GEO 实验室

公开记录 GEO(生成式引擎优化)实验的假设、方法与结果——EVIDENCE_FIRST,不预先宣布结论。

GEO(Generative Engine Optimization)在行业里通常指让内容更容易被生成式 AI 系统发现、理解和引用的一系列做法,目前还没有统一、成熟的方法论。本站的做法是:把这个问题当作研究问题,而不是已知答案——把 zhangbaiyang.com 自己作为实验对象,公开记录假设、改动和结果,包括没有得到支持的假设。

当前进展:1 项实验处于计划阶段,Benchmark 尚未开始首轮测试(0 次运行)。还没有证据支持任何"某做法能提升 AI 可见性"的结论——这正是接下来要验证的问题。

如果你想了解这套方法如何应用到具体企业,可以查看:郑州 GEO 优化服务说明

计划中

计划中DEEPSEEK · DOUBAO · QIANWEN · YUANBAO · BING_COPILOT · BAIDU

为 Person / WebSite 增加结构化数据后,AI 系统在回答与张白杨相关的问题时,实体信息(姓名、地域、项目归属)的准确率是否提升?

假设:增加符合 Phase 01 冻结类型的结构化数据(Person、WebSite、WebPage)后,AI 系统更容易抽取到正确、无歧义的实体信息,从而在 GEO Benchmark 中的 entity_accuracy / location_accuracy 指标上有可观测的变化。

暂无关联证据。

查看 GEO Visibility Benchmark · 查看自证案例 · 关于张白杨