> 本篇为小九AI（xiaojiuai.cn）GEO 深度锐评，独家解读。
> 素材取自官网资讯 ArXiv 论文《Understanding AI Provider Recommendations in Local Service Markets》(arXiv:2609.18341v1)。
> 观点归小九AI（xiaojiuai.cn），欢迎讨论。

先亮结论：**"让 AI 推荐我"这件事,在本地生活赛道被彻底撕开了——一位用户问 AI"这个城市该找哪个医生/哪家理财机构",AI 给的不是链接,而是**一次"转介/referral"**。今天这篇把 AI 的推荐逐条拿去和官方登记库核对,结论极其扎心:**不开联网搜索时,模型在它不熟的领域基本是在"编"——只有 4%（开源模型）和 11%（闭源模型）推荐的医生,真的能在被问的那个城市里对上号,而开源模型对上的还是"重名巧合";一开搜索,同一批领域的匹配率直接跳到 64%~71%。** 也就是说——**AI 推荐可不可信,几乎完全取决于它"有没有联网检索",而不是取决于模型本身;但恰恰是"没检索"的那种答案,通常根本不会告诉你"我这些推荐从没核实过"。**

照例先把范围和分寸划清:**这是对四个"有官方登记库"的服务领域、覆盖美国 100 个最大都会区的审计——把 AI 的每条推荐拿去和该领域的官方登记库比对(Medicare 的医生与机构记录、SEC 的投顾披露),分三种配置测:开源权重模型、闭源模型(无联网搜索)、同一个闭源模型(带搜索)。** 所以下面数字是"在这套口径下、这几个领域与地区"的实测,不是"所有 AI 推荐都这样";它揭示的是机制,不是给某个产品下判决。

## 第一刀：不联网的 AI 推荐，多半是"编"的——而且它不告诉你

这是全文最该被本地商家和用户同时读到的一条。

**没有搜索时,两个模型在"网上覆盖较薄"的领域里,很大程度上是**凭空捏造**推荐:**开源模型推荐的医生里,只有 **4%** 能在被问的城市里对上一位真实医生;闭源模型是 **11%**。更狠的是——**开源模型那些"对上"的,是重名巧合:它"匹配到"的医生,是初级保健医生的概率,和从登记库里随便抽名字差不多。**

翻译成人话:**当 AI 手里没有检索结果时,它给你的"推荐名单",很可能是一份"看起来很像真的"的虚构清单。** 而最危险的,是论文最后那半句:**"一个没有经过检索就产出的答案,往往不带任何'我的推荐从未被核实过'的迹象。"** 那就是——**你没法从答案的措辞里,分辨它是查过再答的,还是编出来答的。**

## 第二刀：一开搜索，匹配率从个位数跳到六七成——顺便把"谁被推荐"也换了

对照之下,带搜索的同一批领域,**推荐匹配到真实机构的比例冲到 64%~71%**。这说明:**搜索几乎是"AI 推荐能不能落地"的总开关。**

但论文还挖出更有意思的两条:

**一是,搜索改变的不只是"准不准",还有"推荐谁"。** 在不联网时,被推荐的投顾机构**带有 SEC 违规披露的比例,是登记库基准率的 3.6 倍**(即使调整过机构规模之后也是如此);**而一联网,这个比例显著低于基准率。** 这个对比很说明问题:**不检索的 AI,推荐的是"名气大/被抓取多"的机构,哪怕里面混着有违规记录的;检索之后的 AI,反而更接近"干净、可核验"的分布。**

**二是,搜索基本消除了"都会区大小"的惩罚。** 不联网时,真实推荐集中在大城市;**联网后,各大小都会区的匹配率变得差不多。** 对做本地生活 GEO 的人,这是个关键信号:**"小地方没机会"这个前提,是"不联网时代"的产物;联网后,小市场也能被公平覆盖——只要你在这条被检索的链路里。**

**还有一个真实的注脚:餐厅这类"质量和可见度可以分别度量"的领域,搜索带来的是一组反差——被推荐餐厅的**评论数量有 3~5 倍的溢价,但评分溢价最多只有 1/10 颗星**。** 说白了:**AI 更可能把"评论多、可见度高"的店推给你,而不是"评分高一点点"的店。** 对餐饮本地生活商家,这是一记警钟:**可见度(评论量/覆盖面)在 AI 推荐里的权重,可能远大于你精心维护的那零点几分评分。**

## 对做本地生活 GEO 的人，这意味着什么

第一,**"有没有被检索到"是生死线,不是加分项。** 论文给的机制非常清楚:**AI 推荐的可信度,强依赖它的检索配置。** 对商家而言,**你的第一目标不是"被 AI 夸",而是"进入被检索的那批结果"**——否则你在"不联网"的世界里连真实存在都算不上。

第二,**"评论量/可见度"的溢价,大于"评分微差"。** 餐厅那条证据很直白:**评论数 3~5 倍溢价 vs 评分 1/10 颗星溢价。** 本地商家的运营重心,应该往"扩大可见面、积累真实评价量"倾斜,而不是死磕某个小数点评分。

第三,**小城市/小市场不是没机会,是"上一代规则"没机会。** 搜索消除都会区惩罚这条,对做下沉市场、本地细分市场的人是好消息:**只要被检索到,大小市场在 AI 面前趋于平等。**

第四,**"合规清白"在联网世界里是资产。** 不联网时,有违规记录的机构被推荐的概率反而是基准的 3.6 倍;**联网后倒过来了。** 对我们做企业 AI 咨询的启发是:**把"可核验的合规与资质"做实、做成可被检索到的信号,长期来看在 AI 推荐里是加分项。**

## 争议与边界：我说三条真话

第一,**这是美国四个登记库领域 + 100 个都会区的审计,不能直接外推到所有国家/行业。** 医疗、投顾这类"有官方登记库可核对"的领域最容易测;**没有官方登记库的行业(比如多数服务业),核对难度大,结论要谨慎迁移。**

第二,**"不联网就编"不代表所有模型/所有问题都如此。** 论文测的是"网络覆盖较薄的领域"这一特定条件;**覆盖充分的领域、或带搜索的配置,表现完全不同。** 别读成"AI 推荐全是假的"。

第三,**"匹配率"衡量的是"是否对上真实机构",不等于"是否是好的机构"。** 一间机构真实存在、登记在册,不等于它服务最好。**所以"匹配率"是可信度的下限指标,不是质量指标**——这也提醒我们,别把"被 AI 推荐"直接等同于"被推荐得对"。

**一句话总结:AI 在本地服务上的推荐,可信与否几乎完全由"有没有联网检索"决定——不联网时它大比例是在编(医生匹配率仅 4%~11%),联网后同领域能到 64%~71%;而且搜索还改变了"推荐谁"(更清白),并抹平了小城市与大城市的差距;餐厅的证据更表明,AI 偏爱"评论多"胜过"评分高一点点"。** 对本地生活商家,行动很清楚:**先确保自己进入"被检索到"的名单,把可见度与真实评价量做厚,把合规资质做实——因为在 AI 转介这件事上,"被检索到"才是一切的前提,而"没被检索到"的答案,连自己编没编都不会告诉你。**

---

*本文由小九AI（xiaojiuai.cn）原创锐评，基于 ArXiv 论文《Understanding AI Provider Recommendations in Local Service Markets》(arXiv:2609.18341v1，四大登记库领域/美国 100 都会区/三种检索配置审计)，欢迎在评论区讨论。*