← 返回最新资讯

3% 与 70%:AI 提不提你,取决于你出现在多少张被读的页面上

GEOAI搜索可见度引用机制效果测量第三方信源

11 月 17 日到 19 日,AI 可见度监测公司 Supercite 连发三篇研究,第三天那篇把自己前两天的结论推翻了一半。

样本是这样的:210 个购买类问题、21 个品类,分别问 ChatGPT、Gemini、Google AI Overviews 和 Google AI Mode,五轮共 4,510 条回答、11,897 个被引用页面(成功读取 9,077 个),4,112 对答案配对,2,000 次 bootstrap 取 95% 置信区间。

结论有两层,第二层比第一层重要得多。

第一层:AI 购物答案里的推荐,大部分是引擎当次读到的「best X / top X」榜单的摘要。839 条回答的 6,867 条引用里,43% 指向标题或 URL 含 best/top 的榜单页;被推荐的品牌有 90% 出现在这些榜单上。

第二层:同一时刻把同样的问题问两遍,64% 的回答给出的品牌集合就已经不一样了。也就是说,隔一天再问发现的「变化」,约八成在时间还没走动的时候就已经发生。答案的不确定性不是时间带来的,是这一次检索抓到了哪几个页面带来的。

一、先把不确定性的归因搞对

Supercite 这次做了一个此前少见的对照:在同一天同一分钟跑两轮,再和隔 12 小时、17 小时、24 小时、36 小时的版本比。

| 两轮间隔 | 品牌集合不同的回答占比 | 品牌重合度 | |---|---|---| | 0 分钟 | 64% | 73% | | 12 小时 | 75% | — | | 17 小时 | 72% | — | | 24 小时 | 81% | 64% | | 36 小时 | 80% | — |

0 分钟那一行是关键。如果变化只由时间驱动,同时刻两轮应该高度一致;实际是 64% 的回答换了品牌,只比隔 24 小时的 81% 低 17 个百分点。作者的说法很直白:隔日差异里约八成在同时刻就已经存在。

引擎之间的差别也支持这个读法。ChatGPT 在 36 小时间隔下的变化率与同时刻几乎相同(差 0.9 个百分点,置信区间 −2.3 到 +4.1),而 Google AI Mode 从 69% 一路走到 56%,被引页面重合度从 57% 掉到 29%。同一套问题、同一个引擎,差别只在检索到了什么。

还有一组更干净的对照:两次回答的共同页面比例,与品牌列表是否一致,几乎是单调关系。

| 两次回答的共同页面 | 品牌完全一致的比例 | |---|---| | 没有共同页面 | 5% | | 少于 1/3 | 11% | | 1/3 – 2/3 | 18% | | 2/3 以上 | 30% | | 页面完全相同 | 79% |

页面一样,答案就一样;页面不一样,答案就换。这条链子把「波动」从玄学变成了可观测的量。

二、3% 与 70%:真正决定提名的是页面覆盖度

如果波动来自页面,下一个问题自然是:一个品牌要被提名,需要出现在多少张被读的页面上。

Supercite 把约 1.5 万个品牌按「在当次被引页面中出现的比例」分档,再统计它们在五轮回答里的提名率:

| 出现在被引页面中的比例 | 品牌数 | 提名率 | 五轮全部提名 | 从未被提名 | |---|---|---|---|---| | 低于 10% | 2,200 | 3% | 0% | 92% | | 10–25% | 4,378 | 8% | 2% | 83% | | 25–50% | 4,386 | 21% | 10% | 64% | | 50–75% | 2,763 | 48% | 31% | 34% | | 75% 及以上 | 1,535 | 70% | 54% | 16% |

从 3% 到 70%,二十三倍。而且这条曲线在低端是断崖:覆盖不到一成页面的品牌,92% 从来没被提过名。

这解释了很多企业看到的现象——「我们内容做得不差,为什么 AI 从来不提」。答案往往不是内容质量问题,是内容没有出现在引擎会读的那批页面上。覆盖度是个位置指标,不是质量指标。

同一批数据里还有两个数值得记住:

  • 一条答案平均只提名 4.9 个品牌;同一个问题问五遍,累计出现 7.5 个不同品牌,五遍全中的只有 2.9 个。62% 的品牌至少缺席过一次,22% 只出现过一次。
  • 首答排在第一位,再次被提名的概率 95%;排在第六位及以后,66%。

这两个数合起来说明:「被提名」本身就是一道很窄的门,门内还有一道更窄的——能反复被提名。

三、那些页面是什么:43% 是别人的榜单

回到 11 月 17 日那篇。839 条回答的 6,867 条引用里,43% 是标题或 URL 含 best/top 的榜单页,指向 1,535 个不同页面,当天成功抓到 1,473 个。

「被推荐」的判定口径很严:品牌要出现在标题、加粗、链接、表格或列表开头,顺带提一句不算。

把「这次回答引用的榜单里有几份提到该品牌」和「是否被推荐」对照:

| 被引榜单中提到该品牌的份数 | 被推荐的比例 | |---|---| | 0 份 | 2.5% | | 1 份 | 21.5% | | 2 份 | 31.6% | | 3 份及以上 | 44.1% |

在能读到被引榜单的 3,284 次推荐里,2,943 次(90%)给了至少一个出现在榜单上的品牌;回答的第一名有 656/695 次(94%)也在榜单上。

需要说清 90% 不是什么。它是共现,不是因果——「90% 的推荐里至少有一个品牌同时出现在被引榜单上」,不等于「90% 的推荐由榜单决定」。两天、每天一次的样本,撑不起因果结论。但方向和第二节的覆盖度曲线一致:品牌被提名的概率,跟着它出现在被引页面上的频率走,而「best X」榜单正是那类最常被引的页面。

榜单的数量也不多。按品类不同,10 个站点承担了 38% 到 90% 的榜单引用;Gemini 引用的页面里,83% 的标题或 URL 带「2026」。前者说明目标名单短到可以人工列完,后者说明时效标签在这个场景里有用——一份标题里没有年份的榜单,可能压根不在候选池里。

四、一个必须说清的例外:ChatGPT 几乎只读官网

如果照上面的结论推出「官网不重要」,会在 ChatGPT 上错得很彻底。

EkLine 在 11 月 18 日做了一组小样本:10 个开发者工具类问题,每个问 5 次,三家助手,150 条回答、1,160 条引用。分化非常干净——ChatGPT 的 215 条引用里 213 条是厂商自己的产品页、定价页和文档;Claude 的引用 80.9% 是「best X / 对比」类页面,Perplexity 是 92.0%。

同一批数据还给出一个更锋利的数:123 条推荐了某个产品的回答里,44 条压根没引用那个产品的网站(Claude 占 24 条)。Claude 五次都推荐 Sentry,一次都没引 sentry.io;Perplexity 五次都推荐 Algolia,十条信源里没有一条是 Algolia 的页面。

所以「官网 vs 榜单」不是二选一,是按引擎分账。同一份内容通投四家,在数据上没有依据。

Semrush 那篇讲「引用核心」(citation core)的指南给的是另一种切法:按品类和国家列名单。它引用自家覆盖 1.26 亿条提示词的 AI Visibility Index——金融品类里 NerdWallet、Investopedia、Bankrate 拿到的引用多于 Forbes 和《华尔街日报》;美国软件品类是 G2、Capterra、TrustRadius;六家户外装备垂直站合计贡献超过 65,000 次 Patagonia 提及,多于全部一线传统媒体。而名单必须按国家拆:汽车类问题在美国靠 Kelley Blue Book 和 Edmunds,在英国靠 AutoTrader 和 What Car?。

五、验收口径:把「名次」换成「份额 + 区间」

这轮研究里最值得抄进合同的一条,来自作者自己的更正。

11 月 18 日那篇说「隔夜 84% 的答案换了品牌」。11 月 19 日,作者按公开品牌名单重算,改成 75%,品牌重合度从 61% 改成 68%。原因是自动品牌匹配把一些并非推荐的名字算了进去。

一个专门做品牌提及监测的工具,因为识别品牌名的方式,把头条数字挪了九个点。这件事本身就是对「单次截图」最有力的反驳:测量口径的误差,和被测对象的波动,是同一个量级。

所以验收至少要三条:每个提示词、每个引擎、每天重复跑几次并公开次数;报「被提名的份额 + 置信区间」,不报单一排名;公开品牌匹配的错误率。

还有一条容易被忽略:细分问题比宽泛问题更不稳。同一批数据里,宽泛问题的品牌重合度 73%、完全一致 36%,细分问题只有 56% 和 12%,页面重合度从 54% 掉到 19%。用长尾问题做验收,等于在用最抖的那部分数据下结论。

作者也把自己的局限写清了:仅美国、仅英文、仅未登录状态、没测关闭联网搜索的情况、约四分之一的页面读不到、品牌匹配基于约 700 个固定名单、目前只有三天数据(研究进行到 11 月 23 日)。这些限制不推翻方向,但足以说明为什么任何一个单点数字都不该被当成结论。

对企业,这轮数据给出的动作不多,但顺序要改。

第一步不是写内容,是数页面:选一个品类、一个市场,写 50 个真实购买问题,在四家引擎上各跑几遍,把被反复引用的域名记下来,再数自己在几个上面。覆盖度低于一成,就是 3% 那一档,先解决「上不上得去」,别谈名次。

第二步是把榜单当配额管理,而不是当公关。目标是「出现在几份引擎会读的名单里」,3 份以上才到 44% 那一档;这件事可以拆成可交付的任务——认领档案、提供可引用的数据、进入已有的对比页。

第三步是改验收。按周重复采样、报区间、留原始引用 URL。一张截图今天不能结账,因为同一分钟再问一次,它就有六成概率不再是那样。

官网没有失效,它的角色换了:它是被转述的底稿。第三方写那份榜单时读的仍是你的页面;页面含糊、过期、自相矛盾,转述会继承这些毛病,AI 的答案再继承一次。而在 ChatGPT 那条链路上,它甚至还是主信源。

星锚GEO 把这三步做成了可复盘的流程:先数页面覆盖,再谈名单配额,最后用频次和区间而不是快照来交付。