同一个采购问题，五个 AI 引擎引用的证据不一样

同一句「这个行业哪家靠谱」，在 ChatGPT、Perplexity、Gemini 和 Google 的两套 AI 答案里，引用的不是同一批页面。2026 年 10 月 16 日 Onely 公布的一组对照实验把这件事量化了：ChatGPT 有 57% 的引用指向被点名品牌自己的官网，而 Gemini 有 77%、Perplexity 有 70% 的引用指向「best X」这类第三方榜单。信源偏好不是风格差异，它决定预算投在官网还是投在别人的清单里。

一、同一批采购问题，五个引擎交出了五种证据结构

实验是怎么做的

Onely 把 31 个同类问题——统一是「best agencies for X」的句式，覆盖 B2B、SaaS 等 31 个细分行业——分别投给五个入口：带联网的 ChatGPT、Perplexity、Gemini、Google AI Mode 与 AI Overview。然后把每条答案引用的每个页面按域名和标题归类：品牌自己的站点、「best X」榜单、点评与目录站、Reddit 帖子。Google 有 11 个问题没有返回结果、2 个没有生成 AI Overview，所以 AI Overview 那一列只有 18 条答案。

数字本身就是结论

ChatGPT 的 31 条答案共引用 210 个页面，其中 119 个、也就是 57%，是被推荐品牌自己的官网；榜单占 22%，目录与点评站 9%，Reddit 1%。同一批问题换到 Gemini，83 个引用里 64 个是榜单，77%；Perplexity 561 个引用里 395 个是榜单，70%；Google AI Mode 96 个引用里 57 个是榜单，59%；AI Overview 是 48%。只有 ChatGPT 这一列，官网是首要信源。

还有一个量差：Perplexity 平均每条答案引用 18 个页面，Gemini 不到 3 个，按条数统计会把两种不同的曝光位置算成同一个指标。

二、57% 不是偶然，ChatGPT 的检索动作解释了它

十次搜索，八十个页面，最后只用十个

Onely 同时记录了检索过程：31 个问题共发起 316 次独立搜索，平均每题约 10 次；返回 2521 个页面，平均每题约 81 个；最终进入答案的引用是 210 个。它读到的远多于它引用的，筛选发生在阅读之后。

被返回 698 次的 Reddit，只被引用一次

反向案例更值得看。2521 个页面里有 698 个是 Reddit 帖子，占 28%，每个问题都至少返回了一条；但 31 条答案里 Reddit 只被引用一次。维基百科被返回 160 次，引用为零。返回不等于采用，检索层的召回和生成层的选择是两道不同的闸门。

那 7 次加 official 的第二轮搜索

有 7 个问题，ChatGPT 首轮后又搜了一轮，查询词是品牌名加 official。这个动作解释了 57% 的来源：先通过榜单确定候选品牌，再回头去官网核实。榜单负责「谁在被讨论」，官网负责「它自己怎么说」，是先后关系而非替代，只做一头就会卡在半路。

三、三个独立数据源，指向同一个方向

Archipel 的两个月曲线

法国机构 Archipel 的 Observatory 追踪了 2026 年 7 月 12 日到 10 月 11 日的买家问题，ChatGPT 引用中品牌官网、媒体与博客的合计占比从 51.0% 升到 67.6%，榜单与对比页从 36.8% 降到 28.8%，论坛从 6.1% 降到 0.1%。三个月换了结构。

Ahrefs 看到的扇出机制

Ahrefs 2026 年 9 月的扇出研究给了技术解释：ChatGPT 发起 site: 定向搜索时，英文样本里有 75.9% 指向品牌自有域名；查询词出现 official 的比例从 8 月的 10.1% 升到 9 月的 13.1%。不是内容口味变了，而是检索动作本身在变，引擎开始主动去源头核对。

三组数据的方法、市场、时间窗口都不同，指向却一致：品牌自有页面正在从「补充材料」变成「主要证据」，只靠榜单被提及的企业在 ChatGPT 线上会越来越薄。

四、对企业内容策略的实际含义：两条线，不能合成一条

官网要回答「你为谁做、不做什么」

ChatGPT 引用官网时，读的不是关键词密度，而是这句话能不能回答提问者。Onely 给了一个可操作的判断标准：写清自己服务谁、做什么、什么情况下不是合适选择，模型就有可引用的句子；只写「为各种规模企业提供解决方案」，就没有。B2B 尤其明显，采购方的问题常带规模、行业、预算三个限定词，泛化描述在它们面前失效。

第三方清单仍是 Google 系的主战场

Gemini 77%、Perplexity 70%、AI Mode 59% 的榜单占比，短期内不会因为官网做得好而改变，它对应的是「best X」聚合内容的长期存在。这条线上的动作是进入清单、被正确描述，而不是把官网改得更像清单。

五、测量上最容易犯的错：把引擎平均成一个分数

把 ChatGPT 和 Google 系合成一个「AI 可见度总分」，会掩盖真实结构：Google 榜单上的胜利，可能正好遮住 ChatGPT 里官网引用的缺失，反之亦然。至少按引擎分开报三个数：提及率、引用率、被引页面的类型构成。第三个最容易被漏掉，却决定下个月预算往哪边挪。

同一天问两次，名字会变

Onely 另一组实验做了更严格的对照：同一天、同一批问题跑两遍。ChatGPT 两轮共点名 15 个品牌，只有 5 个重复；Google AI Mode 7 个里重复 1 个；Gemini 13 个里重复 2 个；Perplexity 15 个里重复 4 个；只有 AI Overview 两次答案一致。他们随后打开 14 份「best AI SEO 公司」榜单，12 份由发布方把自己排在最前，其中只有 3 份明确说明。单次快照只能当样本，不能当结论。

六、可执行的顺序

起步：先分清自己在哪个引擎的战场上

拿 20 到 30 个真实客户提问，分引擎各跑一遍，记录被引页面的类型分布。ChatGPT 里全是榜单、官网为零，问题在官网的可引用性；Google 系里官网有、榜单无，问题在第三方覆盖。两种病灶，药完全不同。

并行：按引擎分头改，不追求一套通吃

官网侧改回答结构：每个服务页开头两句话说清为谁做、做什么、边界在哪；案例页写清问题、动作、结果，少写形容词。清单侧改被描述的方式：先核对品牌名、业务范围、地域口径是否一致，不一致的先修正再新增。

复测：按周看结构，而不是看单点

同一个问题集，每周固定时间跑一次，记录提及、引用、页面类型三个数。判断标准不是「这周有没有变好」，而是「结构有没有在移动」：自有引用占比升，方向就对；榜单升而自有为零，说明还在借别人的口说话。

回到开头：AI 的信源偏好已经不是「模型喜欢长文还是短文」的口味问题，而是检索动作与证据类型的问题。企业能做的，是把自己变成提问现场能被读到、被核实、被复述的来源。官网负责被核实，第三方负责被遇见，两件事都要做，但不能用同一套指标衡量。