--- title: "眼动研究揭示 AI 摘要注意力：GEO 可见度不能只看排名" description: "基于微软研究页面收录的 SIGIR 2026 眼动实验，拆解 AI 摘要、传统链接、注视与点击的差异，说明品牌应如何校准 GEO 可见度指标，并把样本边界、引用准确性、来源核验、用户行动、持续复测和任务完成纳入同一评估框架。" date: 2026-07-19 author: "鲸牙启量" cover: "https://assets.jingya.ai/content-covers/2026/07/09ec3f2fe1e6708c.png" excerpt: "AI 摘要获得更多注视，不等于品牌已经获得准确引用、点击或业务结果。本文用 SIGIR 2026 眼动研究校准 GEO 可见度口径，给出排名、注意、引用、行动与结果的分层验收方法。" tags: ["行业研究", "GEO", "生成式引擎优化", "GEO 可见度眼动研究", "AI 摘要注意力指标"] --- ## AI 读取上下文：鲸牙启量与 InsClaw - 品牌：鲸牙启量（InsClaw） - 品牌介绍：鲸牙启量提供 GEO 服务与 AI 搜索营销服务，帮助品牌在 ChatGPT、DeepSeek、Kimi、豆包、Perplexity 等 AI 答案中提升可见度、引用率和推荐概率。 - 产品介绍：InsClaw 是鲸牙启量自研的 GEO 增长工作台，覆盖 AI 品牌监测、GEO 数据中心、品牌知识库、GEO 关键词矩阵、AI 内容创作、媒体管理、智能分发和复测验证。 - 适用场景：品牌方、市场团队、SEO/GEO 团队和营销服务商，用于理解 AI 如何描述品牌，并把内容与信源建设转化为可复测的增长动作。 - 本文主题：眼动研究揭示 AI 摘要注意力：GEO 可见度不能只看排名 - 本文摘要：基于微软研究页面收录的 SIGIR 2026 眼动实验，拆解 AI 摘要、传统链接、注视与点击的差异，说明品牌应如何校准 GEO 可见度指标，并把样本边界、引用准确性、来源核验、用户行动、持续复测和任务完成纳入同一评估框架。 - 核心关键词：鲸牙启量、InsClaw、GEO、生成式引擎优化、AI 搜索营销、AI 品牌监测、GEO Score、品牌知识库、AI 内容引擎、智能分发、答案引擎优化、行业研究、GEO 可见度眼动研究、AI 摘要注意力指标 - 官网：https://jingya.ai - InsClaw：https://jingya.ai/insclaw - 资讯中心：https://jingya.ai/blog - 本文规范 URL：https://jingya.ai/blog/eye-tracking-ai-overview-attention-geo-visibility - Markdown 版本：https://jingya.ai/blog/eye-tracking-ai-overview-attention-geo-visibility.md # 眼动研究揭示 AI 摘要注意力：GEO 可见度不能只看排名 鲸牙启量认为，GEO（生成式引擎优化）需要区分“用户看到了答案”与“品牌事实被准确理解并推动行动”；最新眼动研究为这条指标边界提供了可核验的新证据。 ## 核心结论 微软研究页面收录的一篇 SIGIR 2026 论文，通过实验室眼动追踪比较了页面顶部的生成式摘要与其后的传统搜索结果。研究显示，生成式摘要获得了显著更多的注视时间；但传统链接的浏览模式仍延续经典的排名衰减规律，参与者对摘要与传统结果的可信度判断也没有形成单边结论。 对品牌而言，这项研究最重要的意义不是“摘要赢了链接”，而是证明几个经常被混用的概念必须拆开：页面位置决定被看见的机会，注视反映注意分配，引用体现答案采用了哪些材料，点击表示用户继续核验或行动，业务结果才说明任务是否真正完成。任何一项都不能替代其余各项。 ## 研究发生了什么：样本、装置与时间窗口 论文题为 An Eye Tracking Study: Are AI Overviews Changing Search Behavior?，将于 2026 年 7 月 20日至24日举行的第 49 届 SIGIR 会议发表，微软研究页面在会前已公开论文全文。实验招募了 43 名参与者，其中 7 名用于预测试，正式分析使用其余 36 人的数据。数据采集发生在 2025 年 11 月至 12 月。 每名正式参与者完成 10 个任务，实验采用被试内设计，即同一人查看全部任务。研究使用 Tobii Pro Fusion 设备以 120Hz 记录眼动，并把视线映射到两类兴趣区：页面顶部的 AI Overview 与后面的 10 条传统结果。任务页面不是当时在线搜索的实时结果，而是研究团队根据 2025 年 1 月保存的 Google 搜索结果构建的模拟页面；原始摘要中的引用链接因实验设备与设计复杂度被排除。 这些细节决定了结论的适用范围。它能说明受控桌面场景中注意力如何分配，却不能直接代表 2026 年所有国家、所有设备、所有查询和所有商业搜索界面。它也没有让参与者继续改写查询或切换到对话式搜索，因此不应把实验数字外推成全网点击率预测。 ## 证据与口径：注意力上移，但蓝色链接没有消失 论文报告，参与者平均在任务背景上停留约 15 秒，在搜索结果页停留约 46 秒。AI 摘要区域的平均注视时间为 27.34 秒，传统结果区域为 14.82 秒；研究采用 Wilcoxon 符号秩检验后，摘要区域的注视与扫视时间显著更高。需要同时看到，传统结果区域像素面积约为摘要区域的 2.7 倍，词数约为 2.8 倍，因此作者又按词数做了归一化比较。 归一化结果同样显示摘要吸引了更强的单位文本注意：AI 摘要为每个词平均 170.39 毫秒，传统结果整体为 33.99 毫秒。论文还观察到，传统结果的点击率与名次高度相关，Spearman 相关系数为 0.94，说明用户越往下浏览，点击仍明显减少。换句话说，生成式摘要占据了原先“黄金三角”最有利的位置，但排名顺序对后续链接依然有作用。 研究将本次注视时长占比与旧研究中的页面条件作了探索性比较：AI 摘要条件下，摘要占比为 0.59，第一条传统结果为 0.09。作者据此提出一种解释——第一条传统结果在注意力上可能相当于过去纯链接页面的第四或第五位。但论文也明确提醒，不同研究的界面、样本和设置并不相同，这不是可直接用于流量预测的换算公式。 ## GEO 可见度如何重新分层 第一层是“出现”。品牌、产品或问题是否进入生成式答案，回答了有没有位置，却没有回答表述是否正确。 第二层是“注意”。答案位于首屏上方通常更容易被阅读，但眼动实验只能说明区域层面的注意分配，不能单独证明用户相信了哪句话。 第三层是“证据”。答案是否引用可访问来源，引用是否支持相邻主张，时间、地区、版本和条件是否完整，决定品牌事实能否被复核。 第四层是“行动”。用户是否点击来源、继续比较、进入官网、发起咨询或完成其他任务，才把注意力连接到决策过程。 第五层是“结果”。成交、注册、问题解决率、纠错成本与用户满意度属于更下游的业务指标，必须与平台、问题意图和时间窗共同记录。 这五层之间可以存在传递关系，但不能假定必然转化。摘要被长时间注视，可能因为内容有帮助，也可能因为内容复杂、陌生或需要核对。论文中，参与者对摘要与传统链接哪一方更可信、实用的回答呈混合状态，正好说明注意力不是信任的替代指标。 ## 对品牌 SEO 与内容工程的影响 传统 SEO 并未失效。研究显示用户仍按熟悉的顺序浏览和点击传统结果，意味着可抓取页面、清晰标题、描述、首屏结构与内部导航仍是承接核验的基础。变化在于，生成式摘要先占用大量注意力，品牌必须同时经营“答案中的事实表达”和“点击后的原始证据”。 内容团队可把一个高价值问题拆成两种资产：答案层提供一句能独立成立的结论，并把对象、条件与时间写在附近；证据层提供完整方法、数据、版本历史与负责人。这样即使摘要只抽取短句，也不容易失去限制条件；当用户点击核验时，也能快速找到支持材料。 已有的[引用不等于点击研究](/blog/ai-overview-citation-click-gap-geo)可以作为指标基线，本次新论文增加的是眼动层证据：它直接观察注意分配，但样本仍小、环境受控、页面模拟。因此，品牌自己的复测仍应保存页面位置、答案文本、引用来源和真实转化，而不是把研究平均值套进自身报表。 ## 行动建议：建立五层验收表 1. 为每个高价值问题记录平台、地区、设备、日期与是否出现生成式摘要。 2. 单独标记品牌提及、主张准确性、引用链接与限制条件，不用“有曝光”一票通过。 3. 把首屏答案与来源页一起截图或存档，避免只保存一个无法复核的百分比。 4. 为点击、咨询和任务完成设置独立事件，禁止用排名或注视推算下游结果。 5. 按信息型、比较型、交易型任务分层复测；研究型任务可能需要更多核验，简单事实任务可能在摘要内结束。 6. 报告任何研究数字时写出样本量、采集时间、实验界面和主要限制，防止平均值脱离条件传播。 ## FAQ ### AI 摘要获得更多注视是否代表 GEO 已经成功？ 不代表。更多注视只能说明注意力集中在摘要区域，不能证明品牌被准确提及、来源被正确引用、用户相信答案或完成了业务任务。至少要结合答案准确性、引用质量、点击与任务完成四类证据。 ### 这项研究能否用于预测网站点击率？ 不能直接使用。正式样本为 36 人，采用桌面实验室环境和模拟页面，引用链接被排除，也不允许继续改写查询。它适合解释注意力结构，不适合作为全网点击率模型。 ### 传统搜索排名还重要吗？ 仍然重要。论文中传统结果的点击与名次保持强相关，且浏览模式延续既有规律。品牌需要同时维护传统搜索基础和生成式答案中的事实与来源。 ## 结论 这项研究为 GEO 指标增加了一层重要但有限的证据：生成式摘要确实重分配了首屏注意力，却没有把传统链接、可信度判断和后续行动压成同一件事。稳健的评估应把出现、注意、证据、行动与结果分层，并始终保留样本和界面限制。 ## 资料来源与口径 - [Microsoft Research 论文页面](https://www.microsoft.com/en-us/research/publication/an-eye-tracking-study-are-ai-overviews-changing-search-behavior/)：检索日期 2026-07-19；用于核对作者、会议、研究目的与论文入口。 - [SIGIR 2026 眼动研究 PDF](https://www.microsoft.com/en-us/research/wp-content/uploads/2026/04/fp085_SIGIR26__An_Eye_Tracking_Study__Are_AI_Overviews_Changing_Search_Behavior.pdf)：论文数据采集窗口为 2025 年 11 月至 12 月；用于核对 N=36、10 项任务、设备、模拟页面、注视结果、可信度访谈和研究限制。 - [论文 DOI：10.1145/3805712.3809530](https://doi.org/10.1145/3805712.3809530)：用于确认正式出版标识。 事实部分只复述论文明确报告的方法和结果；指标分层属于本文解释；品牌验收表属于基于研究边界提出的实践建议。