很多团队的第一份 AI 可见度基线是这样做的：挑出 Google 排名最好的二十个页面，去各引擎里各问一遍，然后得出结论「我们的内容不差，AI 引用少是别的原因」。这个推断链条，第一步就断了。

一组对照：76.1% 与 12%

Ahrefs 的统计里，被 Google AI 概览引用的页面中，76.1% 在 Google 自然结果前十；而 ChatGPT 引用的 URL 里，只有 12% 在 Google 前十。同一份统计还发现，Google 的 AI 概览有大约 80% 集中在信息型关键词上。

翻译成白话：在 Google 里排名强，几乎等于在 AI 概览里被引用的概率高；但在 ChatGPT 里，这条规律基本不成立。 ChatGPT 的引用大量来自百科、参考类站点和它自己检索到的来源，和你站上第几行关系很弱。

每个引擎有自己的偏好

  • Google：自家产品与媒体类内容占比高，排名强与引用强的相关性也最高；
  • ChatGPT：百科、媒体、参考站点权重突出，论坛与视频同样吃香；
  • Perplexity：论坛讨论与测评类内容占比明显，检索一取一批页面，最后只引少数几条；
  • 微软 Copilot 系：引用偏好与必应体系走得更近，和另外几家不是一套班底。

同一个页面，在这几个体系里的「命运」可以完全不同。所以「我们排名很好」这句话，只对其中一个体系负责。

花一下午摸清一个引擎的偏好

不用买工具也能做，四步就够：

  1. 定十个问题：三个品类题、三个对比题、两个场景题、两个信任题；
  2. 每个问题问三遍：记录出现的是什么来源，是官网、论坛、测评、视频还是百科；
  3. 归类：把来源按类型打堆，看哪一类吃掉了多数引用；
  4. 判断缺什么：如果你在自己行业里缺的恰好是那一类内容，方向就明确了。

把四个引擎各做一遍，你会得到一张「谁在替我说话」的地图，比一份排名表有用得多。

该改的四个动作

  1. 按引擎建基线，不要用一个引擎的成绩去推另一个；
  2. 先看谁在占位：把每个问题里拿到引用的域名记下来，判断那类内容你缺不缺；
  3. 别用同一批页面考核所有引擎：每个引擎偏好的内容形态不一样，针对性准备；
  4. 版本变化单独记：模型或检索更新后引用会整体漂移，和自身优化混在一起看，容易误判成「我们的动作有效」。

总结：AI 搜索不是一个引擎，而是几个各自成体系的答案入口。搞清楚每个入口里谁在引你、谁在替你说话，比追求一个总排名有用得多。