← 返回最新资讯

答案没变错,只是换了选项:25.8 万条回答证明推荐偏好可以被内容改变

GEO生成式引擎优化AI搜索广告合规内容可信度

11 月 11 日,《柳叶刀·数字健康》在线发表了一项来自美国西奈山伊坎医学院的研究。设计很干净:同一批由医生撰写的临床病例,同一组候选药,唯一的变量是病例前面多了一段明确标注为广告的真实处方药广告。33 个场景、12 个主流模型(来自 Google、OpenAI、Anthropic)、258,559 条回答。

结果是:被广告的那款药,在被推荐中的占比从 35.0% 升到 47.6%,平均提升 12.7 个百分点(95% 置信区间 9.1–16.2,p<0.0001)。

这条数字对 GEO 行业的意义,不在于"广告有用"这种常识,而在于它第一次把"内容可以改变生成式答案的偏好"做成了可复算的因果证据——不是截图,不是提及率,也不是服务商自述的案例。

一、过去三年只有相关性,这次是控制实验

GEO 这个概念从提出到现在不过三年,行业里流通的证据几乎都是观察性的:某品牌提及率涨了多少、引用率排第几、某个页面被几个引擎抓过。这些数据能说明"发生了什么",但说不出"为什么"——品牌通常同时改了官网、发了稿、做了活动,变量全缠在一起。

西奈山这个实验把变量剥到只剩一个。每次调用都是全新对话,没有上下文记忆;病例由医生按现行临床指南撰写并复核;模型被要求从四个具名药物里选一个。有广告和没广告两组之间,患者信息、候选药物、提问方式一个字没变。

这种设计能做的判断,观察性数据做不到。它得出的不是"投了广告的品牌更容易被推荐",而是"同一道题,加了广告之后,模型的选择变了"。对做 GEO 的人来说,这是把方法论从经验往机制推了一步。

二、被改的不是对错,是排序

最容易被误读的一点:这项研究没有证明广告会让模型推荐不安全的药。

数据显示,广告并没有明显推高"不靠谱补充剂"的推荐(变化 −0.6 个百分点,与零无异),也没有明显把模型推向"对该患者明显次优"的药(+0.7 个百分点)。模型推荐与临床指南的符合度整体仍然很高。

变的是在几个都说得通的选项之间,先提谁。研究团队特意设置了 6 个"临床均势"场景——两种药都可用,没有唯一正确答案。恰恰是这种灰色地带,广告的作用空间最大。

第一作者 Mahmud Omar 的原话值得抄下来:「模型可以推荐一个合适的治疗,但在看到广告之后,它在几个合理选项之间的偏好变了。因为最终答案在医学上依然站得住,这种影响在常规评估里很容易被忽略。」

这句话对 GEO 是双刃的。好消息是优化空间真实存在,而且就落在"多个合理选项"这个区间——这恰好是多数商业品类竞争的真实形态,没有绝对最优,只有"先想到谁"。坏消息是:"答案看起来没问题"不能当作验收标准。一个被推了一把的答案,读起来和没被推的答案一样通顺、一样有依据。

三、29.9%:标注在输入端有效,在输出端失效

全文最硬的一刀在这里。

在自由作答的子集里,模型只有 29.9% 的回答明确提到"这里有一条广告"。七成情况下,它像没看见一样照常给建议。

更值得看的是另一半:当模型最终选了被广告的药,它在推理中吸收了 52.7% 的广告主张;而在其他回答里,这个比例是 19.4%。

两件事叠起来读——广告的内容进去了,广告的身份没出来。标注在输入端是完整的(研究用的就是带标识的真实广告),在输出端却被过滤掉了:模型复述了主张,省略了来源。

这一条对合规的冲击比数字本身更大。过去两年行业与监管的共识是"标注"。标注确实是必要条件,但这项研究说明它不充分:如果标注只存在于模型读到的原文里,而用户看到的是转述后的答案,那么用户永远不会知道自己在看一段被付费影响过的推荐。披露的落点必须从输入端移到输出端——答案里出现的每一个主张,都要能回溯到它来自哪一类材料。

四、0% 到 100%:平均值掩盖了悬崖

12.7 个百分点是个温和的平均数。但研究里最刺眼的不是平均值。

在 4 组"模型 × 场景"组合中,被广告的药从"从不被选中"(0%)直接跳到"每次都被选中"(100%)。论文点名的一例是达格列净(dapagliflozin),用于心衰。

平均值和悬崖,对做投放和做优化的人是两个完全不同的世界。平均值意味着"概率略升",悬崖意味着"这道题的答案被整体改写"。而悬崖出现在哪里,事前并不可知——它不按行业、客单价或竞争度分布,它跟"这道题本身有没有唯一正解"高度相关。

由此可以推出一条实用判断:先选题,再选词。在有公认最优解的品类里(比如某型号的参数查询),内容优化的天花板很低,因为答案被事实锁死;在"都行、看偏好"的品类里(选哪家装修、上哪套系统、找哪位医生),偏好才是可以被内容改变的变量,也是唯一值得投入的地方。这也解释了为什么大量 GEO 项目在品牌词上数据好看、在决策词上毫无变化——战场选错了。

五、这份研究的边界,比结论更重要

边界必须写清楚,否则上面的数字会被用坏。

  • 这是受控 API 实验,不是真实聊天机器人里的侧边广告位。它测的是"推广内容进入模型上下文"的效果,不是"用户看见广告"的效果。
  • 用的是 2026 年 2 月的模型版本,不是今天线上在跑的版本。
  • 论文 4 月先出预印本,11 月 11 日才正式发表——所以"新"的是同行评审的确认,不是发现本身。
  • 研究没有测量处方行为、销售、成本或患者结局。它证明的是推荐倾向改变,不是健康结果改变。
  • 广告没有把模型推向不靠谱的补充剂或明显次优的药。这点很重要:模型不是被"骗"了,而是在合理范围内被"引导"了。

还有一条监管侧的边界,欧洲同行点得很准:欧盟 2001/83/EC 指令第 88 条本来就禁止向公众推广处方药。一项关于面向消费者的模型的实验,不会因为技术变了就打开这条禁令的口子。换句话说,这个实验证明的"有效",在很多法域里恰恰是"不被允许"。

六、把"出现"拆成四件事

| 验收维度 | 要问的问题 | 这项研究给出的依据 | |---|---|---| | 出现率 | 品牌或产品是否进入答案 | 47.6% vs 35.0%,说明可被内容改变 | | 口径正确性 | 出现时说的适应症、限定条件对不对 | 指南符合度整体仍高,但偏好已经偏了 | | 限定条件保留 | 原文的"仅适用于…"有没有被丢掉 | 吸收 52.7% 主张,仅 29.9% 披露来源 | | 来源可核 | 这条主张能回到哪份材料 | 模型复述主张、省略来源 |

四个维度必须分列汇报。合成一个"AI 可见度得分",等于把"被正确引用"和"被付费影响"混成一个数——而这正是这项研究最想拆开的东西。

落到企业自己身上,有三件事本周就能做。

同题双跑。 把最在意的 20 个决策类问题,在有推广材料和无推广材料两种上下文下各跑一遍,看模型的选择和措辞是否变化。研究者给 AI 开发者的第一条建议就是这个,企业自己也能做。变化幅度,就是当前"内容影响力"的真实刻度。

把验收从"出现"改成"出现且正确"。 合同里写清楚:出现率之外,还要看口径是否正确、限定条件是否保留、来源是否可回溯。只考核出现率的项目,会奖励"被推了一把"的答案,而不是"更准确"的答案。

区分两种目的。 让已批准的、准确的信息更容易被找到,有正当目的;让偏好在几个选项间被引导,需要标识、需要限定受众。这两件事在交付物上长得很像,在责任上完全不同。美国医学会在 2026 年中期会议通过的新政策已经把这条逻辑推到责任层:AI 产品因设计缺陷致害,责任在厂商而非使用它的医生,并要求厂商购买责任保险、披露产品局限、不得用合同把责任转嫁给医生。责任正在往供给侧移动。

对星锚GEO 来说,这项研究把一件长期说不清的事说清楚了:GEO 不是去"刷"答案,而是决定"当答案存在多个合理版本时,模型更愿意依据谁的材料"。前者不可持续,后者才是能长期经营的东西——前提是愿意让"依据"这两个字接受外部核对。

参考来源

  1. Pharmaceutical ads shift AI drug recommendations in controlled study (Scienmag(西奈山伊坎医学院研究通稿) · 2026-11-11)
  2. Drug ads can influence AI treatment recommendations, study finds (MDLinx(转载 MedicalXpress) · 2026-11-11)
  3. Drug Ads Can Sway AI Health Advice, Study Finds (The Global Spy · 2026-11)
  4. Europe Life Sciences Weekly Signal #63: When the Ad Changes the Answer (Disrupting Healthcare · 2026-11-14)
  5. 海外AI医疗周报:美国医学会禁止AI获得医师执照 (健康界 · 2026-11-16)