做 AI 曝光监测的人，最爱的就是报表里那行「你的页面被引用了 N 次」。但一条引用本质上是个承诺：答案里旁边那句话，出自你那个链接。最近有第三方测量团队把这个承诺拆开验了验，结论有点扎心——大概一半的引用，撑不住它旁边那句话。

引用是怎么被「验」的

Machine Relations 有个叫 Answer-Source Fidelity 的测量工具，每晚抓取 AI 答案里的引用来打分。流程分两步：先看这条引用能不能打开页面、能不能精确对到答案里的某一句话，这叫「可解析」；再判断被引的页面，是否真的支撑那句话的内容。打不开的、对不到具体句子的，都不计入评分。

9 月 19 日它发布了第一份冻结样本：10,066 条引用事件里，ChatGPT 的可解析引用 1,255 条，支撑率 54.8%；Perplexity 是 50.1%。Gemini 和 Claude 更麻烦，可解析率分别只有 9.0% 和 6.5%——大多数引用根本对不到具体句子，连评都没法评。

五倍样本，数字没动

冻结样本有个天然疑问：会不会只是一次快照的运气？9 月 26 日的新读数回答了这个问题。工具的另一条轨道是持续累积的实时队列，从 9 月 2 日跑到 9 月 26 日共 24 轮，ChatGPT 已积累 8,258 条引用，其中可解析 6,225 条——是冻结样本的五倍——支撑率 53.4%。

比 54.8% 低了 1.4 个百分点，落在两次抽样的正常波动范围内。这在测量上叫「复现」：不是一次性的偶然读数，而是稳定的结构性现象。换句话说，ChatGPT 的引用大约一半撑不住旁边那句话，而且样本越滚越大，这个比例也没在改善。

该盯的不是引用数，是引用句

这对做监测的人意味着什么？「被引用 N 次」只是个存在感指标，它不告诉你 AI 拿你的页面说了什么。按上面的数字，接近一半的情况下，说的不是你页面里那个意思。

具体可以这么补：把监测从「有没有被引」升级到「引用句说了什么」，定期抽样，把 AI 答案里引用你的那句话和你自己的页面逐句对照；硬信息优先核对——价格、数据、结论、资质，这类东西一旦被传错，用户会当成你的官方口径；发现被误引的页面，别急着庆祝流量，先看那句话错在哪、页面里有没有一句更「防误读」的写法可以顶上去。

被误引其实比不被引更麻烦。不被引只是缺席，被引错了是替你发言还发错了稿。

几个别读过头的限定

  • 53.4% 只统计「可解析」的引用，打不开和对不到句子的都没算进去，真实全貌可能更糟也可能更好，目前没人知道；
  • Perplexity、Gemini、Claude 目前只有 9 月 19 日的一次性快照，还没有第二轮复核，拿这几个数横向排座次为时过早；
  • 这是第三方工具的口径，不是平台官方数字（该工具自己的校准证书显示与人工基准一致率 91.2%），读的时候留个心眼；
  • 学术侧早有同方向的发现：引用「正确性」和「忠实性」是两回事，有研究测出过 57% 的引用过不了忠实性检验。这不是孤例，是行业反复撞见的同一堵墙。

引用量是可以刷的——平台反作弊已经盯上了这条路。但引用句对不对，刷不出来，只能靠内容本身写得清楚、不容易被读歪。GEO 的下一关，不是「被提到」，是「被说对」。