同一个引用率能差四倍：GEO 报表的分母问题

先看两个同时成立的比例

2026 年 11 月 5 日，Web Pulse 发布的一份对比 15 份 AI Overview 引用研究的分析给出一个事实：只看「被引页面有多少本来就在自然结果前 10」，公开数字从 16.7% 分布到 76.1%，相差四倍；其中 76.1% 与 37.9% 出自同一发布方 Ahrefs，相隔八个月。

这不说明有人造假，而说明「AI 引用率」是一族指标：换分母、换引用范围、换排名区间，结论就不同。企业最常犯的错误是拿两个不同口径的数字做前后对比——把已饱和的工作当成刚起步，把真正起量的动作当成无效。

同一个发布方，两次口径差在哪

2025 年 7 月那版只统计每个 Overview 最显眼的前 3 条引用（100 万个 Overview、190 万条引用），76.1% 落在前 10；2026 年 3 月那版改为 863,000 个关键词 SERP 的全部 400 万条被引 URL，把广告与各类 SERP 块都算作位置，前 10 只剩 37.9%，31.0% 在前 100 之外。

两次都真，但回答两个问题：前者问最显眼的三条从哪来，后者问所有被引页面从哪来。

三种分母：数关键词、数引用、数域名

94% 与 44% 为什么同时为真

seoClarity 2025 年 10 月分析过 362,000 条美国桌面查询、510 万条引用：按关键词算，94% 的查询至少含一条前 20 的 URL；按引用条数算，44% 的引用来自前 20 之外。两个数对同一数据集同时成立，一个数「多少个问题里有自己人」，一个数「每条记录来自哪一层」。

前者答「这个品类的问答里我有没有席位」，后者答「我占全网引用多大份额」。用前者汇报、用后者决策，预算必然错配。

位置梯度比总数更有用

同一研究给了梯度：第 1 位被引概率 43%，第 20 位降到 7%。曲线给的是边际而非平均——从第 30 名挤进第 15 名的增量，可能大于从第 5 名挤进第 2 名。

域名口径会把数字再压一层

arXiv 2605.14021（2026 年 5 月首发、后被 IMC 2026 接收）按域名计数：55,393 条美国热门查询、7,583 个 Overview，29.8% 的被引域名在整个首页 SERP 缺席。换成域名口径，「AI 更青睐新站」一类说法会自动掉一截——同一新站的二十个页面只算一个席位。

只数前三条引用，结论会自动抬高

Surfer 2026 年 9 月修订的研究给了最直观的对照：10,000 个关键词里 76% 触发 Overview，按全部引用算 67.82% 的被引页面在前 10 之外；只数前 3 条引用，比例降到 45.86%。引用范围一收窄，前 10 占比立刻从约三成升到约五成。

「排名还有没有用」吵了两年，多半卡在这里。前三条更偏向已有排名，后面的引用更分散，新页面与垂直站点更容易出现。于是有两套动作：想进最显眼的位置，先做自然排名；想出现在长尾引用里，靠可整段抽取的具体信息。

AI Overviews 与聊天式引擎不是同一个池子

2026 年 11 月 4 日，Victorious 的 Q3 2026 报告给出：AI Overviews 引用过的来源里 37% 在同一问题的自然结果前 10，ChatGPT、Perplexity、Copilot 只有 13% 到 18%。口径为 34 个品类问题、五个行业、九个平台，每题约 30 次，6 月底与 9 月底各一轮。

37% 与 13% 的差距该怎么用

谷歌侧摘要本质是自然结果的再加工，SEO 存量资产可直接复用；聊天式引擎更依赖站外材料，官网做得再好也只是候选之一。「SEO 与 GEO 是不是两套预算」取决于优化哪个入口——在 AI Overviews 上拆成两个项目通常是浪费。报告也提醒：同一批搜索隔几分钟重跑，结果就会变。

97.5% 的覆盖率把统计问题变成经营问题

同一报告里，AI Overviews 出现在 34 个品类问题中的 97.5%，上一季度是 72.8%。覆盖率接近饱和，「多少问题出摘要」不再是变量，「摘要里引了谁」才是。同期 Google 在 2026 年 8 月 28 日确认，部分摘要会自动展开到全文长度，自然结果被推得更靠下。

唯一一次对照实验：加了结构化数据，引用没涨

可查的研究里做过隔离对照的很少，Ahrefs 这一组是目前最完整的一次。他们先用 600 万个 URL 观察到，被 AI 引用的页面带 JSON-LD 的概率几乎是从未被引页面的 3 倍。随后他们做了隔离测试：1,885 个在 2025 年 8 月至 2026 年 3 月自行加装 JSON-LD 的页面，匹配约 4,000 个对照页，取前后各 30 天做配对差分，AI Overviews 引用下降 4.6%，AI Mode 升 2.4%，ChatGPT 升 2.2%，后两个与零无法区分。

−4.6% 不能被读成「加 schema 有害」

绝对量很小：每天少约 12 条引用，而样本页面本来每天有几百条；两组在加装前已同步下滑，作者自己的措辞是「没有明显变化」。更关键的是样本限制：页面在 2025 年 2 月已有 100 条以上引用，模型早认识它们——测的是「已知页面的微调」，不是「陌生页面能否被找到」。searchVIU 让五个系统实时抓取时，没有一个读取 JSON-LD，只取可见 HTML。

相关 3 倍与实验 0 的冲突怎么解

不冲突。schema 更像技术水平的指示器而非排名因子：它多出现在维护更勤的站点上，那些站点同时有更好的内容与更多外链。把指示器当引擎，预算就花在最便宜、边际收益也最低的地方。合理定位是卫生项：该做，但不该进增长指标。

企业侧自查：把口径写进报表

回到最实际的问题：下周给管理层看的 GEO 报表怎么写。四个字段缺一不可——分母单位（关键词、引用条数或域名）、引用范围（前 N 条或全部）、排名区间（前 10 还是前 20）、样本边界（市场、设备、时间窗）。缺一项，这张表和上个月就不可比。

两个最容易漏的变量

一是 fan-out：Gemini 会把一个问题拆成多条子查询，子查询排名算不算「同问题排名」，各家不同，换个处理方式就能差出十几个百分点。二是时代断点：Ahrefs 在 2026 年初改善了解析，AI Overviews 也切换到 Gemini 3，跨版本对比必须标出断点。

引用别人的数字时写清三件事

15 份研究里 11 份是厂商研究，每一家都在卖它测量的那个东西。这不构成造假，但引用时必须同时给出机构、日期、口径；做不到就宁可换成自家数据。对服务商来说这反而是机会：把口径写清楚、把不可比的月份标出来、把「这是相关性不是因果」说在前面，短期像给自己的结论打折，长期换来的是报表能被信任。

结语：口径先对齐，数字才有用

GEO 已经从「要不要做」进入「怎么验收」。同一批数据能算出四倍差距，说明验收标准必须在项目开始前写定，而不是季度末看谁的数字更漂亮。先定分母，再定基线，最后谈涨跌；顺序颠倒，后面全是口径之争。落到动作只有三条：四个字段固化进月度模板，跨月对比只在同口径内做，引用外部数字前先找它的分母。