AI 提到你的名字，不等于引用了你的页面

一、同一个问题，两个数字总在打架

做 AI 可见度监测的团队多半遇到过这一幕：月报里「被引用次数」在涨，「被提及次数」却不动，下个月反过来。会上有人问该盯哪一个。这问题问偏了——两者本来就不同。

提及、引用、推荐是三件事

提及指品牌名出现在答案正文里；引用指答案把品牌自有域名列为来源；推荐指品牌被放进答案给出的前三名单。三个数字取自同一批答案，含义却完全不同：提及说明模型「知道有你」，引用说明它「这次读过你」，推荐说明它「愿意把你排进备选」。混着报，等于把体温、血压、血糖加成一个「健康分」。

11 月初的一组对照数字

据 GEO 平台 AthenaHQ 的《State of AI Search 2026》，品牌平均只在 16.3% 的 AI 回答中被提及，自有官网被直接引用的比例约为 16%，头部品牌提及率达 56.5%，约为平均水平的 3.5 倍（经新浪财经 2026 年 11 月 3 日转引）。关键不在高低，而在于它把常被合并的指标拆成了并排两列。

该报告由商业机构发布，样本与口径未完全公开，适合确认方向，不宜当基准线写进 KPI。

二、25281 条答案里的分水岭：被引率 10%

日本 AI 可见度工具 LLMOA 的运营方 Gladcube 于 2026 年 10 月 5 日公布一次提示词级重聚合：3 月至 9 月的 25281 条 AI 答案，覆盖 21 个匿名服务，其中 200 个推荐型提示词各至少 20 条答案。

两条曲线：6.1% 与 27.7%

在 47 个「自有页面从未被引用」的提示词里，平均提及率只有 6.1%，其中 63.8% 完全没出现品牌名；而在 94 个被引率达 10% 以上的提示词里，平均提及率升到 27.7%，完全没有提及的只剩 4.3%。跨过 10% 这道线，「连名字都不出现」的概率从六成掉到二十分之一。

但因果没有建立

发布方写明这是相关性，不是因果。更可能的情况是：某个提示词下页面被反复引用，说明该品牌在这个问题上本来就有较多可检索内容，提及率是被同一批内容推上去的。这条数据的用法是给出自查阈值：某类问题被引率长期低于 10%，答案里没有你几乎是必然结果。

三、反过来也一样：提到你，却没有读你的页面

只看向一个方向，容易得出「提高被引率就能提高提及率」的结论。另一半数据说明两件事可以彻底脱钩。

100 个品牌、652 条引用，只有 29.3% 回自家

2026 年 9 月 30 日至 10 月 1 日，可见度工具厂商 Slate 把定位设为美国，逐个搜索 100 个品牌名：93 个品牌的搜索结果出现 AI Overview，多数三次以内触发；这些摘要合计引用 652 条来源，只有 29.3% 指向品牌自有域名，其余来自新闻、视频和维基百科。

13 个品牌一次都没被引到官网

更值得注意的是，包括星巴克、丰田、辉瑞在内的 13 个品牌，品牌词摘要里一次都没引用自家站点。用户搜的是品牌名，读到的却是别人写的品牌。要标注立场：Slate 本身销售可见度工具，样本是自选品牌，29.3% 不能当全行业平均值；但它足以说明品牌词不是「必然引到自己」的安全区。

四、两笔账为什么会分开

把两件事混为一谈，多半是因为把「模型记得你」和「模型这次读到你」当成了同一件事。

提及：来自参数里的记忆

模型回答时先调用训练语料留下的印象。品牌若在过去几年被大量第三方内容反复描述——榜单、评测、行业报道、社区讨论——即便这次检索没命中官网，模型仍可能顺口把名字写进答案。这类提及便宜但不可控：它记住的版本可能是三年前的地址、早已下线的产品，或另一个同名主体。

引用：来自这一次的检索与核验

引用走另一条路：查询被拆成多个子问题，检索层去索引里找候选页面，再按相关性、可抽取性和可信度重排。能否被抓取、事实能否整段摘出、同一事实在别处是否也有出处，决定了它能否进入引用位。这一层是工程问题，改得动，但见效慢。

社媒为什么在 AIO 里占到 12.2%

据 Promptwatch Data 2026 年 10 月的社媒引用统计（窗口 9 月 28 日至 10 月 4 日，经第三方转述），Google AI Overviews 引用中社交媒体占 12.2%，ChatGPT 只有 0.46%；AIO 内部 YouTube 占 4.28%、Reddit 占 2.15%。这印证了上面的分工：引擎愿意把社区和视频当作可核验的现场证据时，品牌在那里的「被提到」更容易变成「被引用」。

五、四个平台整季留在前 100 的只有 36 个品牌

第三层现实是稳定性。提及可以靠一次热点冲上去，引用位却要按周守住。

Semrush 的季度观察

在 2026 年 11 月 1 日至 2 日的第二届 GEO 大会上，Semrush 亚太区区域总监 Jack Park 引用该公司今年第一季度数据：超过 1200 个品牌在 ChatGPT、Gemini、AI Mode 与 AI Overviews 四个平台获得过曝光，只有 36 个品牌整季在四个平台同时保持前 100 名（据 CSDN 2026 年 11 月 2 日报道）。

峰值好做，稳定难做

换算下来，四个平台同时留在前排的品牌不到总量 3%。这与我们观察到的引用波动一致：一次快照里的名次往往只是抽样运气。评估 GEO 工作时，比「最高排名」更有意义的问题是——连续八周里有几周还在名单上。

六、分开记这两笔账，具体怎么做

落地时要在三个层面拆开处理。

监测层：两列分开报，别合成一个总分

报告至少要有两列：提及率（正文出现品牌名的答案占比）与引用率（自有域名被列为来源的答案占比），并注明样本提示词数量与统计窗口。合成一个「可见度得分」看着清爽，出问题却无法定位——是模型不记得你，还是记得却不采信你，动作完全不同。

内容层：给提及补站外证据，给引用补可抽取事实

提升提及，靠站外反复、准确、口径一致的描述：行业媒体报道、第三方对比评测、社区真实讨论。提升引用，靠自有页面能被整段摘走：一页只答一个问题，结论写成能独立成立的完整句，关键事实附近给出时间和出处，别把答案埋进第三屏的营销话术。两件事的预算应分列。

归因层：提及不带点击，引用才带流量

提及发生在正文里，用户看完就走，不产生会话；引用至少给了一次点开的机会。这解释了为什么很多团队发现「AI 里到处都在说我们，流量却没变」——那是提及，不是引用。混进同一张流量报表，只会得出错误结论。

七、先分清是哪种缺席

两个数字都要盯，但要分开归因。提及低而引用尚可，说明内容能被检索到，缺的是站外反复描述；引用低而提及不低，说明模型记得你却不认为页面值得作来源，问题在可抽取性与事实证据；两个都低，先查抓取与索引，再谈内容。

2026 年下半年还有一个变化：行业讨论正从「怎么让 AI 多提我」转向「怎么让 AI 提对、并给出出处」。同一场大会上，有分享者用品牌案例提出更尖锐的判断——被 AI 负面评价，还不如不出现在回答里。提及并非越多越好，准确与出处才是前提。

本月可以做的第一件事并不复杂：拿 20 个真实客户会问的问题，各记两列数字——答案里有没有你的名字，来源里有没有你的域名。两周后再记一次，走势比任何报告都更能说明先修哪一段。