多伦多大学研究团队2026 GEO研究解读：同一个官网里，为什么有些页面被AI引用，有些一直没出现？
页面是否贴近用户问题、能否进入检索结果，比机械增加FAQ、Schema或作者框更值得优先检查；但这是一篇尚未同行评审的预印本，研究相关性不能写成平台规则或效果承诺
给企业老板的结论是：同一个官网里，页面没有被AI引用，不能只归咎于‘网站权重不够’，也不能靠批量增加FAQ或Schema解决。这篇2026年预印本在两个90天数据集中观察到，页面能否被检索到、标题和最相关段落是否贴近用户问题，与引用差异的关系更稳定；在主数据集的ChatGPT回放中，检索因素解释了约32%的站内引用差异，全部页面特征合计约为2.8%。这个比例只适用于该研究的模型、问题、市场和时期，不能换算成企业提升幅度。制造企业更适合先选重点产品和真实采购问题，检查是否有一页用清楚事实直接回答，再按平台、国家、语言、日期和问题持续观察。
先看研究的三个关键口径
两个90天数据集中的AI答案
同时包含美国住宅互联网和一个较小的AEC软件B2B数据集，不代表制造业买家总体。
研究记录的页面引用
引用数量来自特定问题、平台与观察期，不能等同于点击、询盘、订单或商业认可。
主数据集ChatGPT站内差异解释比例
检索因素约32%，全部页面特征约2.8%；第二个小型B2B数据集为30%与10%，差异未达到统计显著。
三条研究观察，怎样转成页面判断
把原研究结果、GEO360解释和企业行动分开，不把相关性包装成因果或平台规则。
01页面与问题的匹配，不能只看整站主题
Within-site analysis · Content relevance研究在同一网站内部比较页面，发现标题匹配和正文中最匹配段落与更多引用呈较稳定关联。
AI面对的是一个具体问题。官网整体属于某个行业，不等于每一页都直接回答这个问题。
为重点产品和采购问题指定主要回答页面，让标题、关键段落、型号和证据范围互相对应。
02能否被检索到，是引用前的一道重要门槛
ChatGPT replay · Variance decomposition主数据集的ChatGPT回放中，检索因素解释约32%的站内引用差异，全部页面特征合计约2.8%。
这个结果说明研究设置中的检索因素更有解释力，不代表检索会产生固定提升，也不是所有AI产品的公开算法。
先检查页面能否访问、主题是否清楚、内部链接是否合理，以及真实问题下是否出现，再讨论页面组件。
03常见页面组件没有显示独立稳定关联，不等于它们没有用途
Within-site analysis · Page featuresFAQ模块、Schema.org标记、摘要框、作者框和页面速度，在研究的站内比较中没有显示独立且稳定的引用关联。
这些组件可能服务阅读、机器理解、身份说明或性能体验，但不能据此承诺AI引用。
内容真实且确有需要时再使用；不要为了“做GEO”机械铺满所有页面。
官网有内容，为什么AI仍可能跳过你的页面？
问题没有对应页面。企业写了“产品齐全、经验丰富”，买家问的却是某个型号能否满足具体材料、认证、环境或交付要求。
页面存在，但没有进入当次检索。主题表达、内部链接、页面访问或系统检索变化都可能影响结果，不能只靠增加一个组件解决。
小品牌缺少模型既有知识和外部核验。细分B2B供应商更需要让官网事实明确，并逐步获得真实第三方资料补充；这不表示AI故意压低中小企业。
研究发现了什么，不能推断什么
| 研究支持的有限结论 | 不能据此得出的结论 |
|---|---|
| 标题和最匹配段落与站内引用次数存在较稳定关联 | 把标题改成问句就一定增加引用 |
| 主数据集回放中，检索因素比页面特征解释了更多差异 | 检索是所有AI系统唯一的引用决定因素 |
| 研究没有观察到FAQ、Schema等特征的独立稳定关联 | FAQ、Schema、作者信息或速度完全没有价值 |
| 被引用页面集合会随数周时间变化 | 任何一次未出现都说明页面被平台降权 |
不是平台算法说明
API回放和统计模型不能代表ChatGPT、Perplexity或其他产品公开确认了固定引用规则。
不是制造业效果实验
样本来自美国住宅互联网和AEC软件，不能换算成中国制造企业的提升比例。
不是组件淘汰清单
没有独立稳定关联，不等于FAQ、Schema、作者说明或页面速度没有其他价值。
三个制造业模拟场景
以下场景用于说明检查方法，不是研究原案例、GEO360客户项目或效果证明。
官网有完整目录，但买家询问材料、承载、标准和使用环境时，没有单页直接回答。
模拟场景（非真实业绩案例）：选定重点型号，把材料、测试条件、适用标准和限制写进对应产品页，并保留证据入口。
团队给所有页面批量添加FAQ和Schema，却没有先核对市场版本与实际问题。
模拟场景（非真实业绩案例）：保留确有价值的问答，优先修正标题、关键段落、型号、市场和认证范围。
同一问题本周引用官网，下周换成第三方页面，团队准备按一次结果大改网站。
模拟场景（非真实业绩案例）：固定平台、国家、语言和问题连续记录，再区分内容问题、检索变化与正常漂移。
本篇直接研究海外生成式AI的检索与引用。它让企业把整站曝光问题拆到页面层面，但样本不是中国制造业，应用时必须重新验证。
官网仍是最可控的事实基础。第三方资料可以补充核验，AI结果用于监测输出；三者不能混成同一种证据，更不能用一次回答证明稳定排名。
国内平台只承担发现和理解海外GEO的桥梁作用。本文的行动对象仍是英文官网、海外公开资料和全球AI搜索，不扩张为国内平台代运营。
准备检查页面引用差异的企业，先做这三件事
- 01 第一步
由老板或国际业务负责人选定十至二十个影响海外成交的真实问题，覆盖产品适用场景、关键参数、认证范围、交付条件和售后边界；不要先按关键词数量批量造问题。
- 02 第二步
由产品、外贸和网站团队为每个问题指定一个主要回答页面，核对标题、开头和关键段落是否直接回答，并补齐型号、适用市场、日期、证据入口和人工联系方式；FAQ和Schema只在内容真实且页面确实需要时使用。
- 03 第三步
在明确平台、国家、语言、日期和问题的条件下连续监测页面是否出现、引用是否准确，并把AI结果、网站访问、有效询盘和订单分开记录；发现缺口后先核对事实与检索，再决定是否改版。
接下来值得关注的变化
- 1.页面级问题匹配会成为海外GEO更基础的内容检查项，企业将从‘官网有没有内容’转向‘哪一页回答哪一个采购问题’。
- 2.检索可见性和引用表现需要分层监测；被检索到不等于被引用，被引用也不等于客户信任、询盘或订单。
- 3.FAQ、Schema和作者信息仍可承担阅读、语义或真实性说明作用，但会更少被当作独立的AI推荐捷径。
使用这项研究时必须保留的边界
- 1.这是尚未同行评审的预印本，结论可能在后续版本或审稿后调整；不能称为平台官方规则、行业共识或多伦多大学机构背书。
- 2.研究主体是美国住宅互联网和AEC软件，不是中国出口制造业；英文问题、客户监测题库、API回放和无法分析的URL都会限制外推。
- 3.研究观察到的是相关性。标题或段落更匹配、页面进入检索结果，有助于解释引用差异，但不能保证AI收录、引用、推荐、点击、询盘或订单。
What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO)
Mahe Chen、Nick Koudas（University of Toronto，多伦多大学） · 提交日期 2026-10-10 · arXiv:2610.15033 [cs.IR]
这是两位多伦多大学研究人员提交至arXiv的预印本，不是多伦多大学官方机构报告，截至本文发布日尚未同行评审。后续版本、审稿或系统变化都可能使结论调整。