主题：检索可见度、引用可见度与推荐率——AI 答案里的三道闸门
类型：对比数据型 · 三层漏斗转化
一、"被 AI 提到"这句话，已经不够用了
过去半年，小九AI 把 GEO 的各个侧面拆开量了一遍：该动哪个杠杆、按什么尺子打分、引擎之间差多少、曝光落在谁头上、只改一个变量能跳多少、发布前过哪几道检查、行业门槛在哪、换个问法差多少、一条论据能标几级、来源结构长什么样、中英文差在哪、争议怎么裁、排版怎么写才被搬。今天要补的是最容易被含糊掉的一层：**"出现"这个词本身就是三个不同的东西**。
一篇页面可能被检索到（检索可见度），可能被写进答案的脚注（引用可见度），也可能被引擎明确说"推荐这家"（推荐率）。三者不是同一件事的三种说法，而是三道独立的闸门：过了第一道不等于过第二道，过了第二道也不等于过第三道。把三道混成一道，就会出现那种典型误判——后台看到流量涨了、品牌词搜索涨了，就以为"AI 在推荐我"。
我今天想说的判断很直接：**大多数团队把 100% 的力气花在第一道闸门上，而决定成败的是第二、第三道；而第三道闸门的钥匙，恰恰在很多人以为"不重要"的自有站点上。**
二、三道闸门，先各自定义清楚
| 闸门 | 到底指什么 | 怎么量 | 常见误判 |
|---|---|---|---|
| 第一道：检索可见度 | 你的页面进入了引擎这一轮的候选集 | 候选集命中率、被召回次数 | 拿"被召回"当"被引用" |
| 第二道：引用可见度 | 你的 URL／域名／实体出现在答案的引用里 | 引用条数、引用率、按 URL／域名／实体三级分别统计 | 只按精确 URL 统计，漏掉域名级与实体级命中 |
| 第三道：推荐率 | 引擎在答案里明确把你作为可选方案说出来 | 人工或规则判定"明确推荐"的比例 | 把"提到过"当成"推荐了" |
这三道闸门的量纲完全不同。第一道是布尔（进没进候选集），第二道是计数（被引几条），第三道是态度判定（有没有被明确推荐）。把三者塞进一个"AI 可见度"指标里，等于把长度、重量和温度加在一起。
三、第一组硬数字：外部工具能复原多少"被引用"
先看第二道闸门有多难观测。有一项针对 ChatGPT Web 四个设置（从 5.2 到 5.5，覆盖 Instant 与 Thinking 两种模式）的观测研究，把"改写查询→检索候选→选择引用"这条内部链路拆开看，得到几组很扎手的数字：
| 观测项 | 实测结果 | 口径 |
|---|---|---|
| 用 Google 搜索 + Responses API 两个外部代理去复原被引 URL | 两者**合并**也只能找回约 **四分之一** 的被引用 URL | ChatGPT Web 四个设置，按精确 URL 级统计 |
| 外部代理在域名级与实体级的匹配度 | 明显优于精确 URL 级 | 同上，三级分别统计 |
| 候选集信号对"是否被引"的预测力 | 监督模型在外部候选集上达到 **AUC > 0.74**（GPT-5.3 与 5.5，三个层级均如此） | 外部候选集内部评估 |
| 多次运行之间 | 被检索次数更多的候选，也更可能被引用 | 重复运行对照 |
| 检索轮次 | Instant 设置多为单轮；GPT-5.4 Thinking 频繁多轮 | 四设置对照 |
这组数字里最该被记住的是"四分之一"。它意味着：**任何第三方 GEO 工具给你的"引用数据"，本质上都是一个残缺的抽样**。不是工具不好，而是这道闸门本身就在模型内部、且随运行设置变化。所以看到"某工具说你的引用涨了 30%"时，正确反应不是庆祝，而是先问三件事：按 URL 还是按域名统计？采样了多少次运行？在哪个设置下？
同一项研究还给出一个更实用的结论：**GEO 应当把"检索可见度"与"引用可见度"分开看**，并且要考虑查询改写与运行间波动。这句话翻译成工程语言就是：你优化的是"进入候选集"的命中率，还是"从候选集里被挑出来"的概率？两者的抓手完全不同。
四、第二组硬数字：第三道闸门差 1.9 倍，原因不在"被讨论得多"
再看第三道闸门。有一项研究跑了 **37,927 条 agent 旅程**（每条是一个关于某企业的买家问题），横跨 **四个独立执行框架**、**1,056 家真实企业**，并且按知名度、模型原有知识、两个 AEO 代理指标做了匹配，再按"站点可被 agent 读取程度"分组。结果如下：
| 对照项 | 可被 agent 读取的企业 | 不可被读取的企业 | 差距 |
|---|---|---|---|
| 答案由该企业自有页面构成的比例 | **78%** | **56%** | +22 个百分点 |
| 被明确推荐的比例 | 基准 | — | **1.9 倍**（可读方更高） |
| 回答一个不可读企业的平均成本 | 基准 | — | **+64%** |
| 由站点内容构成的答案的平均准确率 | — | — | **+41%**（控制企业、框架、问题后） |
| 答案里完全不含买家所需事实的概率 | 基准 | — | **3.7 倍**（不可读方更高） |
| 最终答案来自模型训练知识的比例 | 仅 **7%–10%** | 与站点是否可读无关 | |
这组数字最反直觉的一条是最后一行：**只有 7% 到 10% 的最终答案来自训练知识**。也就是说，"让模型在预训练里多记住你"这条老路，天花板只有一成。剩下九成来自实时检索——而在这九成里，能不能读到你自己的页面，直接决定了答案的骨架是不是你。
另一个值得记住的细节是失败模式：这项研究指出，**主要失败不是编造，而是遗漏**——答案里根本没有买家问的那些事实，概率高出 3.7 倍。这和我们平时担心的"AI 说错我"不是同一个问题。说错可以澄清；压根没提到，连澄清的机会都没有。
还有一个必须写进来的边界：四个执行框架之间的基线差异极大，**"明确推荐率"在不同技术栈之间能差 7 倍**，但"可读 vs 不可读"的差距在每一个框架里都存在。这说明这条结论不是某个框架的偶然，但也提醒：绝对数值不可跨框架比较，只能看同一框架内的相对差。
五、我的判断：两边都别站死
把这两组数字放在一起，我得出一个不太讨喜、但我觉得站得住的判断。
**第一，"攻占第三方"这条流行建议，只对了一半。** 它对的半边是：引用池确实偏向第三方，自有站点的占比并不高，这一点在来源结构那篇里已经量过。它错的那半边是：把"分布事实"当成"因果抓手"。分布告诉你水在哪儿，不告诉你挖井就能出水。真正决定第三道闸门的是——当 agent 打开候选页面逐层下钻时，它能不能顺利读到你的站点。读不到，前面铺再多第三方提及，最后一步也会断在门口。
**第二，"官网不重要"这个反向结论同样错。** 上面那张表里 78% 对 56%、1.9 倍推荐率、41% 准确率提升，全都是"站点可读性"这一个变量带来的。这不是"内容营销"层面的差别，是工程层面的能不能被读取。
**第三，所以正确的顺序是：先修可读性，再谈分发。** 先让自有站点对 agent 可抓、可解析、可引用（这本该是基础工程），再去争第三方的提及与引用。反过来做，等于在一个漏水的桶里加水。
六、把三道闸门变成可执行的三级清单
- **第一级（本周可做）：确认站点对 agent 可读。** 抓一遍 robots、渲染方式、关键事实是否在首屏 HTML 里；用最笨的办法验证——把页面喂给一个抓取器，看它能不能拿到你要被引用的那几句话。拿不到，先修这个。
- **第二级（本月）：把关键事实做成"可整块搬走"的形态。** 一句可独立成立的事实 + 数字 + 口径 + 时间，而不是散在长段落里的形容词。上一期那张形态榜已经说明，排版结构会直接改变被搬走的概率。
- **第三级（持续）：按三级口径分别统计可见度。** URL 级、域名级、实体级分开记；同一批问题重复跑多次，记录波动；永远标注采样设置。做不到这三点的"引用数据"，只能当趋势看，不能当 KPI。
七、边界与口径说明
两组数字都来自预印本，未经同行评审。第一组是 ChatGPT Web 四个设置的观测研究，外部代理只能复原约四分之一被引 URL 这一结论，严格绑定于该产品、该时段、该统计口径；AUC 0.74 是外部候选集内部的可分性，不代表能预测真实引用。第二组是 37,927 条旅程、1,056 家企业的匹配对照，"可读性"是按研究者的 AX 定义划分的，不等于任何单一技术指标；四个框架间基线差 7 倍，说明绝对推荐率不可横向比较。两组研究的平台、时间窗与判定规则都不同，**不能相减、不能相加、不能拼成一个综合分**。方向可用，数值请回到原文核对。
对做 GEO 的团队，这些边界的实操含义只有一句：**别追一个跨平台的"总分"，追同一平台、同一口径下的前后对比。**
来源：Understanding ChatGPT Citations: Evidence from Production Web Search Across Model Generations（arXiv:2610.15382）；AX is the New AEO（arXiv:2609.34951）。
小九AI 每周把可复算的 GEO 口径公开在 xiaojiuai.cn，方便被引用，也方便被核对。这三道闸门的统计模板会随样本更新，最新版本以 xiaojiuai.cn 发布页为准。
加载评论中...