套路化还是真规范——该按 GEO 格式写文章吗?

2026-11-03 作者:MetInfo

米拓在近期接待用户咨询和进行 MetInfo V8.2 迭代调研时,接触了很多关于 GEO 的内容,读了很多 GEO 格式非常严谨的文章,由此也对当前 GEO 内容有一些自己的看法:

MetInfo 认为在 AI 时代下,基于调查研究和对比分析的内容原创才是 GEO 的方向。我们在 MetInfo V8.2 版本中规划了辅助 GEO 格式的一些功能,定位是帮站长把做过的调研和对比沉淀下来、把过程里的数据留下来,而不是替站长编出一份"看起来很严谨"的内容。

1、存在为了满足格式要求降低可读性的情况

在信息爆炸和信息过剩的时代,人类阅读的需求是倾向于"聚焦"的,也就是常见的"结论先行"、"都是干货"。而 GEO 格式的要求则不同程度地将原本简洁、可读的内容变得复杂、冗长。

如果内容的产生本身就是基于严肃的调查研究,那么 GEO 格式这种"学术化"、"依据化"的要求是能优化可读性的。问题是更多的内容,是将本身精炼的观点扩展成符合 GEO 格式的要求,则不免会导致内容密度低、内容同质化等问题了。

要区分两件事:格式要求本身是内容成熟后的产物;而把精炼的观点按格式扩写成章节、要点、FAQ,信息量并没有增加。密度低和同质化不是格式的错,是用格式去填内容的必然结果。

2、原创仍然是制约SEO/GEO的瓶颈

谷歌的论文和一些技术文章鲜明的表达了对"有益整理"的认可,这没有错。Google 垃圾内容政策强调这类滥用"通常侧重于制作大量非原创内容,无论其制作方式如何"——政策判定的是意图和增量,不判人写还是机写:批量生产 GEO 内容之所以无效,官方理由与我们上面的观察一致,没有增加价值,不是因为用了 AI。

但从我们阅读的内容来看,更多的内容处于"机械整理+去AI化"的层面(甚至很多是AI脚本生产的),虽然通过格式化排版让文章显得内容丰富,但是本质上仍然是 SEO 原创在 GEO 时代的翻版。事实上,AI 的阅读理解能力强于传统搜索引擎的算法规则——传统搜索比的是倒排索引和词汇重合度,AI 搜索比的是语义向量检索和多源交叉核验,只是冲突的来源会被合并成一种声音,而不是被判出高下。原创不是被识破的,是被跳过的:换了词、换了序,语义上等于没换。Google 自己也不使用 AI 内容检测器,"去AI化"只影响人的观感,判定权始终在质量上。

3、做观点的创新不如进行调查研究

在 SEO 时代最难的是做真的原创的内容,尤其是一些原创的观点、讨论是受到追捧和偏好的。而在 GEO 时代由于"资讯"传播的效率越来越高,观点的创新不是 AI 最大的偏好,而一些立足于新的调查研究、对比分析的内容输出才是 AI 更加偏好的内容。

资讯传播的效率越来越高,意味着同一个观点可以被低成本地大量复制,观点因此不再稀缺——AI 引用的与其说是"观点"这个标签,不如说是可以直接搬走的具体:一个数字、一句可复述的结论、一份可复现的方法。一篇纯粹的行业论述很难被摘走,但一张把若干具名对象按同一把尺子量出来的表可以被整块取用,"对比分析"恰好是最容易产出这种内容的形式。由此衍生出我们的 GEO 格式要求中会强调"对比表单"的重要性,其实格式以外的内容需求才是事务的本质。

结论

该按 GEO 格式写文章吗?我们的答案是:重要,但重要的不是格式本身。Google 官方文档《AI 功能和您的网站》写得很清楚:AI 概览"无需满足任何其他要求即可显示,也无需进行其他特殊优化",也"无需创建新的机器可读文件、AI 文本文件或标记"——AI 这一侧并没有一套格式规范在等着站长去填。

所以要分清的是套路还是真规范。标准只有一条:这条要求是内容本身长出来的,还是套在内容外面的——去掉它,文章的信息量会变少,还是只是变得更短?只是变短的是套路,会变少的才是规范。结论先行、对比表单站得住,是因为它们对应真实的问题和信息结构;把"必须分点""必须给出依据"当模板套上去,是格式反过来规定内容。


附:资料来源

正文引用的

  • Google Search Central《适用于网页搜索的垃圾内容政策》——"滥用规模化内容"定义与"无论其制作方式如何"。

  • Google 对 AI 生成内容检测的公开立场——"Our focus on the quality of content, rather than how content is produced"(2023 年 2 月 Google Search Central 博客)。

  • Google Search Central《AI 功能和您的网站》——AI 概览"无需满足任何其他要求即可显示,也无需进行其他特殊优化";"您无需创建新的机器可读文件、AI 文本文件或标记"。2026 年 11 月核对。

  • 华盛顿大学《Measuring Google AI Overviews》(Xu、Iqbal、Montgomery,arXiv:2605.14021,2026 年 5 月发布、10 月修订,IMC 2026)——55,393 次搜索、98,020 条可核查声明中约 11% 与引用来源不符;多个信源的说法被合并成一种声音,不做冲突识别。



CMS