动机

现有 Generative Engine Optimization (GEO) 研究主要关注单网页内容改写以提升在生成式引擎中的可见性。然而，面向 Web 的 LLM 搜索智能体（如 WebGPT、Search-R1）并非仅依据单一文档作答，而是通过多轮搜索、链接爬取、查询重构和跨源证据综合来生成最终答案。影响力既来自页面内容，也取决于页面如何被组织、链接，以及智能体在浏览轨迹中何时遭遇这些页面。因此，需要从生态系统层面重新定义 GEO，关注协调的证据环境如何塑造智能体的搜索与综合行为。

方法关键点

• EcoGEO 视角：将 GEO 从单页优化问题提升为环境级影响问题，研究证据生态系统的组织方式如何改变 LLM 智能体的信息获取轨迹。
• TRACE 生态系统：为每个目标产品构建一个协调证据图，包含：
  • 一个导航入口页面（评测导向的指南页），提供决策相关属性汇总和指向下游页面的结构化链接；
  • 六个角色化支持页面（官方、评测、专家、新闻、论坛、社交），通过共享术语、一致的产品属性与交叉引用维持证据一致性。
• 控制化暴露协议：采用“9+1”搜索环境，将合成目标相关结果固定插入搜索结果列表第 5 位，确保初始曝光机会一致；后续搜索中，目标特定查询直接返回支持页面池，非目标查询则从 Google API 抽取干扰项并插页。
• 与页面级 GEO 对比：单页面基线、C-SEO、E-GEO、AutoGEO 均只提供单页优化，而 TRACE 提供多页面协调环境。

关键实验与结果

• 基准 OPR-Bench：从 SafeSearch、E-Commerce、E-GEO 中筛选出 3,124 个推荐意图查询，并配以虚构但合理的目标产品，实现安全、可控、可复现评估。
• 测试设置：使用 GPT-5.1 作为搜索骨干，每实例最多 5 次搜索与 5 次爬取，通过 Google Search API 提供开放网络干扰项。
• 最终推荐率：TRACE 在 SafeSearch、E-Commerce、E-GEO 上分别达到 67.2%、71.9%、73.9%，比最优页面级基线绝对提升 14.9–31.3 个百分点。
• 轨迹指标：TRACE 显著提高初始目标结果爬取率（例如 E-Commerce 上 61.2% vs. 最高 43.8%）、目标特定二次搜索率（23.1% vs. 最高 18.2%）和内部链接爬取率（19.0%，其他方法为 0）。
• 消融实验：强制首爬后，协调多页面比独立支持页面效果更好，而导航式入口进一步带来增益，内部链接爬取率从 0% 跳至 29.7%，表明导航设计会改变智能体的证据遍历行为。

总结

GEO 不应再只盯着单页排名，而要转向设计可导航的证据生态——通过入口页面和内部链接网络，主动引导 LLM 智能体的多步证据获取轨迹，这才是影响最终生成内容的关键。