同一个品牌，五份报告五个数，问题出在哪
你现在可能已经遇到过这种场面：三家给你报 GEO 的公司，各自交来一份 AI 可见度报告，数字却对不上。A 说你的官网只占 AI 引用来源的 1.4%，B 说 84% 的引用都指向「公司网站与博客」，C 说在采购评估阶段有 88% 的引用来自品牌能自己控制的内容。
三份都不是编的。1.4% 与 84% 甚至出自同一份 2026 年 10 月的统计（覆盖 30 万条以上 AI 引用、约 5 万个被引页面），差别只在分母：1.4% 的分母是「你自己那一个域名」，84% 的分母是「所有不属于 Reddit、YouTube、G2 这类平台的网站与博客」——你同行的博客、行业媒体、客户案例页，全都算进去了。
这一节要你记住的只有一句：报告里出现百分比时，先问它算的是谁、被谁、除以什么。分母不同的数字摆在同一页上做对比，结论一定是错的。那份口径说明在这里：Airefs 的 AI 引用来源统计。
AI 不是一次认识你，而是分三次认识你
客户在 AI 里问你，通常发生在三个不同时刻：他刚听说这个品类，还不知道有哪些厂家；他已经把范围缩到几家，正在比；他准备定一家，想听个第三方意见。
这三次提问，AI 每次都重新去搜一遍，而且三次翻的是不同的信源池。2026 年 10 月 10 日挂上 arXiv 的一篇论文把这件事量化了：两位多伦多大学的作者收集了 158,099 条商业问题的回答、468,037 条引用，发现「页面本身长什么样」只能解释被引差异的 2.8%，而「引擎自己改写出来的那一次搜索到底检回了哪些页面」能解释 32%。论文里有一句可以直接拿来做判断标准的话：页面是被搜出来的，品牌是被记住的（arXiv:2610.15033）。
同一份论文还提到一件事：引擎会把你的一句话问题改写成好几个子查询再去找页面，而这些子查询检回的结果，和 Google、必应上检回的很少重合。这意味着你在传统搜索里排第几，和你能不能进入 AI 的候选池，是两条独立的线——前者不能替代后者。
所以「官网到底重不重要」这个问题问错了。该问的是：在我客户的哪一次提问里，官网是主力？
第一次提问：客户刚听说你，名单里有没有你
这一段是别人的场子。Search Engine Land 在 2026 年 9 月用 775 条引用事件测过冷启动期的来源结构：第三方清单与榜单站占 85.8%，自有清单 14.0%，新闻稿 0.2%；而自有页面平均要 18 天才第一次被引用。
同期还有一个变化值得你知道。Ahrefs 在 2026 年 10 月 12 日发布的分析显示，ChatGPT 在美国回答里最常引用的域名，从 3 月到 9 月整体从「解释型网站」转向了「原始出处」：PubMed 从第 64 位升到第 4 位，FDA 进入第 8 位；WebMD 从第 18 位掉到第 79 位，Reddit 的出现率从 19.1% 降到 2.3%。转述这份研究的分析给了一句解读——它在优先要原始出处，而不是转述原始出处的网站（Crawlmind 对 Ahrefs 数据的解读）。
这两件事合起来指向同一个动作：客户第一次听说你时，AI 是从别人的页面里第一次看到你的。这一步的投入是站外的——行业榜单、测评报告、垂直媒体、视频与职业社交平台。这一段写自己官网的效果最弱。
还有一组数字能说明「这一步为什么这么难进」：同一份 Ahrefs 分析统计了 2026 年 8 到 9 月的 6,660 万条登录态免费版回答，发现只有 14.4% 的回答真的触发了一次网页搜索——大部分提问，AI 是直接凭记忆答的。真正去搜的时候，它写出来的子查询里有 6.8% 直接用上了「只搜某个域名」这种限定写法，而被限定的目标里有 75.9% 是品牌官网；英文子查询里「official（官方）」这个词的出现占比同期从 10.1% 升到 13.1%。换句话说，AI 一旦决定核实，是直奔官方页面去的——这时候「把官方内容讲得更通俗」的转述页，连候选名单都进不去。
第二次提问：客户在挑，AI 更愿意听谁说
到这一步，主动权回到你手里。这可能是全文最反直觉的一个数字：在 B2B 采购的对比与评估阶段，88% 的引用指向品牌能自己控制的内容（Ten Speed，2026-09，第三方自报）；另一份跨 8 个行业的统计显示，考虑阶段的品牌自有页拿走 42% 到 79% 的引用（BrightEdge，2026-05，第三方自报）。两组数字的出处汇总在 Known & Cited 的 GEO 研究索引。
这和「商业意向问题上 82% 的引用给第三方」矛盾吗？不矛盾。那是另一个阶段、另一类问题、另一个分母。采购决策不是一瞬间，是几周甚至几个月，AI 在每个节点上用的信源池不一样。看到两个相反的数字，先看它们各自量的是哪一段。
这一段官网为什么能拿到份额？不是因为它被当成权威，而是因为 AI 在替客户做比较表时需要准确的一手事实：型号、参数、适用范围、交付条件、明确写出的限制。这些事实只有你有。所以官网在这段的任务不是「写得更专业」，而是「写成能被抽进比较表的样子」——一个小结论开头，后面跟一张条件清楚的表。
第三次提问：客户问「到底选哪家」
最后一步又是别人的场子。一份覆盖 900 万条 AI 答案、400 多个企业品牌的研究里，商业意向问题的引用有 82% 给了第三方，只有 3% 给了品牌自有页；而且 64% 的引用来自普通页面，不是那些专门为被引用而写的榜单或对比文（brightonSEO 2026，第三方自报）。
这里还有一个必须说清的区别：引用条数不等于被推荐。一项 2026 年 10 月的研究发现，被 AI 略过的品牌平均有 9.2 条引用，反而比被首选品牌的 8.4 条更多。被引用只说明「你被找到过」，不说明「你被选上了」。
更麻烦的是「用了不提」：2026 年 9 月的另一项研究测得，约 61.7% 的引用属于这种情况——AI 用你页面上的内容拼出了答案，但答案正文里没有出现你的名字。客户读完之后，记住的是结论，不是结论的出处。
最后一公里的胜负手在第三方评价：行业评审平台上的档案、客户案例、行业媒体的报道口径。这一段的动作是维护，不是生产——把你已有的真实评价整理清楚，把过时的信息改对。
钱该怎么分：三段各是谁的活
把三段摊开，预算结构就清楚了。它不取决于你有多少钱，而取决于你缺哪一段。
发现段缺人提你——钱花在站外：进已有的行业榜单与媒体，做能被搜到的视频与问答。比较段缺一手事实——钱花在官网：把参数、条件、案例写全，少写形容词。定选段缺第三方声音——钱花在评价资产：把评审平台档案做完整，把老案例更新到今天。
三条里最容易被搞反的是第一条和第二条。多数公司的钱几乎全花在第二步，然后在第一步花光时间抱怨「AI 怎么不提我」。而按 2026 年的实测，客户第一次听说你时，AI 眼里的首选来源是别人的页面。
至于「官网到底占多少」，别再找通用数字了。1.4% 和 84% 都能在公开材料里找到出处，它们的分母不同、阶段不同。真正能用的是你自己跑出来的那一版，以及你跑它的日期。
怎么验收：把「有没有提到我」换成三句话
一份能拿来验收的报告，应该能回答三句话，而不是给一个分。
第一句：客户还不知道这个品类时，AI 给出的名单里有没有你。第二句：客户在比较时，AI 引用的那一页是不是你自己的页面，里面的事实有没有被讲对。第三句：客户问「选哪家」时，AI 有没有把你列进去，说的是不是事实。
为什么不能只给一个数？先看一个更基础的坑：ChatGPT 的一次回答平均会列出三十多个来源页面，但真正在正文里被引用的只有大约 15%；Perplexity 高一些，是 39%。把「它读过的清单」当成「它引用的清单」，数字会虚高好几倍。
再看稳定性。2026 年 10 月的统计显示，同样的问题拿去问四个 AI 工具，它们引用到同一个站点的情况只占 1.7%（Orbit Media，2026-09，第三方自报）；另一份工程分析显示，同一个问题问两遍，两次引用的域名典型只重合约三分之一，ChatGPT 有 16% 的问答对完全不重合（Seerly：读过的页面不等于被引用的页面）。跨引擎更不共享——同一批问题在不同 AI 上的被引来源，大部分只出现在一个引擎里。
所以验收单上必须有四栏：问了多少个问题、每个问题追问了几轮、在哪个引擎上问的、哪一天问的。少一栏，那个数字就不可比。
下周可以动手的三件事
一、自己跑一组问题。按三段各准备 8 个，写成客户真正会打进去的句子（「xx 设备哪家好」「xx 和 xx 有什么区别」「xx 厂家怎么选」），在 2 到 3 个引擎上各跑一遍，同一会话里再追问一到两轮，把答案里出现的名字和来源页面抄进表格。
二、把「现在被 AI 引用的那几页」找出来，看它们是谁的。多数情况下不是你的官网，而是行业榜单、论坛帖、某家的对比文。然后问一句现实的问题：我们能不能出现在那一页里——投稿、补一条准确的数据、纠正一条过时信息，都比新写一篇自己的文章更直接。
三、把官网改成「比较表友好」。每页开头一个小结论，中间一张参数或条件表，写清适用与不适用的边界，标注更新日期。这三件事都不花预算，下周就能做。
常见问题
我们官网在 AI 引用里只占 1.4%，是不是说明官网不用做了？
不是。1.4% 的分母是「品牌自己那一个域名」，而报告里另一个「84% 指向公司网站与博客」的分母是所有非平台类网站，两者不能互相替换。官网不是增长引擎，但客户在比较阶段需要准确的一手事实，这一段官网是主力。
三个阶段，预算应该优先投哪一段？
先确认 AI 现在把你讲成了什么样，再决定。如果发现阶段进不去（AI 的候选名单里没人提你），先做站外；如果发现阶段有名字、比较阶段全是别人的页面，优先补官网事实页；如果只差「被推荐」，做第三方评价与案例。
为什么不能只看一个「AI 可见度」分数？
同一批问题在四个 AI 工具上引用到同一个站点的比例只有 1.7%，同一个问题两次采样典型只有三分之一域名重合，跨引擎的引用来源也基本不共享。所以任何单一分数都不足以下结论，报告必须写清问题数、轮数、引擎与采集日期。