花14美元就能让AI搜索引用你？低门槛发布路径实测

核心洞察

这篇论文把一个我们平时不太会往坏处想的事情翻了个面：AI搜索基于大语言模型(LLM)和自然语言处理技术构建的新型搜索引擎。具备深度的语义理解、上下文分析和答案生成能力，区别于传统返回链接列表的搜索模式，代表产品包括秘塔AI搜索、纳米搜索等。帮你挑引用来源这件事，本身就是一个可以被利用的入口。最让我意外的是那个数字，花14美元买一次GEOGenerative Engine Optimization (生成式引擎优化), a new strategy to optimize content for AI search engines.服务，一小时内就能让内容进到某个AI搜索的回答里。说白了，以前做SEO是抢排名，现在做GEO是直接往AI嘴里塞话，而且门槛低得离谱。

---

AI搜索正在变成很多人获取网络信息的第一站。传统搜索把关键词映射成一串排好序的网页，AI搜索不一样，它先检索、再筛来源、挑引用、生成答案，用户看到的是成品。这个筛选环节可能放大来源偏差，让“选谁当来源”变成一个安全问题。如果一个平台反复引用那些新用户随便就能发帖的域名，那在这些域名上正常发一篇文章，就可能变成一条绕进AI搜索引用和答案文本的间接路径。

测量这条路径不容易。平台很少透露引用是怎么选的，引用本身随时间变化，网上背景内容又太多，答案后来变了也很难归因到我们发的那几篇帖子上。

作者提出了一套测量框架，用来识别和测量这条低门槛发布路径指AI搜索平台反复引用那些允许新用户轻松发布内容的域名，使得普通发布内容可能间接进入AI搜索引用和答案文本。，把跨平台引用映射一种测量方法，用于分析不同AI搜索平台引用来源的分布和集中程度。、发布门槛测试和标记控制的发布实验三样东西拼在一起。他们分析了10个AI搜索平台、6356个独立来源域名上的17211次引用实例，发现三件事。

第一，引用集中在平台特有的来源上，每个平台前20个域名拿走了20.5%到70.8%的引用量。在22个被测的发布平台里，有15个和已被引用的来源域名挂钩，而且开户和发帖的门槛都是低或中等。

第二，在他们的实验里，在偏好平台上正常发帖确实改变了AI搜索的输出内容：10个平台里有8个在七天内引用了一个编造出来的概念。还有一篇发在高偏好平台上的文章，引用影响力超过了20多篇匹配的低偏好帖子。

第三，这条路径已经可以花钱买到。一次14美元的GEO购买产出了13条公开帖子，某个AI搜索平台在一小时内就引用了带他们设计标记的GEO帖子内容。

论文元数据：密码学与安全方向（cs.CR），2026年10月8日提交，编号arXiv:2610.11932。

核心结论

1. 研究分析了10个AI搜索平台、6356个独立来源域名上的17211次引用实例，发现引用高度集中于平台特有来源：每个平台前20个域名占据了20.5%至70.8%的引用量。

2. 在22个被测发布平台中，有15个与已被AI搜索引用的来源域名挂钩，且开户和发帖门槛均为低或中等，构成一条低门槛的内容进入路径。

3. 发布实验显示，在偏好平台上正常发帖可在7天内影响AI搜索输出：10个平台中有8个引用了一个编造出来的概念；一篇发在高偏好平台的文章，其引用影响力超过20多篇匹配的低偏好帖子。

4. 该路径可通过付费方式实现：一次14美元的GEO购买产出13条公开帖子，某个AI搜索平台在1小时内即引用了带有设计标记的GEO帖子内容。

5. 论文提出了一套由跨平台引用映射、发布门槛测试和标记控制发布实验一种实验方法，通过在发布内容中嵌入特定标记，追踪这些内容是否被AI搜索引用，从而测量发布对AI搜索输出的影响。组成的测量框架，用于识别和测量这一低门槛发布路径（arXiv:2610.11932，cs.CR）。

常见问题（FAQ）

AI搜索和传统搜索在引用来源上有什么不同？

传统搜索把关键词映射到排序后的网页，而AI搜索会先检索页面、过滤来源、选择引用，然后生成答案，用户看到的是答案而非原始来源列表。这个选择层可能放大来源偏差，使来源选择成为安全问题。

什么是低门槛发布路径？为什么它值得关注？

低门槛发布路径指平台反复引用那些新用户可以轻松发布内容的域名。如果这些域名被AI搜索频繁引用，那么普通发布内容就可能成为进入AI搜索引用和答案文本的间接途径，从而被滥用。

论文如何测量AI搜索的引用选择？

论文提出了一个测量框架，结合跨平台引用映射、发布门槛测试和标记控制发布实验。他们分析了10个AI搜索平台、17,211个引用实例和6,356个唯一源域名。