# GEO 量化研究進行中：強化學習 × Transformer 混合模型。

> HTML 版（正本）：https://voidvector.tech/zh/cases/geo-quant-research/
> 語言：zh-Hant · 來源：voidvector（虛空向量有限公司）

我們的內部研究計畫：哪些條件能讓內容在 AI 引擎改版之後，仍持續被找到、被引用？我們用混合模型來量測——Transformer 負責內容表徵，強化學習吃真實的引用回饋——而不是猜規則。模型自己的數字有把握才會公開，但方法已經在真實案子上驗過：一家商家導入的第一個月，整體來客量成長 109%。

## 為什麼做這個研究

AI 引擎的規則一直在改。如果你的策略是追當下的規則，那你永遠慢一個版本。我們的研究問題不一樣：內容的哪些性質，能讓它在引擎改版之後仍持續被找到、被引用？我們要量測的是這些「不變條件」——不是本季的技巧。

## 方法：混合模型

Transformer 那一側負責內容表徵——把頁面變成模型能推理的特徵。強化學習那一側負責閉環：獎勵訊號來自主流 AI 引擎上真實的引用結果，不是人工標注的猜測。模型學的是哪些特徵組合真的換得到引用，而且會跟著引擎的變動繼續學。

## 目前進度

資料管線與基線模型已經在跑，現在正跨引擎改版週期累積觀測。這一頁會保持誠實：沒把握的數字不寫。等結論站得住，我們會公開。

## 這對客戶的意義

我們行銷成長業務裡的 GEO 建議，背後是這條研究管線在餵——量測出來的條件，不是江湖經驗。跟我們合作，你的能見度策略會跟著證據更新。研究本身還在跑，方法卻已經在真實案子上驗過：一家深耕在地十五年的服務業商家，過去每月投六位數行銷預算、流量數據很漂亮卻穩定 0 客戶，導入的第一個月整體來客量成長 109%，如今逾五成可追蹤客源來自 AI 搜尋引擎。