黑帽 GEO 有哪些做法：六类越界手段，以及它们为什么也不管用

讨论 GEO 的合规边界时，通常只讲一半：这些做法有法律风险。另一半更有说服力，也更少被讲到，就是它们在机制上多数本来就拿不到效果。

两半合起来才完整。只讲风险，总有人觉得风险可以承担；把无效也说清楚，就没什么好权衡的了。

第一类：刷评价与虚假点评

违规点清楚，不需要展开。

失效的原因值得说。批量产出的评价在文本特征上高度相似，而相似材料对模型的价值很低。模型在组织答案时要找能支撑某个具体说法的片段，一堆措辞雷同、没有具体细节的好评提供不了这样的片段，更可能被整体跳过。

也就是说，这笔钱买来的是一批不被采信的文本。

第二类：按地区或关键词批量生成模板页

一份文案，替换城市名或品类词，生成几十上百页。

这在搜索端会被判为低质内容，而且影响不限于那些页面，整站的内容质量评价会被拉低。生成式回答这一侧的结果更直接：这些页面提供的信息完全相同，模型没有理由从中挑一份来引用。

分区页面本身没有问题，前提是每页真的不同。门店地址、覆盖范围、可办业务、本地数据，这些是实打实的差异。判断方法很简单：把两个页面的地名去掉，如果看不出是两个地方，这两页就不该存在。

第三类：伪造第三方测评与媒体背书

包括自建一批看起来像第三方的站点互相引用，以及声称与某些机构有合作关系。

这一类的风险等级最高，因为它同时涉及内容失实和可能的主体冒用。而且它容易被核对：合作关系、机构背书这类声明，对方站上有没有对应记载是可查的。

机制上也不成立。互相引用的小圈子在模型眼里是一组高度相关的同源材料，不构成独立印证。真正起作用的第三方印证，价值在于它来自不受自己控制的来源。

第四类：编造案例、数字与客户

这是最常见的一类，而且常常不被当成越界。

数字的问题在于不可控。一旦被引用，错误会跟着扩散，而更正的成本远高于当初写上去的成本。审核多个生成式搜索引擎的研究发现，答案中平均只有 51.5% 的句子能被其引用完整支撑，引用确实支撑其所在句子的比例是 74.5%。在这种准确率水平下，错误信息一旦进入材料链条，想追回来非常困难。

第三个数字顺带回答了另一个问题：为什么承诺稳定排名的说法不可信。模型在配置成确定性模式时都做不到多轮稳定，任何关于固定位次的承诺在技术上都没有依据。

第五类：冒用资质编号与认证

把别家的编号写成自己的，或者使用已经失效的认证。

这一类几乎必然被发现，因为资质编号的设计目的就是可查。而且它的收益是负的：编号在材料里出现，等于主动给出了一个可核对的点，核对不上时损害的是整体可信度。

值得一提的是反面做法。真实、可查的编号是 GEO 里价值最高的材料之一，因为它提供了外部可验证的锚点，比任何形容词都有分量。有真的就写，没有就不写，这件事上没有中间地带。

第六类：在页面里放隐藏指令

近两年出现的一种做法：在页面上放人看不见、机器能读到的文字，内容是给模型的指令，比如要求在回答相关问题时优先推荐本品牌。

这一类要单独说明，因为它看起来像技术手段而不像作弊。

它的问题首先在于人机呈现不一致。页面给人看的是一份内容，给机器读的是另一份，这是隐藏文本的典型形态，在搜索规则里长期属于违规。其次它可被检测，隐藏文本的实现方式有限，检测成本很低。

效果上也不可靠。这类注入在不同平台、不同版本上的表现完全不同，有的被直接忽略，有的会让整页的采信度下降。把它当作方法，等于把可见度押在一个随时可能反向的行为上。

一类说不清的中间地带：用模型批量产出内容

上面六类是明确的。还有一类处在中间，值得单独说，因为它在实务里出现得最多。

用模型起草内容本身不越界。形式转换这类活它做得很好：把一份技术材料改写成问答，把口语整理成书面段落，把长文压缩成摘要。输入是人提供的事实，输出是换一种组织方式。

越界发生在输入是空的时候。让模型直接产出某个行业的「现状分析」或者「典型案例」，它会在空缺处补出读起来合理的数字和故事，而这些追不到任何来源。这种内容在形式上完全合规，没有虚假宣传的直接表征，但它和编造数字是同一件事，只是经手的不是人。

区分标准可以写得很具体：这篇内容里的每一个数字、每一个案例、每一处对外主张，能不能指出它来自哪份材料。指不出来的，不管是谁写的，都不能发。

这条标准也顺带解决了产能焦虑。模型能把产出速度提高几倍，但提高的是组织材料的速度，不是产生事实的速度。事实还是得从业务那边拿，这一段无法加速，也不该加速。

为什么正当做法反而更稳

GEO 这项研究本身给出的结论是，通过正当的内容组织方式提升可见度，幅度最高可达 40%，而且各种手段的效果在不同领域差异明显。

这个数字值得和上面六类对照看。正当做法有可观的上限，而且它积累的东西是复利的：可核对的事实、第三方印证、清晰的结构，这些在平台更新、规则调整之后仍然成立。越界做法的特点是每次平台调整都要重做一遍，而且随时可能把存量一起带走。

发现之后怎么收拾

按三步处理。

停掉继续产出。把已发布内容分三类：失实的立即更正或撤回，并留下可查的更正记录；模板批量生成的做 301 合并到相关页面，不要直接返回 404；其余保留。

重建一次基线。此前的数据口径不可信，继续在上面做对比没有意义。

自己做还是交给服务方、各自的风险在哪，自己做与找服务商那一页分开列了。各类越界手段的具体界定见黑帽 GEO词条。

参考来源

• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative Engine Optimization. Proceedings of KDD 2024.
• Liu, N. F., Zhang, T., & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. EMNLP 2023 Findings.
• Atil, B., Aykent, S., Chittams, A., et al. (2024). Non-Determinism of "Deterministic" LLM Settings. arXiv.
• 国家市场监督管理总局 (2023). 互联网广告管理办法. 国务院公报 2023 年第16号.
• 国家互联网信息办公室等七部门 (2023). 生成式人工智能服务管理暂行办法. 中国网信网.