AI 搜索可能不只是匹配标题：一篇「不相关」的文章为什么被召回

近日，GEO 信源实验室在进行生成式搜索与 AI 信源测试时，发现了一个值得关注的现象。

在一次联网 AI 测试中，我们向系统提出：「那搞官网做交叉验证吗？」系统随后搜索了 49 个网页，并实际浏览其中 6 个页面。

但在搜索候选结果中，出现了一篇看起来并不直接回答「官网交叉验证」的文章：《GEO 虚假信源正在泛滥，我们公开了第一批风险渠道》。这篇文章主要讨论 GEO 虚假信源、风险渠道、媒体真实性核验以及公开风险数据，并不是一篇「官网建设教程」。为什么它仍然会被搜索系统召回？

AI 搜索可能不只是匹配标题

传统理解中，搜索通常被简化为：

用户输入关键词 → 网页出现相同关键词 → 搜索结果返回网页

但现代 AI 搜索的过程可能更加复杂。一个简化的检索流程可能是：

用户提出问题 → 理解查询意图 → Query Rewrite / Query Expansion → 关键词检索 / 语义检索
→ 召回候选网页 → 重新排序 → 选择部分网页读取 → 生成答案 → 展示引用

这次实验最值得注意的是：

为什么「GEO 虚假信源」会和「官网交叉验证」产生关联？

从语义上看，两者其实共享了一组相关概念：

官网 → 企业事实
GEO信源 → 信息来源
交叉验证 → 真实性核验
风险信源 → 可信度判断

而此前发布的风险信源文章中，存在：

• GEO 信源
• 核验
• 风险渠道
• 真实性
• 官方来源
• 验证体系

等信息。因此，即使文章标题没有出现「官网交叉验证」，它仍然可能与用户问题处在相近的语义空间中。这里可能涉及关键词检索、查询改写、语义向量检索以及混合搜索等多种机制。

GEO 不能只看「有没有被引用」

这次测试也暴露出另一个问题。目前很多 GEO 服务仍然习惯使用 AI 收录率、AI 引用率、AI 高权重媒体来描述效果。但如果将 AI 搜索过程继续拆开，会发现至少存在几个不同阶段。

L1：Discover / Index

网页是否能够被搜索系统发现并建立索引。

L2：Retrieve

当用户提出相关问题时，网页是否进入候选搜索结果。

L3：Read / Use

网页是否被模型真正读取，并用于组织答案。

L4：Cite

网页是否最终作为引用来源展示给用户。

网页发布 → Discover / Index → Retrieve → Read / Use → Cite

被搜索到，并不等于被引用

这次案例已经能够说明：Retrieve ≠ Cite。一篇网页可能已经进入几十个候选页面，但最终没有进入模型实际阅读的少数网页。甚至即使被读取，也不代表一定会成为最终引用。

因此，真正值得监测的并不仅仅是「我的品牌有没有被 AI 提到？」，还应该进一步观察：

有没有被发现 → 有没有被召回 → 有没有被读取 → 有没有被使用 → 有没有被引用

如果未来能够持续记录这些阶段，GEO 效果就有机会从模糊的「收录率」，变成更具体的可观测指标。

GEO 优化的对象可能不是单个关键词

这个实验还带来了另一个启发。如果用户问「GEO 媒体怎么查真假？」，可能召回一篇文章。但用户也可能问：

• 怎么判断 GEO 渠道是否可信？
• 企业官网信息需要第三方验证吗？

这些问题字面并不一致，却可能共享信源、可信度、验证、主体、真实性等语义关系。这意味着未来 GEO 内容设计可能不能只考虑「我要优化哪个关键词？」，而应该进一步考虑：用户围绕同一个问题，会形成哪些不同表达？

换句话说，优化对象可能逐渐从「关键词」，变成：

用户问题 → 问题簇 → 语义关系 → 事实与证据

下一步：固定同一篇文章，改变用户问题

下一步，GEO 信源实验室准备固定同一篇已经进入搜索候选的文章，然后改变用户问题。例如：

• 企业官网信息需要第三方信源验证吗？
• 官网做 GEO 为什么需要交叉验证？
• GEO 为什么需要多源核验？
• AI 怎么判断企业官网的信息是否可信？
• 官网和第三方媒体如何形成可信信源？

我们将分别记录：

如果同一篇文章在不同问法下仍然能够稳定出现，就可以进一步研究：AI 搜索是否存在可测量的「语义召回覆盖率」。如果仅仅改变问题表达，搜索来源就发生明显变化，那么 Query 本身可能就是 GEO 效果的重要变量。

我们想回答的问题

GEO 信源实验室的目标不是告诉企业「某个媒体一定有用」，而是尝试回答一个更基础的问题：AI 到底看到了什么，又为什么选择了它？