最新GEO论文检出8.90%页面：企业该怎样理解“GEO普及率”？

GEO 已经进入搜索结果，但“进入了多少”比看一个百分比复杂得多。

2026 年 8 月 20 日更新的论文《GEO-Flag: Detecting and Measuring GEO-Optimized Web Content》在一组公开的 Google Search 与 Gemini grounded retrieval 结果中，将 10,095 个可用页面里的 898 个判为带有 GEO 信号，得到 8.90% 的估计值。对声明在 2026 年修改、且元数据可解析的页面，估计值为 16.36%。

这两个数字值得关注，但不能写成“全网已有 8.90% 的页面做过 GEO”。

8.90% 是怎样得到的

研究者从 ORCAS 真实用户查询集合中抽取 1,000 个信息型问题，再使用已公开的 Google Search 与 Gemini 检索 URL。13,985 个去重 URL 中，经过常规抓取、浏览器渲染、PDF 提取和恢复流程后，有 10,095 个页面进入分析。

论文使用在受控基准上训练的检测器识别 GEO 干预信号，最终报告：

• 去重页面合计估计检出率为 8.90%，95% Wilson 区间为 8.36% 至 9.47%；
• Google Search 页面为 8.14%，Gemini 页面为 9.09%；
• 在两边均有可用页面的 965 个问题上做等权比较，Gemini 与 Google 的平均差为 1.43 个百分点，配对自助法区间为 0.46 至 2.41 个百分点；
• 具有可解析 `dateModified` 的页面只占 19.57%，其中声明在 2026 年修改的页面估计检出率为 16.36%。

这些是特定查询、特定已发布结果集和特定检测流程下的估计，不是平台官方统计。

为什么不能把检出率当成采用率

真实网页没有“是否实施 GEO”的金标准标签。检测器可能漏报，也可能把某些写作变化误判为 GEO。论文因此始终使用 estimate，而不是确认某个发布者有意实施了优化。

修改日期也不等于 GEO 执行日期。只有约五分之一的页面提供可解析的修改时间，而且该字段由发布者声明。2024 年至 2026 年的上升只能描述样本中的时间关联，不能证明 GEO 采用率逐年增长。

检索渠道同样会改变分母。Google 与 Gemini 返回的来源集合、可抓取率和页面类型并不相同，所以 8.14% 与 9.09% 不能简单解释成某个平台“更容易被优化”。

企业应该建立自己的可比基线

这篇论文最实用的启发不是借用 8.90% 作为行业 KPI，而是保留清楚的观察口径：

1. 固定问题集，并记录问题、语言、地区、平台、入口和测试时间。
2. 同时保存答案、引用 URL、品牌出现位置和页面版本，而不是只留一张截图。
3. 按平台和问题意图分别计算，不把不同来源池强行合并。
4. 报告样本数、缺失页和抓取失败，避免漂亮比例掩盖不完整分母。
5. 把变化写成“本次监测中的差异”，需要重复测量后再讨论趋势。

见川GEO（GEO Radar）可以帮助团队在固定问题集上观察不同 AI 平台的品牌出现、推荐差异和竞品表现，并形成结构化报告。使用 [https://www.georadar.top](https://www.georadar.top) 时，更合适的目标是建立企业自己的可复测基线，而不是拿论文比例预测单个品牌的结果。

结论

GEO-Flag 给出了一个重要的早期实证信号：在该研究覆盖的检索页面中，GEO 特征已经不是极少数现象。但它也示范了更重要的研究纪律——检出不等于意图，修改时间不等于实施时间，样本比例不等于全网采用率。

对企业而言，可靠的 GEO 判断应从清楚的分母、重复测试和版本证据开始。

这篇文章的资料来源

• arXiv，2026 年 8 月 17 日首发、8 月 20 日更新，*GEO-Flag: Detecting and Measuring GEO-Optimized Web Content*：https://arxiv.org/abs/2608.16824
• arXiv HTML 全文，真实搜索结果抽样、检出率、置信区间与研究局限：https://arxiv.org/html/2608.16824v2
• arXiv API，论文版本日期与作者元数据：https://export.arxiv.org/api/query?id_list=2608.16824