为什么相关性与排名主导着 AI 答案引擎？

C-SEO Bench 是一个用来检验“为生成式引擎改写文档到底有没有用”的基准，而它给出的答案基本是“没有”。它发表于 NeurIPS 2025 数据集与基准测试分会，覆盖问答与商品推荐两项任务、六个领域，代码与数据公开。¹ 它也是GEO 与 SEO这一阶段 整篇立论所围绕的那个结果。

摘要毫不含糊地陈述了结果：“大多数当前的 C-SEO 方法不仅在很大程度上无效，而且经常对文档排名产生负面影响，这与预期相反。相反，传统 SEO 策略，也就是那些旨在提升来源在 LLM 上下文中排序的策略，显著更有效。”论文自己对这个对比的总结是：把目标文档放到上下文窗口的第一位，“带来的引用排名收益，远大于任何 C-SEO 方法”。

有两个细节让这件事比通常的单次实验更难被打发掉。第一是广度。论文报告了 54 个“方法×领域”案例，足以让零星的胜出显形，而它的结论是“在 54 个案例中，我们只发现 3 个排名提升具有统计显著性”，问答任务上则没有任何方法有效。第二是失败的方向。好几种变换不只是没帮上忙，而是降低了文档的排序：“添加统计数字”在被测到的 24 个设置里，有 19 个让排名下降。¹ 一个中性的技巧只是便宜；一个负效应的技巧，则是你为读错一篇博客而缴的税。

一次改写带来的收益，会随着同一候选集里采用同一种改写的文档变多而缩小，而 C-SEO Bench 直接测到了这种衰减。该基准变动了“候选集中有多少文档用同一种方法做过优化”，发现“随着 C-SEO 采用者数量增加，整体收益下降，呈现出拥挤且零和的性质”。¹ 2026 年批判性综述把“竞争性采用侵蚀个体收益”列为中等置信度，是它那张“领域主要论断置信度”表上的三个中等条目之一。²

这就是“存量”和“流量”的区别，而它应该决定你的经常性预算流向哪里。真正的相关性是存量：一个页面若是某个问题的最佳答案，并不会因为竞争对手也变得相关而变得不那么相关，因为相关性是对着查询评判的，不是对着同场选手。格式技巧是流量：它们靠“让你的文档在候选集里显眼”起作用，也就意味着它们的价值下降速度，恰好等于其他文档采用它们的速度。

2024 年 KDD 那篇论文从另一头显示了同样的再分配。它的分排名表格里，表现最好的三种技巧会让已排第一的来源可见度下降，同时让排第五的来源大约翻倍：添加引用出处让排名第一的可见度变化 -30.3%、排名第五的变化 +115.1%，而添加引语和添加统计数字在排名第一处分别是 -22.9% 和 -20.6%，形状完全一致。³ 这些技术并不创造答案份额；它们把份额从更强的来源挪到更弱的来源。如果你就是那个强来源，同一个技术对你就是成本。

它值“更大的答案份额”，而已发表的证据到此为止。批判性综述那张“领域主要论断置信度”表，把“引用得分能预测点击、转化或收入”放进了它使用的最低一档，也就是极低置信度，依据是“一个提示性的准实验和少量行业说法”，因果关系并未确立。² 从排名到上下文位置再到引用，这条链是可测的。而从一次引用到一次访问、再从一次访问到一个客户，这条链目前根本还没有被测过。

独立的行为数据显示，最后这一环就其自身而言也很薄。皮尤研究中心追踪了 2025 年 3 月的 68,879 次 Google 搜索，发现看到 AI 摘要的访问中有 8% 点击了传统搜索结果，而没有摘要的访问是 15%；点击摘要内部链接的比例只有 1%。⁶ 拿下上下文里的头把交椅，换来的是“出现在一位多半不会点击的读者面前”。

由此有两个实际结论。一是用“有多少比例的答案点到你的名字”来衡量排名工作，而不是用预测流量，因为声量份额才是今天真正可测的变量。二是对已经标好价的结果主张保持怀疑：同一张表的最后一行，正是为业内还在重复的那个数字准备的，它把“GEO 让可见度提升 40%”记为“作为一般性论断予以驳回”，理由是该数字只是某个特定配置下、单一指标上的相对最大值。² 先去争排名，是因为它推动的是唯一一个被干净测量过的变量，而不是因为有人替你把结果标好了价。