品放在一起，看谁抢得过谁。我想知道竞争这件事在算法里到底存不存在，于是设计了一个很干脆的测试。

拿同一篇目标文档，竞品位置上放与它一字不差的复制品——这意味着竞品的相关性、质量分、词数全都和目标完全相同，是最强的正面竞争。然后分别放0份、1份、3份、5份复制品，每种配置跑15次取均值。

结果是：39.0、40.7、39.0、40.7。目标文档的得分纹丝不动，多放五个和它完全一样的对手，分数不降反而略微上浮。

读一遍后端代码，原因清清楚楚。每篇文档是独立做一次伯努利抽样决定被不被引用的，轮次里没有名额上限，不存在你占了位置我就没位置的机制。而计算篇幅占比时，分母只统计本轮实际被引用的文档——竞品如果没被引用，它就等于不存在，完全不参与分母。

那为什么加了竞品分数还会略微上浮？因为位置衰减那一项的分母是本轮被引文档数，被引的文档越多，衰减越慢，位置分反而更好看一点。这是个副作用，不是设计意图。

所以之前那种把自家内容和竞品放进去看谁排第几的用法，需要调整理解：排名反映的是每篇文档各自独立算出来的分数高低，不是它们互相争夺的结果。你的分数只取决于你自己的相关性和质量，跟旁边站着谁没有关系。

这不代表放竞品没有意义。放竞品的价值在于给你一把尺子——看看那些真的被AI反复引用的内容，在这套算法下能拿多少分，你离它有多远。但要放弃的是另一个念头：指望通过这个工具算出干掉某个对手需要提升多少。那个数在这里算不出来。

三项指标和论文原文对得上吗？

论文里的公式长什么样

这套Vis = Word + Pos + Overall的根，在KDD 2024那篇《GEO: Generative Engine Optimization》论文。它第一次系统回答了内容在生成式引擎里的可见性该怎么量化，提出两个核心指标：位置调整词数和主观印象。

位置调整词数的原式是这样的：

Imp_pwc(c_i, r) = Σ_s∈Sci |s| ·e^{−pos(s)/|S|} ⁄ Σ_s∈Sr |s|

逐个符号读：分子对引用了这个来源的每一个句子求和，|s| 是这个句子的词数，pos(s)是这个句子在回答里的位置，|S| 是整段回答的总句数；分母是整段回答所有句子的总词数，用来归一化。

工具的实现换掉了哪些量

模拟器里对应的那一行是这样的：某次引用的位置调整值等于该文档这次贡献的词数，乘以e的负（该文档被引序号 ÷ 本轮被引文档总数）。把两边逐个符号对照：

指数衰减的壳完整保留了下来，喂进去的三个量全部换了对象，归一化的那一项直接没有了。论文算的是句子在回答里的分布，工具算的是文档在引用列表里的次序——这是两个不同粒度的东西。

Overall这一项差得更远。论文里的主观印象是用G-Eval让大模型从相关性、影响力、独特性、主观位置、主观数量、点击概率、内容多样性七个维度打分；在沿用这套指标的AutoGEO论文里，Overall被定义为把Word和Pos综合成的一个统一分数。而工具里的Overall，是数一数文里有几个链接、几个百分号、几个H2标签。

另外那条Vis = Word + Pos + Overall在论文里是三项并列，工具改成了35%、35%、30%的加权并归一到百分制。

那工具引用的论文数据准不准

准。工具在分数偏低时会提示一句，说AutoGEO论文的Table 3证明可以把低可见性文档从9.46提升到35.83。我去核对了论文原文：这两个数字确实出现在Table 3，是Researchy-GEO数据集低可见性文档子集上，Vanilla基线的Overall指标与AutoGEO版本的对比。这篇论文已被ICLR 2026接收，代码也是公开的。

所以准确的说法是：它引的论文是真的，数字是对的，指标的名字也是对的，但用来算这些指标的算法是它自己重写的一套。把它当成论文方法的实现来看会失望，把它当成一个借用了论文框架的启发式打分器来看，就合理多了。

中文内容在这套算法里会遇到什么？

这一节的每个结论都来自对后端接口的实测，因为它们对做中文GEO的人影响太直接了。

跨语言的相关性恒等于零

工具的示例查询按钮填进去的是一句英文：best project management tools for remote teams。如果你顺手点了这个示例，再把自己的中文内容粘进去，那么相关性会是准确的0。

我做了三组对照：同一篇中文文档，配中文查询得0.4976，配那句英文示例查询得0，配中英混合查询得0.1581。原因不复杂——中文分词产出的是汉字和汉字二元组，英文分词产出的是英文单词，两组词表毫无交集，余弦夹角自然是90度。

这意味着一件很尴尬的事：一个中文用户打开工具、点示例、贴内容、点开始，得到的会是一份所有文档sim全为0的报告，而界面不会有任何提示告诉他查询和文档不是一种语言。

汉字二元组会跨过标点拼出不存在的词

中文分词的做法是：先把全文的汉字全部抽出来连成一整串，再在这串上滑动取相邻两字。问题就在连成一整串这一步——标点、换行、句子边界全被抹掉了。

我用一段特意构造的文档验证：正文里从头到尾没有连续的管理二字，只有项目管。理论上这样一个跨句号的组合。拿项目管理去查询，这篇文档的相关性是0.2448，而一篇同样长度的无关文档是0。

换句话说，句号两边的字会被拼成一个词参与匹配。中文里这种跨边界的巧合并不罕见，它带来的是相关性的虚高，而且完全不可预期。

中文弯引号一分不给

这条最值得单独拎出来。直接引语那一项的识别，只认两种写法：一对英文直引号，或者一对直角引号。中文弯引号完全不在识别范围内。

同一句带三处引用的话，换三种引号写法提交，质量分分别是：英文直引号15分，直角引号15分，中文弯引号0分。

而中文出版和网页排版的通行做法，恰恰是用弯引号。也就是说，一篇按中文排版规范认真写、引了三位专家原话的文章，在这套算法眼里一句引语都没有；反倒是排版偷懒直接敲英文引号的，白拿15分。

查询里的纯数字会被丢掉

英文词的识别规则要求首字符是字母，所以纯数字构成的词整个被丢弃。我拿2025当查询词、文档里塞满2025，相关性依然是0。

这对带年份的查询影响明显——2026年最佳工具这类查询里，年份是用户表达时效需求的关键词，但在这套算法里它不存在。

相关性算的是用词重合，不是意思相近

把前面几条串起来，就得到了这一节最重要的结论。我拿两段意思完全相同的中文做对照：一段把查询词原样复现（远程团队、项目管理工具），另一段全部换成同义表达（分布式办公的小组、任务协同软件）。

相关性分别是0.7488和0。

这个结果值得所有做GEO的人停一下。用自然的同义表达把内容写得更好读，是几乎所有内容优化指南都在教的动作；而在这套算法里，它等于把相关性归零。

更关键的是，真实的AI检索恰恰相反。现在的检索系统普遍是稠密向量嵌入加关键词匹配的混合方案——Anthropic公开的实践数据显示，把语义嵌入和BM25关键词匹配组合起来，检索失败率能降低49%。语义嵌入最擅长的就是同义表达，它正是为了解决换个说法就搜不到而存在的。

还有一层：这套相关性只用了词频，没有做逆文档频率加权。经典教科书对此说得很直白——所有词被当成同等重要时，那些出现在几乎每篇文档里的词其实没有任何区分能力。

后果我也测了：一段由the、of、and、for、in这类英文停用词重复堆砌六十遍、不含任何信息的字符串，对英文查询的相关性是0.2843，可见性得分43；而一篇真正对题的中文内容，相关性0，得分2。纯噪声赢了真内容。

所以这一节的结论是：中文场景下，这个工具的相关性一项基本不可用，质量分一项要扣掉引号那15分再看。剩下能用的，是它把可见性拆成篇幅、位置、质量三个维度的思路——这个思路跨语言通用，也确实值得照着优化。

五个真实使用场景与深度操作

内容发布前的可见性体检

最核心的用法。新内容发布前，把它和几篇该查询下已被AI高频引用的内容一起跑模拟，看三项指标哪项拖后腿。这里要注意读数方式：排名反映的是每篇各自算出来的分数高低，不是它们互相争夺的结果，所以真正有用的信息是你和那几篇公认好内容之间的分差，以及分差出在哪一项上。分差大就定向补强再发，省下发了几周才发现没用的等待成本。

改版前后的A/B测试

想验证一次内容改版（比如把段落改成Answer-First、加了三个数据点）到底有没有用？把改版前后两个版本，连同竞品一起跑模拟，对比可见性得分的变化。这是工具最有数据价值的用法——它让“优化有没有效”从主观判断变成可量化对比，避免白改。

竞品差距诊断

明明内容写得不差，就是不被AI引用？把自己和那个总被引用的竞品放一起模拟，看是哪一项指标输了——是相关性sim低（内容跑题）、Pos低（答案埋太深）、还是Overall低（缺数据缺引用）。诊断清楚再对症下药，比盲目重写高效得多。

Answer-First格式的价值验证

因为Pos指标对引用位置敏感，模拟器特别适合验证Answer-First的效果。把“结论前置版”和“铺垫冗长版”对比跑，你会直观看到前者的Pos得分明显更高。这个对比能帮你说服团队或客户接受“开门见山”的写法，用数据压过“我觉得要铺垫”的直觉。

选题阶段的可见性预判

在还没动笔时，用一篇草稿大纲对目标查询跑模拟，看这个题目按现在的写法能不能拿到像样的三项得分。需要提醒的是，这套算法算不出竞争激烈程度——它给不了某个话题是不是红海的判断，只能告诉你你这份大纲本身的相关性和质量信号够不够。把可见性预判前置到选题阶段仍然值得，但结论只对你自己这一篇负责。

从填表到读懂每一栏：一次完整体检的流程

下面是用GEO可见性模拟器做一次完整A/B体检的标准流程。

第一步，确定目标查询。用你内容想拿下的、用户真实会问AI的那句话作为查询词，越接近真实提问越好。

第二步，准备文档池。放入你的内容全文，再加2到5篇竞品内容——挑那些在该查询下确实被AI引用过、或排在Google前列的。共2到6篇，把你的那篇标记为“目标文档”。

第三步，把轮数拉满。直接调到上限10轮，别用默认的5轮。更要紧的是同一份内容连跑三到五次再看结果——实测同一份输入十次的得分能横跨2到39，只看一次等于在读一个随机数。

第四步，运行并读三项指标。看你的可见性总分和排名，再看Word／Pos／Overall哪一项是短板。工具会针对短板给出具体优化建议。

第五步，定向优化后重跑。按短板优化：Word低就增加独特信息量，Pos低就改Answer-First，Overall低就补引用、数据、FAQ。改完把新版本重新丢进去跑，对比分数变化。

第六步，达标再发布。这里的达标要按区间理解：多次重跑的得分区间整体抬升了，才算改动生效；如果新版本的区间和旧版本大面积重叠，那多半是随机波动而不是优化成果。区间稳住之后再正式发布，然后用真实试问验证。

👉 打开GEO可见性模拟器（免费、无需注册，服务端计算，支持多文档竞争与A/B对比）。

怎么把可见性模拟和其他工具串起来？

可见性模拟器在GEO工作流里是“发布前的可达性验证”环节，前接选题、后接优化与回报测算，串成闭环才好用。

算回报：先验可达性，再用ROI计算器

可见性模拟告诉你“内容补强后能不能进AI推荐前列”，这正是投资决策的前提。确认可达后，用GEO ROI计算器算这个排名提升值多少钱、多久回本。顺序很重要：先用模拟器验证“做得到”，再用ROI计算器算“值不值得做”，两步都过了才立项，避免在根本做不上去的内容上投预算。

提相关性与质量：实体和关键词工具

模拟显示你sim低（相关性不够）或Overall低（质量信号弱）时，得回到内容本身补强。用TF-IDF分析器对照竞品找出你内容里缺失的核心词和语义相关词，把相关性提上去；用实体关联分析器检查你有没有把关键实体讲清楚、让AI认得你——实体清晰度是AI引用的隐性门槛。这套组合在实体关联分析器的KGScore算法拆解里讲得更透，可见性模拟负责诊断、实体分析负责落地。

跨引擎实测：模拟之外的真相

模拟终究是模型，真实AI引用还得到各平台实测。模拟器帮你在发布前低成本筛掉明显不行的版本、定位短板，但发布后仍要在ChatGPT、Perplexity等平台用真实查询追踪有没有被引用。关于怎么系统地测量AI可见性，可以参考AI可见性的漏斗查询树框架，把模拟的“发布前预判”和实测的“发布后追踪”接成完整链路。

常见误区与一次实战复盘

误区：把模拟分数当成绝对预测

模拟器给的是相对竞争格局和方向判断，不是“你一定会被引用”的承诺。它的价值在于横向对比（你vs竞品、改版前vs改版后）和短板定位，而非那个绝对数字。看分数要看“相对排名”和“哪项指标弱”，别纠结于“72分到底算高还是低”。

误区：只堆质量信号不管相关性

因为质量分看得见、好优化，很多人猛加数据、引用、FAQ，把Overall刷满，却发现可见性还是上不去。原因在引用概率公式里——相关性和质量是相乘关系，sim太低，质量再满也被压制。务必先保证内容真正对题（sim高），再谈质量信号。两个杠杆的顺序是“先对题、后扎实”。

进阶：把真实竞品当尺子，而不是当对手

过去这条建议的理由是别编弱内容当陪衬、否则得分虚高。实测之后理由要换个说法：放什么样的竞品根本不影响你自己的分数，编几篇弱内容陪衬也不会让你虚高一分。

那为什么还要放真实竞品？因为它是你唯一的参照系。这套算法给出的绝对分数没有公认刻度，40分算高还是低无从判断；但把三五篇确实被AI反复引用的内容放进同一次模拟，你就有了一条基准线——它们大致落在什么区间，你离那个区间有多远，差在哪一项上。尺子的价值在于刻度，不在于跟它较劲。

进阶：Pos短板优先于Word短板

当Word和Pos都偏低时，优先修Pos。因为改Answer-First、把结论前置，是一次性的结构调整，成本低、见效快；而提升Word（让AI愿意引用更多篇幅）需要实打实增加独特信息量，是慢功夫。先用低成本动作把位置抢到前面，往往就能带动整体可见性明显回升。

保哥实战复盘：一篇总差一口气的内容

保哥团队去年有篇主打“远程团队协作工具”的内容，质量自认不差，数据、案例、结构都齐全，可在Perplexity上就是反复被一篇竞品压着，引用率上不去。团队一度想推倒重写，但保哥拦下了——先用可见性模拟器做个诊断，别盲目动刀。

把自家内容和那篇老压着我们的竞品一起丢进模拟器，结果很反直觉：我们的Overall质量分其实比竞品还高，sim相关性也不差，输就输在Pos——竞品在回答里总被引在靠前位置，我们却常被引在末尾。回头一看内容，问题清楚了：我们的文章前三段在铺垫行业背景，真正干货的“工具对比结论”埋在第四段之后，而竞品开篇第一句就是直给的推荐清单。

诊断明确后，改动其实很小——把核心结论和工具对比表整段提到开头，铺垫压缩成一句话。改完重新跑模拟，Pos得分明显抬升，可见性总分反超了竞品。发布两周后在Perplexity实测，引用率确实上来了。这件事的教训很实在：很多时候内容不是不好，而是“好东西藏太深”，AI和用户都没耐心挖。一次低成本的模拟诊断，省下了一次毫无必要的推倒重写。

常见问题解答

模拟器算出来的分数，能等同于真实的AI引用结果吗？

不能，而且差距比多数人以为的大。它是一个启发式打分器，不是真实AI的输出。实测同一份内容一字不改连跑十次，得分能从2跳到39，所以连它自己的分数都不能当成一个确定值来读。正确用法是同一份内容跑三到五次看区间，关注哪一项指标明显偏低，而不是记录那个数字。发布后仍要在ChatGPT、Perplexity等真实平台用查询追踪来验证。

Vis = Word + Pos + Overall这个公式是哪来的？

名字来自KDD 2024的GEO论文，该论文提出了位置调整词数和主观印象两大指标。但要说清楚：工具借用的是这套框架的名字和思路，具体算法是自己重写的。论文里位置调整词数算的是句子在回答中的分布并做了归一化，工具算的是文档在引用列表里的次序且没有归一化项；论文里的主观印象靠大模型多维度评分，工具里换成了数链接和百分号。名字对得上，算法不是一回事。

默认跑5轮够吗，为什么每次结果都不一样？

不够，而且5轮不是论文推荐值，只是这款工具的默认设置，可调到10。引用与否是伯努利抽样，5轮的引用率只有0%、20%到100%这六种取值，中间没有刻度；在概率0.5附近，5次采样的标准误约22个百分点，40%和60%根本区分不开。实测还发现单次10轮里可能有3轮零文档被引用。建议把轮数拉满，并且同一份内容多跑几次看区间。

把竞品放进去，能算出我要超过它需要提升多少吗？

算不出来，因为这套算法里不存在真正的竞争。实测把与目标一字不差的复制品放0、1、3、5份，目标得分是39.0、40.7、39.0、40.7，纹丝不动。原因是每篇文档独立抽样决定被不被引用，轮次里没有名额上限，篇幅占比的分母也只统计本轮实际被引用的文档。放竞品的价值是当尺子——看真正被AI反复引用的内容在这套算法下能拿多少分，你离它多远。

这套工具能直接用于中文内容吗？

相关性一项基本不可用，质量分要打折看。实测三条：中文文档配英文示例查询，相关性恒为0，而工具的示例按钮填的正是英文；中文分词把全文汉字连成一串再取相邻二字，会跨过句号拼出不存在的词，造成相关性虚高；直接引语只认英文直引号和直角引号，中文弯引号得0分，同一句话换弯引号写分数从15掉到0。能跨语言复用的是它把可见性拆成篇幅、位置、质量三个维度的思路。

质量分刷到100了，为什么可见性还是不高？

因为质量分只占30%，而且它和相关性在引用概率里是相乘关系，sim太低时质量满分也被压制。更根本的是，质量分统计的是七类形式特征，每类凑够几个元素就封顶。实测用4个裸链接、5个百分数、3对英文引号、4个空标签加一段重复800遍的废话，就能把它刷到100。刷满它只说明文档长得像好文章，不代表内容真的对题。

我的可见性分数低，最该先改哪里？

先看哪一项拖后腿。如果Pos低（被引位置靠后），优先改Answer-First把结论前置，这是成本最低见效最快的动作；如果相关性低，先确认查询词和内容是不是同一种语言，再对照竞品补核心词；如果Overall低，补权威引用、统计数据、结构化标题和FAQ。通用顺序是先保证对题，再修引用位置，最后补质量信号。

Word指标和Pos指标，哪个更重要？

两者权重相同（各35%），但优化优先级上Pos通常更值得先改。因为提升Pos靠的是Answer-First这种一次性结构调整，成本低见效快；而提升Word需要实打实增加独特、有价值的信息量，是慢功夫。两项都低时，先用低成本动作把引用位置抢到前面，往往能带动整体明显回升，再慢慢充实内容深度。