一周 GEO 论文实证：AI 引用的真实机制

做 GEO 的团队经常被问同一个问题：为什么页面做得这么规范，AI 还是不怎么引用。过去一年，行业给出的答案多半来自经验——加 FAQ、补结构化数据、做摘要框、把加载速度提上去。2026 年 10 月 10 日，多伦多大学的 Mahe Chen 与 Nick Koudas 公开了论文《What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization》，用两个市场、90 天连续观测把这件事算了一遍，样本量是 158,099 条答案与 468,037 条引用。

研究是怎么做的，为什么它的结论值得看

两个市场、90 天连续采样

研究者选了两个反差很大的市场：一个是由少数大品牌主导的消费市场（美国家庭宽带），651 个问题、143,249 条答案、396,188 条引用；另一个是小型 B2B 软件供应商构成的利基市场，55 个问题、14,850 条答案、71,849 条引用。采样周期是 2026 年 6 月 24 日至 9 月 21 日，每天固定提问。连续观测的价值在于能看到变化，而不是某一天的截图。

关键在于「同一网站内部比较」

这项研究最重要的方法论是站内比较。过去流传的结论大多来自跨网站比较，而它有一个致命缺陷：那些被推荐的做法本来就集中在大站点身上，大站点被引用得多，可能是因为品牌大，而不是因为做了 FAQ。研究者把比较限定在同一网站的不同页面之间，域名权重与抓取条件相同，差异就只能来自页面本身。这个方法比任何工具都便宜，值得记住。

三个反直觉的结论

被检索到，比页面上任何东西都重要

研究者把同一批问题通过引擎的 API 重放了一遍，结果显示：ChatGPT 引用的每一个页面，都是它自己那次搜索检索回来的页面，比例是 100%。在解释同一网站内部的引用差异时，检索贡献了 32%，而全部页面属性加起来只有 2.8%，相差约 29 个百分点。更反直觉的是引擎搜什么：ChatGPT 会把一个问题拆成约 4 个关键词式查询，每次都重新改写，同一天两次运行之间的查询重叠只有 2.7%。它引用的页面里，97% 不在 Google 前 50 名；即便是基于 Google 检索的 Gemini，其引用页面中也只有 5.6% 出现在 Google 前 10。传统搜索的排名不能当作 AI 可见度的代理指标。

FAQ、结构化数据、摘要框、页面速度，站内比较中并不带来更多引用

这是全文最需要被企业知道的一段。研究对几项最常见的推荐做法做了站内验证：FAQ 区块是 −3.4%，摘要框是 +6.9%，作者框是 −4.6%，结构化数据是 −5.3%，页面速度是 −1.1%，全部不显著。而它们在跨网站比较中却都「看起来有效」——FAQ 区块在跨网站口径下显示 +18.1%，在利基市场的 B2B 样本里甚至达 +22.5%。原因不复杂：FAQ 区块出现在被引用最多四分之一网站上的比例是 43%，在最少四分之一网站上只有 23%。这是典型的辛普森悖论，做法集中在强站上，于是做法显得有用。这不等于结构化数据没有价值，Schema 仍承担明确实体、帮助机器理解页面结构的作用，只是它本身不足以换来引用，应把它当成基础功课而非效果杠杆。

模型「记得」的品牌，会被直接写进答案

研究还发现了一条不经过检索的通道。当品牌存在于模型先验知识里时，ChatGPT 有 67% 的概率把它写进检索查询，否则只有 11%；它偏好自己认识的网站，同一排名下被引用的几率高出 1.6 倍。更直接的数据是：ChatGPT 有 47% 的引用来自它模型里已有的网站，46% 的品牌提及没有任何引用页面支撑，纯粹来自记忆。在利基市场，模型对多数小供应商几乎一无所知，它们的可见度完全依赖检索；而一个被引用的第三方页面提到某供应商，会让答案提及它的几率提升到 39.7 倍（ChatGPT）和 17.7 倍（Gemini）。这说明大品牌的可见度有相当一部分是历史积累的先验优势，而中小企业的突破口更集中在「被检索到 + 被第三方页面提到」这条链路上。

数据里唯一稳的那条规律

标题和段落与真实提问的匹配度

站内比较中，只有衡量「页面与问题匹配度」的特征通过了全部检验：最佳段落匹配每提高一个标准差，引用增加 15.5%；标题匹配问题，增加 14.1%；语义词重叠增加 9.1%。在第三方页面上这个效应更强，分别是 25.7% 和 23.6%。与之相对，长度、外链、标题层级、列表、表格这些结构性因素都没有显著效果。结论很朴素：用客户真正会说的那句话去写标题和段落。这件事不花钱，但要花判断力，因为前提是先弄清楚客户到底怎么提问。

同一排名下，简洁的一手页面胜过综述和论坛帖

研究还比较了同一排名位置下不同页面类型的表现。品牌自有页面被引用的几率是 1.71 倍，标题更明确的页面是 1.28 倍，而更短的页面是 0.59——长页在同等条件下反而吃亏。列表页、对比页、论坛帖的倍率分别是 0.54、0.34、0.30，它们经常被检索到，却很少被引用。对照实验还发现一个引擎差异：ChatGPT 会引用它先读到的内容，同一来源在首位被引用的比例是 60%，末位是 43%；Gemini 没有这个位置效应。

对企业执行清单的具体影响

该做的四件事

第一，把内容计划从「覆盖关键词」改成「覆盖客户提问」。整理销售和客服的真实问句，一个问题写一段能独立成立的完整回答，标题直接用问题本身的措辞。第二，把页面做短、结论做前，去除与问题无关的品牌铺垫。第三，把第三方信源当作一等公民。研究显示第三方页面上的匹配度效应更强，而被引用的第三方页面提到你时，提及概率的提升是数量级的。行业媒体、垂直评测、合作方页面上准确、可核对、口径一致的事实描述，比官网再发十篇文章更值得投入。第四，监测口径要包含问题和时间两个维度，因为被引用的页面集合在数周内就会变化。

要调整预期的地方

FAQ 区块、结构化数据、摘要框、作者框、页面速度这些动作可以继续做，但要重新归类：它们是可读性、实体清晰度和体验层面的基础工作，不是「做了就能被引用」的效果杠杆。同样需要调整的是对排名的期待——由于引擎每次都会改写查询，且与公开搜索引擎的结果差异极大，用 Google 或百度的排名去推断 AI 答案里的表现，会系统性地高估或低估。

也需要说清楚这项研究的边界

第一，论文报告的都是相关性，不是因果关系，作者在结论中也明确提示了这一点。第二，两个数据集都是面向美国市场的英文问题，中文环境下的引擎行为是否一致需要另行验证，不能直接照搬。第三，检索重放使用的是引擎的 API，与消费端产品可能存在差异；Perplexity 因不提供回放接口，未被纳入这部分分析。第四，这类测量描述的是 2026 年当下的引擎行为，模型版本更新后可能需要重测。

把这项研究放到日常执行里，它带来的最大改变不是推翻某个技巧，而是调整顺序：先解决能不能被检索到，再解决内容与提问的匹配度，最后才是页面层的基础功课。对预算有限的企业来说，这个顺序意味着钱应该先花在弄清楚客户怎么问、以及怎么被第三方准确提及上，而不是花在给老页面补格式标记上。