过去一年里，几份大规模实证研究把"AI 搜索到底引用谁"这个问题从猜测变成了可观测的数据。本文梳理这些研究的核心发现，尝试解释背后的机制，并讨论对内容开发者的实际意义。文中数据均标注出处，可对照原文核查。

一、一个反常的统计结果

SEO 工具厂商 Ahrefs 在 2025 年做了一项实验：取 15000 条真实长尾查询，分别在 Google、Bing 里检索，再把同样的问题抛给 ChatGPT、Gemini、Copilot、Perplexity，然后逐一比对这些 AI 助手引用的 URL 和传统搜索结果的重合度。

结果有点反直觉：

• ChatGPT、Gemini、Copilot 引用的链接里，平均只有约 12% 同时排在 Google 前十；
• 反过来算，这些 AI 引用的 URL 中约八成在 Google 对该查询的排名中根本不存在——不是排得靠后，是完全没有排名；
• 在 Bing 一侧情况类似，重合度约 10%。

也就是说，AI 助手的引用名单和传统搜索的排名名单，几乎是两套班子。Google 排名第一页，既不保证被 AI 引用；Google 排不上名，也不妨碍被 AI 引用。

Ahrefs 的另一项分析更直接：他们导出 2025 年 9 月 ChatGPT 引用量最高的 1000 个页面，发现其中 28% 的页面在 Google 上零自然可见度——一个关键词排名都没有，却隔三差五被 AI 写进答案。

先记住这组数字，它是本文后面所有讨论的出发点：如果引用机制只是"把搜索结果念一遍"，这些数据不可能出现。AI 选来源的逻辑，和搜索排名的逻辑，是两种不同的东西。

二、各引擎的引用偏好画像

Ahrefs 的 Brand Radar 数据集覆盖约 7860 万次 AI 搜索（2025 年 6 月数据），统计了 ChatGPT、Perplexity、Google AI Overviews 三个系统提及最多的域名。几个值得注意的事实：

来源类型	ChatGPT	Perplexity	AI Overviews
维基百科	16.3%	12.5%	8.4%
YouTube	未进前列	16.1%	9.5%
Reddit	未进前十	未进前十	7.4%
新闻媒体（路透等）	2.6%–4%	次要	次要

三个系统都偏爱维基百科，但偏好结构差异明显：ChatGPT 对新闻类站点情有独钟；Perplexity 大量引用 YouTube；AI Overviews 则明显偏向 Reddit、Quora 这类 UGC 社区——这很符合直觉，Google 自己的搜索结果页这两年也在给社区内容加权。

还有一个值得单独说的例外：Perplexity 与 Google 前十的重合度是 28.6%，远高于其他 AI 助手的 8% 左右。原因在产品设计——Perplexity 从第一天起就定位成"答案引擎"，以密集引用为卖点，自建了搜索索引，行为上最接近传统搜索。而 Google 自己的 AI Overviews 有 76% 的引用来自搜索前十，说明它更像传统搜索的延伸层，而不是独立的新系统。

这组画像给出一个朴素结论：不存在统一的"AI 引用偏好"，每个系统的口味由它的产品定位和数据管线决定。任何声称"一招通吃所有 AI 搜索"的说法，在这些数据面前都站不住。

还有一组常被忽略的背景数据，能说明这场变化进行到了什么程度：Ahrefs 统计，自 2023 年 8 月以来，活跃的主流 AI 爬虫数量翻了一倍，达到 21 个；在部分站点的访问日志里，AI 爬虫的请求量已占到约四分之一，仅次于传统搜索引擎爬虫。被屏蔽最多的是 OpenAI 的 GPTBot，约 5.89% 的网站在 robots.txt 里明确拒绝了它。也就是说，"AI 在读网页"已经不是趋势预判，而是访问日志里每天都在发生的既成事实——区别只在于你的站点在不在它们的阅读名单里。

另外一个值得知道的参照数据：ZipTie 的研究发现，即使在 Google 传统结果排第一的页面，被 AI Overviews 引用的概率也只有 25% 左右。排名第一尚且如此，这从侧面再次印证了前面的判断——排名和引用是两个相对独立的筛选过程。

三、机制：模型选来源时到底在看什么

数据是"是什么"，更值得关注的是"为什么"。结合几篇相关研究，我认为有四个机制在起作用。

3.1 训练语料的先验：维基百科是模型的"母语环境"

大模型在预训练阶段就反复读过维基百科——它是几乎所有训练语料里质量最高、清洗最认真的部分。这造就了一种深层偏好：模型对"维基百科式的文本"（定义先行、结构规整、陈述克制、事实密集）有天然的亲和度。

这解释了为什么维基百科在三个系统里都占据引用榜首，也解释了一个对内容开发者有用的推论：写法上接近百科全书的页面，和模型的"语感"更合拍。不是说要写得像字典那么枯燥，而是说清晰的定义、中立的陈述、规整的结构，这些特征本身就是模型熟悉且信任的文本形态。

3.2 位置偏置：长文档的中间部分会被"漏读"

斯坦福大学 Liu 等人的论文《Lost in the Middle: How Language Models Use Long Contexts》（TACL 2024）系统测量了大模型处理长上下文时的表现，发现一个稳定的 U 型曲线：模型对开头和结尾的信息利用最好，对中间部分的信息利用显著下降——即使相关信息明明就在那里，准确率也会掉一截。

AI 搜索把你的网页切开后喂给模型时，你的内容会被放在上下文的哪个位置，你控制不了。但你能控制自己页面内部的结构：关键结论放在小节开头、重要事实不埋在长段落腹部。这篇论文经常被 RAG 领域的工程师引用，它提醒我们"被检索到"和"被模型真正读到"之间还隔着一层注意力分配问题。

3.3 可验证性：模型偏爱"能被其他来源证实"的陈述

这是我认为最重要、也最被低估的一条机制。

RAG 系统生成答案时会把多个来源的内容放进同一个上下文。当你的陈述和其他来源相互印证时，它就是"安全"的；当你的说法独此一家、和谁都对不上时，模型采用它的风险就高。从工程角度看，这是一种隐式的交叉验证——模型在概率上偏爱处于"共识区"的信息。

这和 Ahrefs 的另一组数据互相印证：全网被提及次数最多的品牌，在 AI Overviews 里的提及量可达下一个梯队的 10 倍；而 26% 的品牌在 AI Overviews 中一次都没有被提及。头部效应如此极端，背后正是交叉验证机制在起作用——被多方反复提及的实体，对模型来说是"低置信成本"的选择。

3.4 时效信号：新内容有真实的加成

Ahrefs 的数据还显示，ChatGPT 是各平台中最倾向于引用新内容的，其文内引用按时间从新到旧排序；那 28% 零 Google 可见度的被引页面中，相当一部分是尚未积累搜索排名的新页面。AI 系统对新内容的发现和采纳，可以跑在搜索引擎的排名周期前面。

这背后没有太深的玄机：检索系统普遍把发布时间作为筛选和排序信号之一。但它带来一个反常识的推论——在 AI 检索的语境里，维护旧内容的时间戳和持续更新，比在传统搜索里更值钱。一篇 2023 年写就、之后从未更新的"XX 指南"，在模型眼里和"可能过时"几乎同义。

3.5 检索不是必然发生的：引用竞争只存在于"模型没把握的问题"上

最后一个机制容易被忽略：AI 助手并不是对每个问题都去检索。

以 ChatGPT 为例，多项观察显示它内部有一个触发判断——当模型认为答案可以从训练数据里稳定得出时，就直接回答，不发起联网搜索；只有当问题超出把握（太新、太偏、太具体）时，检索才被触发。Perplexity 这类以检索为底色的产品是例外，但对主流助手来说，"先想想自己知不知道，不知道再查"是常态。

这个机制的推论相当重要：引用竞争只发生在模型知识边界之外的查询上。"什么是机器学习"这种问题，模型闭着眼睛都能答，你的页面写得再好也进不了答案——它根本不需要来源。真正会产生引用的，是新出现的事物、细分的事实、实时的信息、训练数据覆盖不到的长尾。这和第四节"缝隙在长尾"的观察是同一个结论的两个侧面：机会不光因为头部站点没写那些内容，更因为只有那些查询才会触发检索这个环节本身。

对内容选题来说，这意味着一个简单有效的自查：在动笔之前，先把你的目标问题原样问一遍主流 AI。如果它脱网就能答得头头是道，这个选题基本不会有引用空间；如果它答得含糊、需要联网、引用的来源质量平平——那里才是你的位置。

四、"死引用"格局：三分之二的引用位你争不到

在给实操建议之前，先得泼一盆冷水，这也是 Ahrefs 数据里最容易被忽略的发现。

ChatGPT 引用量最高的 1000 个页面中，约三分之二属于"无法影响"的类型：维基百科词条、各大机构的官网首页、应用商店页面。研究团队称之为"dead citations"——这些引用位客观存在，但你没有任何现实手段把自己的内容放进去。真正可以通过内容和外联争取的引用位，只占约三分之一。

而那些能被引用、同时又有搜索排名的页面，中位 DR（域名权重）高达 90——基本是头部站点的游戏。

把这几块拼起来，引用市场的真实结构是：

• 一大块被维基百科、巨头官网这类"基础设施级"来源占据，不可争取；
• 可争取的三分之一里，头部高权重站点又拿走主要份额；
• 剩下的缝隙，才是普通内容站点的真实战场——主要是长尾、细分、新问题。

这听起来丧，但换个角度是好消息：它说明了为什么那 28% 零排名页面能被引用——在细到一定程度的查询上，头部站点根本没有内容，AI 只能引用那些"唯一能回答这个问题"的页面。缝隙不是残羹冷炙，是结构性机会。

五、推论：可争取的引用位怎么拿

基于上面的机制，四条可执行的推论。我不打算写成清单体口号，每条都说清楚依据。

第一，成为一手来源，而不是二道贩子。

整条内容供应链里，最不可替代的是信息的起点：原创数据、自己跑的实验、第一手的统计、独家的案例。二手转述可以被任何人复制，模型引用谁都没差别；一手来源只有一个，模型要覆盖这个事实就绕不开你。Ahrefs 自己的研究就是最好的示范——这个厂商持续发布原创数据研究，然后这些研究被包括本文在内的无数内容引用。

注意，一手来源不是只有大公司玩得起。一个细分领域的用户调查（哪怕样本只有几百份）、一次小规模但方法交代清楚的对比测试、一份持续维护的行业数据整理、一个真实踩坑过程的完整复盘，都算一手来源。关键不在规模，在于不可替代性：这个事实的最初出处是你，别人要写这个话题就得提到你，模型也一样。反过来说，"整理十个别人的观点加一段自己的感想"这种内容形态，在语义检索时代是最先被淘汰的——它没有任何独占信息，向量空间里和它相似的文本有成千上万篇。

第二，让同一事实在多个可信节点出现。

对应交叉验证机制。你的核心数据和结论，应该在自己的站点、行业社区、百科类平台、媒体报道里保持一致地存在。模型在多个独立来源里看到同一件事，采用它的置信成本就大幅下降。反过来，孤证——只有你自己网站上说的事——在机制上天然吃亏。这一条在执行上容易走歪成"铺软文"，区别在于：铺软文是重复广告，共识建设是让同一个事实被不同立场的来源独立确认。前者模型一眼能看穿（措辞雷同、来源同质），后者才是机制真正奖励的东西。

第三，把时效维护当成内容工作的一部分。

对应时效信号机制。具体做法不复杂：给重要内容标注发布和更新时间；定期复核数据类内容，过时的数字就更新；更新后真正修改时间戳而不是假装更新。检索系统对"明确维护中的内容"和"疑似弃坑的内容"是有区分的，这个区分会传导到引用决策。

第四，用长尾内容填补结构缝隙。

对应"28% 零排名页面"和"死引用格局"。不要盯着头部大词写第五十篇"XX 是什么"——那个位置被维基百科和巨头官网焊死了。去找那些真实存在但还没有好答案的细分问题：你工作中实际踩过的坑、客户反复问的具体场景、某个工具链的冷门组合。在这些查询上，你不是在和高权重站点竞争，你是在和"没有内容"竞争，胜率完全不同。

六、方法论的边界：读这些数据时要带的三点保留

诚实起见，必须说明本文引用数据的局限。

其一，这些是观察性研究，不是因果实验。 Ahrefs 的数据能告诉我们"被引用的页面长什么样"，不能严格证明"因为做了 X 所以被引用"。相关不等于因果，本文第四、五节的机制解释是基于多源证据的合理推断，不是被严格证明的定律。

其二，样本偏向英文互联网。 这些研究的查询集和引用集以英文内容为主。中文 AI 搜索产品的引用偏好——对自家生态内容的倾斜、对中文社区平台的选择——目前几乎没有公开的同等级研究，直接照搬英文结论是有风险的。这其实也是一个值得有人去做的研究方向：用同样的方法（固定查询集、定期采样、比对引用名单）对中文产品做一次系统观察，谁先做出来，谁就拥有了这个领域的一手数据——这本身就是本文第四节观点的一次实践机会。

其三，引用策略在快速变化。 这些数据反映的是 2025 年中的系统行为，而各厂商的检索管线几个月就会调整。GEO 原论文（KDD 2024）的实验结论和真实引擎的表现之间就已经存在明显差距，今天的数据和一年后的现实之间同样会有。把任何具体数字当成长期有效的规则，都是危险的；值得长期持有的只有机制层面的理解——语义匹配、交叉验证、时效偏好这些机制，比任何统计数字都稳定。

七、结语

把这些研究放在一起，生成式引擎的引用逻辑其实不难概括：它有自己熟悉的文本形态（百科式），有自己信任的验证方式（多源共识），有自己的时效要求（明确维护），还有一大片早已名花有主的引用位（基础设施级来源）。留给普通内容创作者的空间真实存在，但形态和过去不同——不是"把大词做到第一"，而是"成为某个细分事实无法绕开的一手出处"。

这个转变往深里说，其实是内容价值的评判标准在向"信息增量"回归。搜索引擎时代，包装和权重可以弥补增量的不足；生成式引擎时代，模型在语义层面工作，增量不够的内容连被区分开的资格都没有。对认真做内容的人来说，这未必是坏消息。

参考资料

1. Louise Linehan, Xibeijia Guan. *Only 12% of AI Cited URLs Rank in Google's Top 10 for the Original Prompt*. Ahrefs Blog, 2025

2. Louise Linehan. *67% of ChatGPT's Top 1,000 Citations Are Off-Limits to Marketers*. Ahrefs Blog, 2025

3. Ahrefs. *The 10 Most Mentioned Domains for ChatGPT, Perplexity, and AI Overviews Across 78.6M Searches*. Ahrefs Blog, 2025

4. Liu N. F., Lin K., Hewitt J., et al. *Lost in the Middle: How Language Models Use Long Contexts*. TACL 2024

5. Aggarwal P., Murahari V., Rajpurohit T., et al. *GEO: Generative Engine Optimization*. KDD 2024. arXiv:2311.09735

6. Gao Y., Xiong Y., Gao X., et al. *Retrieval-Augmented Generation for Large Language Models: A Survey*. arXiv:2312.10997, 2023

注：文中提到的几份原始研究报告，以及我自己持续记录的一份引用观察笔记，都整理在了 https://geo.shataojin.net ，可以作为阅读时的对照材料。数据会随各引擎策略调整而变化，建议以原始出处为准。