PulseAugur
实时 09:21:41
English(EN) Disentangling Answer Engine Optimization from Platform Growth: A Log-Based Natural Experiment on ChatGPT Referral Traffic

研究:答案引擎优化促进ChatGPT推荐量,但平台增长混淆了结果

一项新近发表在arXiv上的研究探讨了“答案引擎优化”(AEO)对于使用ChatGPT等平台的内容创作者的有效性。研究人员对一个YouTube频道进行了纵向研究,于2026年1月对部分页面应用了AEO干预措施。他们发现,虽然原始推荐量增长显著,但很大一部分可归因于ChatGPT平台本身的整体增长。在通过站内对照组控制了这种平台顺风车效应后,AEO带来的流量因果增长估计值具有指示性但非决定性,凸显了区分平台效应与特定优化策略的重要性。 AI

影响 强调了仔细衡量AI驱动的推荐流量的必要性,表明当前的AEO指标可能夸大了因果效应。

排序理由 发表在arXiv上的学术论文,详细介绍了关于AI相关优化技术的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Keisuke Watanabe, Kazuki Nakayashiki ·

    Disentangling Answer Engine Optimization from Platform Growth: A Log-Based Natural Experiment on ChatGPT Referral Traffic

    arXiv:2606.04362v1 Announce Type: cross Abstract: Large language model (LLM) "answer engines" such as ChatGPT now send measurable referral traffic to the open web, and a practice analogous to search engine optimization, here called Answer Engine Optimization (AEO), has emerged. P…