GEO 引用观察室 — 全站文本（供 AI 引擎与检索使用） SeoMOZ.Link · 更新于 2026-10-01 # 首页 URL: https://seomoz.link/ SeoMOZ.Link — GEO 引用观察室 | 中文 AI 引擎引用来源每周实测 - URL: https://seomoz.link/ - SeoMOZ.Link - - SeoMOZ.Link GEO 引用观察室 ☰ 引用观察 方法论 工具箱 关于 GEO VISIBILITY LAB ## 观察中文 AI 引擎，如何决定引用谁 每周固定 20 个行业问题，实测豆包 / 元宝 / Kimi / 微信 AI 的引用来源，公开数据与研究笔记。写给从业者，也写给想在 AI 搜索里"被找到"的企业。 看最新周报 了解这项研究 ## 最新引用观察 全部期数 → 引用观察 · 第 1 期 ## 测试方法与基线：我们怎么测 AI 的引用？ 20 个行业问题从哪来、四个引擎怎么问、记录哪些指标——先立规矩，再谈发现。附可复现的实测流程。 引用观察 · 第 2 期 · 待发布 ## 首轮实测数据（更新中） 首轮 20 问 × 4 引擎的引用分布数据整理中，发布后将在此更新。 ## 方法论精选 全部文章 → 方法论 ## SEO 转 GEO：哪些能力可迁移，哪些会失效 8 年 SEO 视角的转型地图：排名游戏 → 引用游戏，能力逐项对照。 方法论 ## 内容结构化：让 AI 引擎"读得懂"你的页面 AI 把文章撕碎了读：三层结构化自检（抓得到 / 拆得开 / 抽得走）+ 素材层四个动作 + 四个常见误区。全文见 https://seomoz.link/articles/fangfa-content-structure.html 方法论 ## AI 可见度诊断：企业自查的完整流程 从提问词库到引用记录表，一套可以自己跑起来的诊断方法。 ## 工具箱 进入工具箱 → 诊断清单、监测表格模板、实测提问词库——把研究方法变成你可以直接上手的工具。查看全部工具 → © SeoMOZ.Link · GEO 引用观察室 · 每周更新 · 数据实测自豆包 / 元宝 / Kimi / 微信 AI --- # 第 1 期 · 测试方法与基线 URL: https://seomoz.link/articles/yinyong-001.html 第 1 期 · 测试方法与基线：我们怎么测 AI 的引用？ | GEO 引用观察室(SeoMOZ.Link) - - SeoMOZ.Link GEO 引用观察室 ☰ 引用观察 方法论 工具箱 关于 ← 返回首页 引用观察 · WEEKLY REPORT #001 ## 测试方法与基线：我们怎么测 AI 的引用？ 2026-09-19 · 阅读约 6 分钟 · 分类：引用观察 任何观察要成立，先把规矩立好。这一期不谈发现，只谈方法：本轮研究固定用同一套提问、同一台设备、同一套记录表，每周跑一轮，长期追踪四个中文 AI 引擎的引用来源变化。方法公开，任何人可以复现、可以挑错。 ## 一、测试对象：四个中文 AI 引擎 - 豆包（字节）——移动端用户量最大的 AI 助手之一； - 腾讯元宝——微信公众号生态的 AI 入口，微信内搜索场景； - Kimi（月之暗面）——长文本与搜索问答的代表； - 微信 AI 搜索——微信"搜一搜"内置的 AI 回答。 选择标准只有一个：普通用户真实会用的入口。企业关心的是"客户问 AI 时会不会提到我"，而不是实验室里的模型评测。 ## 二、提问词库：20 个固定问题 问题分三类，模拟真实用户的提问方式： 类型数量示例 行业推荐类8 个"国内做游乐设备定制有哪些靠谱厂家？""儿童乐园设备采购选哪家比较好？" how-to 类6 个"游乐设备厂家怎么考察实力？""SEO 转 GEO 要学什么？" 对比判断类6 个"A 厂家和 B 厂家的游乐设备哪个好？""做企业 AI 知识库用什么方案？" 词库每季度评审一次，不轻易更换——纵向可比性比覆盖面重要。 ## 三、记录指标 - 引用了谁：每条回答里的来源站点/平台，逐条记录； - 引用位置：来源出现在正文引用、脚注还是参考列表； - 信息准确度：回答内容与企业真实情况是否一致（答错也要记）； - 稳定性：同一问题隔天再问，答案和引用是否变化。 关于数据：第 2 期起公布首轮 20 问 × 4 引擎的完整引用分布表。本文中的流程即为全部实测规范，欢迎按此方法自行跑一轮并对比结果。 ## 四、为什么"每周"而不是"一次性" AI 引擎的引用偏好不是静态的：模型会更新、索引会刷新、权重会调整。单次测试只能拍快照，每周同题重测才能看到趋势——谁在涨、谁在被抛弃、哪类内容突然开始被引用。这才是这个站存在的意义。 ## 五、本轮基线 第 1 期为方法基线期：SeoMOZ.Link 新站刚改版上线，当前在四个引擎的 GEO 相关提问中零引用。这个零就是起点——本站自己就是第一个被观察对象，之后每期周报会同步记录本站引用数的变化。 下一篇：SEO 转 GEO：哪些能力可迁移，哪些会失效 → © SeoMOZ.Link · GEO 引用观察室 · 每周更新 · WEEKLY #001 --- # SEO 转 GEO：哪些能力可迁移，哪些会失效 URL: https://seomoz.link/articles/fangfa-seo-to-geo.html SEO 转 GEO：哪些能力可迁移，哪些会失效 | GEO 引用观察室(SeoMOZ.Link) - - SeoMOZ.Link GEO 引用观察室 ☰ 引用观察 方法论 工具箱 关于 ← 返回首页 方法论 · PLAYBOOK ## SEO 转 GEO：哪些能力可迁移，哪些会失效 2026-09-19 · 阅读约 8 分钟 · 分类：方法论 SEO 没有消失，它在被重新定价。过去十年 SEO 的结局已经说明：专职岗位会收缩，但"让内容被找到"的能力不会消失，只会换宿主。GEO（生成式引擎优化）就是它的新宿主之一。这篇文章不谈概念，逐项拆一个老 SEO 的能力清单：保留什么、扔掉什么、新学什么。 ## 一、先分清两个游戏 SEO（排名游戏）GEO（引用游戏） 优化目标关键词在结果列表中的排名被 AI 选中作为回答的引用来源 竞争标的10 个蓝色链接的位置回答里有限的几个引用位 成功形态用户点击进入你的页面AI 说出你的品牌/内容，用户可能不点任何链接 反馈周期天到周周甚至更长，且不稳定 一句话：SEO 优化的是"排名算法"，GEO 优化的是"AI 的判断"。后者没有站长平台、没有官方权重数据，只能靠实测逼近。 ## 二、可直接迁移的能力（约占六成） - 搜索意图理解——AI 回答的也是用户意图，意图分析能力原样有效，只是问法从"关键词"变成"自然语言问题"； - 内容结构化——H 标签、FAQ、表格、列表这些"让爬虫好读"的功夫，恰恰是 AI 抽取内容最喜欢的形态； - 关键词研究——变成"提问词研究"：用户问 AI 的问题就是新的关键词库，方法论完全通用； - 数据分析习惯——建表、记录、对比、归因，这套肌肉记忆在 GEO 时代反而更稀缺（因为没工具，只能自己建监测体系）； - 外链思维 → 权威源思维——"被高质量站点引用"的逻辑不变，只是引用方从网页变成了 AI 的答案。 ## 三、会失效或贬值的能力 - 关键词密度与页面标签微调——AI 抽取内容时对 title/description 的依赖大幅下降； - 外链数量游戏——批量低质外链对 AI 引用几乎无效，权威性看的是事实一致性而非链接数； - 快排/点击类灰色手法——没有排名位可刷，作弊面基本消失； - 为排名写的内容结构——堆砌长尾词的页面在 AI 眼里信息密度低，反而难被引用。 ## 四、需要新学的东西（真正的新增量） - 各引擎的引用偏好实测——没有官方文档，只能像本站一样持续实测记录； - 事实一致性与可验证性——AI 倾向引用数据明确、来源清晰、口径一致的内容，"可验证"成为新的优化维度； - 引用监测体系搭建——自己建提问词库和记录表（见工具箱）； - 跨平台内容布局——知乎、公众号、行业站被引用概率不同，需要渠道权重思维。 结论：老 SEO 的底子是资产不是包袱——六成能力直接迁移，两成要更新，两成要从零建。真正拉开差距的是第四部分：愿意持续实测、建监测体系的人，目前极少。 上一篇：第 1 期 · 测试方法与基线 → © SeoMOZ.Link · GEO 引用观察室 · 每周更新 · PLAYBOOK --- # 工具箱 URL: https://seomoz.link/toolbox/index.html 工具箱：AI 可见度诊断清单与监测模板 | GEO 引用观察室(SeoMOZ.Link) - - SeoMOZ.Link GEO 引用观察室 ☰ 引用观察 方法论 工具箱 关于 ← 返回首页 TOOLBOX ## 工具箱：把研究方法变成可上手的工具 持续更新 · 共 3 件工具 ## ① AI 可见度诊断清单（20 项） 给自己的企业做一次"AI 体检"，逐项打勾，做完就知道问题在哪： ## A. 被看见了吗（引用层） - 在豆包问行业推荐类问题，企业被提及了吗 - 在元宝问同样问题，被提及了吗 - 在 Kimi 问同样问题，被提及了吗 - 在微信搜一搜 AI 回答里，被提及了吗 - AI 提到企业时，是正面/中性还是答错了信息 - 主要竞品在同样的提问里被提及了几次 ## B. AI 读得懂你吗（内容层） - 官网首页 3 秒内能说清"你是谁、做什么、服务谁" - 核心产品/服务有独立的结构化页面（而非全堆在首页） - 页面使用了 Schema 结构化数据（Organization / FAQ / Product） - 有关键数据的独立说明（成立时间、案例数、服务范围） - 有 FAQ 板块，且问题来自用户真实问法 ## C. 引擎抓得到你吗（来源层） - 知乎 / 公众号 / 行业平台有企业相关内容布局 - 高权重平台上企业信息口径一致（名称、业务、数据） - 百科类 / 问答类平台有企业的准确条目 - 内容里引用的数据都有明确来源标注 - 内容更新频率稳定（AI 偏好活跃来源） 记分方式：每项 1 分。≤10 分：AI 眼里你基本不存在；11-15 分：有存在感但不稳；≥16 分：领先大多数同行。建议每季度复测一次。 ## ② 引用监测记录表（模板） 字段设计：日期 / 引擎 / 提问词 / 是否提及 / 引用来源 / 引用位置 / 信息准确度（对/错/部分）/ 备注。用任意表格工具建一张表，每周固定跑一遍提问词库即可。（Excel 模板整理后将在此提供下载） ## ③ 提问词库搭建方法 - 从客服记录、评论区、销售聊天里收集用户原话提问（自然语言，不是关键词）； - 按三类归组：推荐类 / how-to 类 / 对比判断类； - 每类挑 5-8 个高频问法，合计约 20 个，固定成词库； - 每周用同一词库问一遍四个引擎，只记录不优化——先看趋势，再动手改。 ## ④ 常见问题 ## 怎么判断我的企业有没有被 AI 引用？ 在豆包、元宝、Kimi、微信 AI 中，用约 20 个固定的行业问题（如"国内做游乐设备定制有哪些靠谱厂家？"）逐一提问，记录回答中是否提及企业、引用了哪些来源、信息是否准确。用固定词库每周重测，才能看出趋势。 ## 企业没被 AI 提及怎么办？ 按三层排查：引用层（AI 是否提及）、内容层（官网内容是否结构化、AI 是否读得懂）、来源层（知乎、公众号等高权重平台是否有口径一致的企业信息）。先补最薄弱的一层，再复测。 ## AI 答错了企业的信息怎么处理？ 答错通常来自公开平台上信息口径不一致。优先统一百科、知乎、公众号、行业平台上的企业名称、业务范围和关键数据，并确保官网有明确的数据来源标注。 ## 多久复查一次比较合适？ 建议每周用同一词库记录一次引用情况，每季度按 20 项诊断清单做一次完整复测。AI 引擎的引用偏好会随模型更新变化，纵向对比才有意义。 © SeoMOZ.Link · GEO 引用观察室 · 每周更新 · TOOLBOX --- # 关于 URL: https://seomoz.link/about.html 关于 GEO 引用观察室(SeoMOZ.Link) — 8 年 SEO/SEM 从业者的 GEO 研究笔记 - - SeoMOZ.Link GEO 引用观察室 ☰ 引用观察 方法论 工具箱 关于 ABOUT ## 关于这个站和站里的人 更新于 2026-09 ## 我是谁 8 年 SEO + SEM 从业者：从零建站、做排名、投搜索广告，到后来做新媒体运营，一直泡在"流量怎么来"这件事里。2025 年起把研究方向转向 GEO——观察中文 AI 引擎如何决定引用谁。 ## 为什么做这个站 市面上讲 GEO 的人很多，晒实测数据的很少。这个站只做一件事：每周用同一套问题实测四个中文 AI 引擎，公开引用来源的变化规律。结论可以争论，数据放在那里。 本站自己也是被观察对象：它在各引擎 GEO 相关提问中的引用数，会随每期周报一起公布——从零开始。 ## 为什么叫"GEO 引用观察室" 本站域名 seomoz.link 建于 2016 年，原为百度 SEO 指南站。2026 年改版重启：搜索的主战场正从"网页排名"转向"AI 回答里的引用位"，于是这间观察室开门营业——观察并公开中文 AI 引擎每周的引用规律。"一个做了 8 年 SEO 的人，开了一间观察 AI 引用的观察室"，就是这个站的由来。 ## 我能为企业做什么 - AI 可见度诊断：用 20 个行业问题实测你的企业在四个 AI 引擎中的表现，出具诊断报告（被提及情况、答错信息、竞品对比、整改建议）； - AI 知识库搭建：让企业的产品、案例、FAQ 以 AI 引擎"读得懂"的方式组织起来； - 内容结构化优化：按实测发现的引用偏好，改造官网与内容布局。 ## 联系方式 微信号：e80111947（添加时请备注"AI 可见度"） © SeoMOZ.Link · GEO 引用观察室 · 每周更新 --- # 引用观察 · 全部期数 URL: https://seomoz.link/weekly/index.html 周报总目录：每周固定 20 个行业问题，实测豆包、腾讯元宝、Kimi、微信 AI 的引用来源，提问词库、记录指标、原始数据全程公开。已发布：第 1 期 · 测试方法与基线（2026-09-19）；更新中：第 2 期 · 首轮实测数据（20 问 × 4 引擎引用分布 + 被引用页面内容结构观察）。 # 方法论 · 全部文章 URL: https://seomoz.link/articles/index.html 方法论长文总目录：每两周 1 篇，每篇只讲透一个可落地方法。已发布：《SEO 转 GEO：哪些能力可迁移，哪些会失效》（2026-09-19）、《内容结构化：让 AI 引擎"读得懂"你的页面》（2026-09-22）；更新中：《AI 可见度诊断：企业自查的完整流程》。 --- # GEO、AEO、LLMO、AI SEO 这些词是一回事吗？有什么区别？ URL: https://seomoz.link/learn/02-geo-aeo-llmo.html 学习路线第 2 篇（2026-10-01 发布）· 作者：站长（8 年 SEO/SEM 从业） 先给答案：GEO、AEO、LLMO、AI SEO 说的基本是同一件事——让内容成为 AI 回答时愿意引用的证据。区别不在做法，在出身：GEO 是学术界的命名，LLMO 是海外从业者先叫起来的，AEO 出身最早、2026 年被国内团体标准正式收录，AI SEO 是最口语化的大伞词。做起来是同一套动作。 一、为什么一个事能冒出四个名字 2023 年 11 月普林斯顿大学、佐治亚理工等机构发表论文《GEO: Generative Engine Optimization》（arXiv:2311.09735，KDD 2024 收录）；而从业者这边，德国 Aufgesang 公司的 Olaf Kopp 在 2023 年 10 月的 Search Engine Land 文章中已使用 LLMO（Large Language Model Optimization）一词，比论文还早一个月。此后每出现一个新场景就多一个缩写。CNNIC《生成式人工智能应用发展报告（2025）》（2025-10-18 发布）显示：截至 2025 年 6 月我国生成式 AI 用户规模 5.15 亿，半年增长 2.66 亿，普及率 36.5%，超九成用户首选国产大模型——用户半年翻番，术语来不及统一。 二、四个词逐个拆 GEO（Generative Engine Optimization，生成式引擎优化）：2023-11 学术论文出身，最成体系，加引用、加统计数据、加专家引语可使可见度最高提升约 40%。 LLMO（Large Language Model Optimization，大语言模型优化）：2023-10 从业者（Olaf Kopp，Search Engine Land）最先使用，侧重内容被大模型理解、切分、摘要、重组；缺点是名字易被误解为修改模型参数。 AEO（Answer Engine Optimization，答案引擎优化）：2017 年前后已出现，原指精选摘要与语音助手答案场景（GrowthX 考证指向 2017 年 Trustpilot 白皮书）；2026 年 9 月中国商务广告协会发布国内首份 GEO 系列团体标准（T/CAACCHINA 001—2026 等五项），001 号标准正式收录 AEO 术语并厘清与 GEO 的关系。 AI SEO（AI Search Engine Optimization）：从业者大伞词，无学术出处，最好懂；注意它有两种含义——面向 AI 搜索的优化，或用 AI 工具辅助做传统 SEO，买课买服务前先问清楚。 三、另外两个词 GAIO（Generative AI Optimization）：更泛，缩写不唯一，用的人渐少；AIO（AI Optimization）：泛到等于没说，且与 Google AI Overviews 的缩写撞车，不推荐。 Google 官方 Search Central 文档不使用这些缩写，只说 AI Overviews / AI Mode；Bing 站长工具使用了 GEO 一词。 四、该用哪个词（站长建议） 写方案对外沟通用 GEO（有论文与团标背书）；跟不懂行的老板解释先用 AI SEO 再引出 GEO；看到 AEO/LLMO 不必抬杠，含义没差；合同中约定术语定义，避免词义纠纷。 五、名字会过时，内核不会 多伦多大学团队 2025 年大规模实测（arXiv:2509.08919）：AI 搜索引用中第三方权威来源占 53%–95%，ChatGPT 为 90%–95%——AI 引用的是"别人的认可"。KDD 2024 论文九种优化策略中收益最高的三项是加来源引用、专家引语、统计数据。不管词叫什么，AI 引擎挑内容的逻辑是：事实与别处一致、拿得出数据、被权威源提及。 参考来源（数据核对日期 2026-10-01）： 1. Aggarwal et al., GEO: Generative Engine Optimization, arXiv:2311.09735, KDD 2024。 2. Olaf Kopp, Search Engine Land, 2023-10（LLMO 最早公开使用之一）；kopp-online-marketing.com。 3. GrowthX, What Is LLM Optimization?（AEO 词源考证：2017 年 Trustpilot 白皮书）。 4. 中国商务广告协会团体标准 T/CAACCHINA 001—2026（通论及术语与定义）等五项，2026-09 发布，全国团体标准信息平台 www.ttbz.org.cn 可查。 5. CNNIC《生成式人工智能应用发展报告（2025）》，2025-10-18 发布，新华社报道：用户规模 5.15 亿（截至 2025-06）。 6. 多伦多大学团队实测（2025），arXiv:2509.08919。 --- ## 学习路线 · 第 3 篇：现在还有多少人用 AI 搜索？传统搜索引擎会被 AI 取代吗？ URL: https://seomoz.link/learn/03-ai-search-adoption.html 发布：2026-10-07｜分类：学习路线 / 概念认知 核心答案（先给结论） 按 CNNIC 官方口径，截至 2026 年 6 月中国生成式 AI 用户规模突破 7 亿人、普及率超 50%，其中 76.0% 会用生成式 AI 回答问题。全球口径 NP Digital 2026 年 4 月 16 国 2000 人同口径调查：AI 工具占找答案行为的 36%，Google 与传统搜索 40%，仅差 4 个百分点。传统搜索不会被取代，被取代的是"点十条蓝链自己读"这个动作——掉的是点击，不是搜索。最反直觉的证据：82% 的每周 AI 用户每天仍使用 Google 搜索，全体网民仅 71%（eMarketer 2026-05），用 AI 越重的人用 Google 越多。 一、AI 搜索的用户规模 国内（CNNIC《生成式人工智能应用发展报告（2026）》，2026-09-29 发布，新华社/人民日报/央视网同日转发）： - 截至 2026 年上半年，生成式 AI 用户规模突破 7 亿人，普及率超 50%（对比 2025-06 的 5.15 亿、36.5%，一年多增近两亿人） - 76.0% 用户表示会让生成式 AI 回答问题，为第一大应用场景 - 36.1% 网民使用手机自带 AI 小助手，35.5% 使用移动端 AI 应用 - 截至 2026 年 7 月，AI 综合助手、AI 搜索引擎、AI 生活助手为月均使用次数前三类应用 - 截至 2026 年 6 月，988 款生成式 AI 服务在国家网信办完成备案，598 款在地方网信办登记 - 中国人民大学朝乐观点：普及率近 50% 意味着进入增长拐点，新用户增速放缓，重点转向质量提升 全球（NP Digital,《Where People Get Answers Today》，2026-04，16 国 2000 人）： - Google 等传统搜索引擎 40%（单一最大渠道） - AI 工具 36%（首次进入第二位） - 直接访问网站或 App 11%、社交媒体与论坛 9%、其他 4% - 含义：行为已分裂而非谁赢谁。只做 Google 等于只覆盖 40% 人群，只做 AI 等于只覆盖 36%。 二、AI 重度用户反而更依赖 Google - eMarketer（2026-05，执行期 2026-04-14~04-30，1570 名美国 15-80 岁网民，误差 ±2.5pp）：82% 的每周 AI 用户每天使用 Google 搜索，全体网民 71% - 同报告子结论引自 YouGov：63% 的 AI 搜索者主要为拿直接答案而用助手，涉及浏览与对比多来源仍回搜索引擎 - 解读：AI 接管搜索前半段（找方向、比选项），后半段（验证、找官网、下载、成交）仍在传统搜索与网站手中。这解释了"用户涨 7 亿"与"搜索流量跌 25%"为何能同时成立 - 反例：Comscore 显示 Gen Z 访问软件类网站次数五个月内降近 43%（格式化、转格式等任务被 AI 整段吸收），转引自 eMarketer - 判断：不要用"大家都在用 AI 搜索"安慰自己，要看用户年龄层与到访目的 三、掉的是点击不是搜索（三组独立来源） 1. SparkToro & Similarweb（2026-06 发布，点击流面板，2026 年 1-4 月）：美国 68.01% 的 Google 搜索无任何点击，2024 年为 60.45%（Datos 口径），两年涨 7.56pp，为其记录以来最快加速；每 1000 次搜索仅 276 次点击流向开放网络，2024 年为 374 次，开放网络每次搜索点击减少约 26%；AI Overviews 出现在 20%+ 搜索且出现时 CTR 降约 60%（引 Ahrefs）；独立 AI Mode 仅占 0.34%。方法论经 Digital Applied 复核公开，原始报告在 sparktoro.co 2. Pew Research（约 900 名美国成年人、近 7 万次搜索）：出现 AI 摘要时用户点击传统结果 8%，无摘要时 15%；点击摘要内链接约 1%；看过摘要后更易结束会话 3. a16z（2026-06-14，引 Ahrefs 数据）：网页搜索流量从 2025 年中约 5 亿次/月降至 2026 年 5 月约 3.35 亿次/月（约 -25%），同期直接访问、付费、社群流量基本持平；新闻类站点搜索流量从峰值 23 亿/月降至 17 亿/月以下（Similarweb 数据）。a16z 归因于零点击搜索稳定上升（2016 约 45% → 2019 约 49% → 2024 达 60% → 2026 达 68%）。Google 回应称这些数字基于"推测或不完整的信息"，且 AI Overviews 打开的是更多发现——两边都记录，不单信一方 - 商业含义：被 AI 引用一次等于在它答案里占一个位置，这个位置现在能替代原本的点击 四、国内的百度侧 - 移动搜索结果页 64% 含 AI 生成内容（百度 2025 年 7 月说法，36Kr 报道） - 百度 App 月活 6.55 亿（截至 2026 年 3 月，百度 Q1 2026 财报） - ERNIE 5.0 于 2026 年 1 月发布，2.4 万亿参数；ERNIE 5.1 于 2026 年 5 月发布后位列 LMArena 搜索榜全球第四、中国模型第一（百度 Q1 2026 财报） - 文心助手 2026 年 1 月突破 2 亿月活（《南华早报》，多家媒体交叉印证） - 结构性差异：百度 AI 答案吃中文互联网与百度自有生态，英文博客与海外媒体报道几乎无权重，故海外 AI 可见度监测工具照搬国内无效——本站实测固定用豆包、腾讯元宝、Kimi、微信 AI 搜索 - 关键区分：真正在吃百度份额的不是 AI 搜索，是 AI 应用本身（用户聊完就走不进搜索框）。应对动作不同：前者要求你在 AI 答案里出现，后者要求继续排名 五、传统搜索引擎会不会被取代（站长判断，三层） 第一层：需求未消失，只是搜法变了。AI 负责快速定位，搜索负责确定性验证，两功能不会合一 第二层：Gartner 预测 2026 年底传统搜索量降 25%，但 2026 年 4 月实际同比降幅仅 2.5%，差距源于 AI 概览覆盖仍在扩张期。建议把 Gartner 当压力测试参考上限而非既成事实 第三层：最可能是分工而非替代。AI 引擎离不开网页索引取事实；多伦多大学 2025 年实测（arXiv:2509.08919）显示 AI 引用中第三方权威来源占 53%–95%，ChatGPT 90%–95%。传统搜索的索引体系不会消失，会变成 AI 的素材层 - 注意：AI 引用只占搜索量的极小部分（a16z 称 AI 直访接近零），增长快但基数小 六、SEO 该怎么改（六步） 1. 先做诊断再动手：拿 20 个核心词在豆包/元宝/Kimi/微信 AI 搜一遍，记录是否提及、引用了谁、信息对不对。词库与记录口径见本站引用观察周报，可直接复用 2. 把点击率与排名分开看：Search Console 曝光涨+排名稳+点击率跌 = AI 截流；曝光与排名一起跌才是正常排名问题。两者处理动作不同 3. 停止优化"答案已给完"的问题："XX 是什么意思"类查询加排名无用。精力转向交易型页面（AI 概览出现频率低、点击几乎不受影响）与 AI 答不了的内容（原始数据、真实案例、一手经验、工具与模板） 4. 结构化改造重点是"可被抽走"：AI 引擎分段抽取页面而非通读 5. 报表加一列"AI 答案里的出现次数" 6. 有效信号未变：域名权重、抓取可达、来源权威仍有效，因 AI 引擎也要从这些位置取素材 七、明确的不确定项 - AI 引流何时能撑起规模：目前对多数站仍接近零；另有行业测算称 AI 搜索转化 14% 对传统 2.8%。两组数据方法不透明，只当方向看 - Gartner 25% 是否兑现：见第五层讨论 - 百度 64% 口径：2025 年 7 月百度自述、自家移动端口径，不等于全站也不等于效果，与财报披露的 AI 化率口径不同。可看趋势不宜算账 - "AI 与搜索是分工不是替代"是站长判断，非数据结论，无权威出处 参考来源（数据核对日期 2026-10-07）： 1. CNNIC《生成式人工智能应用发展报告（2026）》，2026-09-29，www.cnnic.net.cn；新华社/人民日报/央视网同日转发。 2. NP Digital,《Where People Get Answers Today: Google Still Leads, AI at 36%》，2026-04，neilpatel.com/marketing-stats/where-people-get-answers-today/ 3. eMarketer,《AI's heaviest users lean on Google more, not less》，2026-05，emarketer.com 4. SparkToro & Similarweb 零点击研究，2026-06，sparktoro.co；方法论复核见 digitalapplied.com 5. a16z 报告，2026-06-14，a16z.com（引 Ahrefs、Similarweb 数据；含 Google 回应） 6. Pew Research Center，AI 摘要与点击率研究，pewresearch.org 7. 百度 Q1 2026 财报；36Kr（2025-07）；《南华早报》（2026-01） 8. 多伦多大学团队实测（2025），arXiv:2509.08919 9. Gartner 25% 预测与 2026 年 4 月实际降幅对照，见 thestacc.com 2026-05 行业数据汇总 10. Comscore Gen Z 数据，转引自 eMarketer（2026-05） --- --- # AI 是怎么决定引用哪个网站的内容的？有没有官方标准？ URL: https://seomoz.link/learn/04-how-ai-cites.html 学习路线第 4 篇（2026-10-09 发布）· 作者：站长（8 年 SEO/SEM 从业） 上一篇我们聊了 AI 搜索有没有取代传统搜索，结论是"掉的是点击，不是搜索"。这篇往里钻一层，问一个更实操的问题：同样是被 AI 抓到的网站，凭什么被它选中写进答案里？ 先给答案：①官方标准确实存在，而且不是民间传言——Google 在 2026 年 5 月发布了专门的生成式 AI 优化指南，Bing 重写后的站长指南里"GEO"这个词被正式写了进去，OpenAI 和 Perplexity 都在开发者文档里写清了各自的引用爬虫。② 但没有一家公布算法公式，所有官方文档都在讲"资格门槛"，不讲"排名公式"。③ 决定你能不能被引用的，不是某个神秘权重，而是六步链路里的前两步——robots.txt 放行 + 页面被索引。第④步的排名反而不是关键。 下面把这三句话拆开讲，每一条都附官方文档出处，你可以自己回去核。 ## 一、官方标准：不用找传闻，去读站长文档 2026 年之前，"AI 引用标准"基本是自媒体的活儿，各家引擎从不正面回应。但从 2026 年 5 月开始，情况变了——引擎厂商开始主动写官方文档，而且口径相当统一。我把四家的核心表述列出来： 引擎官方文档关于"引用谁"的核心口径 Google | 《Optimizing your website for generative AI features in Google Search》2026-05-15 发布，2026-06-15 更新 | "出现在 AI Overviews 或 AI Mode 里没有额外要求，也没有专门的特殊优化。"传统 SEO 最佳实践继续有效。要成为 AI 答案里的支撑链接，页面必须已被索引、且有资格显示摘要（snippet）。明确点名不需要新建机器可读文件、AI 文本文件或额外标记，也没有专属 schema。 Bing | 《Bing Webmaster Guidelines》重写版2026 年新增 grounding 与 AI 引用章节 | 首次在官方文档中用"GEO（Generative Engine Optimization）"这个词并给出定义——聚焦内容在 AI 回答中被 grounding 与引用的适配性。同时写明：GEO 不保证引用，就像 SEO 不保证排名。这是全网第一次有引擎厂商把 GEO 写进正式规则。 OpenAI | 《Overview of OpenAI Crawlers》与《Publishers and Developers FAQ》 | 把爬虫按用途拆开：OAI-SearchBot 决定能否出现在 ChatGPT 搜索答案中，GPTBot 管基础模型训练，ChatGPT-User 是用户主动触发访问。原话：屏蔽 OAI-SearchBot 的站点"不会出现在 ChatGPT 搜索答案中，但仍可能作为导航链接出现"。robots.txt 改动约 24 小时生效。 Perplexity | 官方文档 Perplexity Crawlers | PerplexityBot 用于在搜索结果中展示和链接网站，不用于抓取内容训练基础模型。Perplexity-User 是用户请求触发的抓取，因属用户请求，通常忽略 robots.txt 规则。被 robots.txt 屏蔽的页面，域名、标题和简短事实摘要仍可能被索引。 四家文档摆在桌上，会发现一个有意思的事：没有一个字承诺让你被引用，但每一个字都把"引用"定义成有门槛的资格问题，而不是玄学。Google 那句"没有额外要求"也不等于"随便做都行"——它前面半句是"传统 SEO 最佳实践继续适用"，整句连起来读才是完整意思。 这里必须说清一件事，避免误导：媒体报道时经常把 Bing 那次改版写成"Bing 认可 GEO 了"，甚至延伸成"Bing 给出了 GEO 标准"。这话说过头了。Bing 官方文档的定义是把 GEO 作为一项优化类别纳入正式规则，同时明确声明不保证引用。它给的是规则与合规边界，不是算法公式。谁要拿"Bing 官方认证 GEO"当卖点，你去让对方把那段原文找出来。 ## 二、引用是怎么发生的：六步链路 把四家文档拼起来，链路大致长这样。真正决定成败的是前两步，后面四步很多站长控制不了。 步骤发生什么你能控制什么 ① 准入 | AI 搜索爬虫读你的 robots.txt，决定这个 URL 允许不允许被抓 | 完全可控。四个开关，下面第五节给对照表 ② 索引 | 页面被抓、解析、去重、进入索引，并有资格显示摘要。Google 把这条写成 AI 功能的硬门槛 | 完全可控。这也是老本行，sitemap、内链、HTTP 200、别把关键内容锁在 JS 里 ③ 改写与扇出 | 用户那句大白话被模型拆成多个子查询，各自独立发一次搜索。Google 称为 query fan-out（查询扇出） | 间接可控。你无法配置它，但你可以决定自己覆盖了哪几类子问题 ④ 召回与重排 | 从索引里捞出候选页面，按相关性、权威性、时效等信号排序 | 部分可控。这就是传统 SEO 的主战场，权重依然是权重 ⑤ 抽取 | 模型阅读候选页面并抽取能回答子查询的文本片段，不是读整篇文章 | 可控。这是素材层功夫，详见内容结构化 ⑥ 合成与标注 | 生成答案，把片段拼进去，标上引用来源 | 不可控。没人能保证一定被引，官方文档也从不承诺 最值得记住的一句：被引用的最小单位不是"篇"，是"段"。第⑤步抽取时不保证带你前后的铺垫——所以每个 H2 下第一句就写成可直接引用的答案句，首句不依赖下文。普林斯顿那篇 KDD 2024 论文测过，加入署名权威引语能带来约 41% 的提升，是九种手法里最强的；对照组是 SEO 时代最熟练的关键词堆砌，实测 −8%。数据出自 arXiv:2311.09735。 ## 三、query fan-out：最反直觉、也最值钱的一个机制 query fan-out 这个词是 Google 官方文档里给的，值得单独拎出来讲，因为它直接改变你写内容的思路。 传统搜索里，你优化一个词，排到第一位就赢了。AI 搜索里，用户问"游乐设备厂家怎么选"，模型可能自己拆成"游乐设备厂家资质怎么判断""小型游乐设备厂家有哪些""游乐设备厂家报价怎么看"等好几个子问题，每个子问题都单独跑一次检索和排序，最后把结果合起来合成答案。 这带来两个后果： - 你不需要在原问题上位居第一。你排名第 12，但如果某个子查询恰好是你的强项，你可能被单独抽中并挂上引用； - 你覆盖了多少个子问题，决定了你有多少次机会。一篇只死磕"厂家"这个词的页面，在扇出后大概率整个落空——因为子问题问的是资质、报价、售后，你的页面没有一句在回答这些。 Google 官方还写了一句更实在的：AI Overviews 和 AI Mode 可能使用不同的模型和技术，所以它们给出的链接集合是不一样的。这意味着不存在"一套内容通吃两个功能"的打法，只能靠覆盖面和事实密度去扛。 顺便说个我们实测时的观察，方向和官方文档一致：模型的检索行为比人长得多。Moz 团队分析 5,333 条 Gemini grounding queries 后发现，模型检索平均 6.56 个词，约三分之一会带年份。你如果只盯着 3 到 4 个字的核心词写标题和描述，跟模型的路子对不上。 ## 四、四家引擎的四个 robots.txt 开关对照表 这是本文最实用的一段。前面六步链路里，第①步是最容易踩雷的一步——很多站长在服务器上装安全插件时，把 AI 爬虫顺手一起挡了，几个月后才发现"我内容明明很好，为什么 AI 从来不引用我"。 爬虫 User-Agent 属谁 / 干什么 robots.txt 里屏蔽的后果 你该怎么做 OAI-SearchBot | OpenAI / ChatGPT 搜索 | 不会出现在 ChatGPT 搜索答案中（可能仍作为导航链接出现） | 放行。这是唯一决定引用资格的开关 GPTBot | OpenAI / 基础模型训练 | 退出训练数据，不影响搜索可见性 | 按商业策略决定，与引用无关 PerplexityBot | Perplexity / 搜索索引与引用 | 全文不进索引引用（域名、标题、简短摘要仍可能被索引） | 放行。 Googlebot | Google / 搜索与 AI Overviews、AI Mode | 不进搜索索引，AI 功能随之失效（官方明确 AI 功能与搜索共用同一套基础系统） | 放行。 还有一个容易忽略的坑：OpenAI 明确提醒，如果你从第三方搜索源拿到了某个被 robots.txt 屏蔽页面的 URL，并且有信号显示它与用户查询相关，仍可能在界面上只展示链接和标题。想彻底避免这一点，得用 noindex meta 标签——前提是得先允许爬虫读到那个标签。这块逻辑有点绕，但结论很简单：别屏蔽，要屏蔽就屏蔽干净。 顺带说一句，本站的 robots.txt 就是按这张表配的：四个引用型爬虫全部显式放行，训练型爬虫按策略处理。改服务器安全策略前，先看一眼这个文件。 ## 五、llms.txt：一个被误读了两年的文件 既然说到了官方标准，就绕不开 llms.txt。站内问它的人不少，我直接把结论摆出来：Google 官方说不必要也不有害，其他引擎没有明确表态，实际使用率极低。 Google 那份 AI 优化指南里，原文说的是：不需要创建新的机器可读文件、AI 文本文件或标记才能出现在 AI 功能里，也没有需要额外添加的专属 schema.org 结构化数据。此后业界仍有误解，Google 在 2026-06-15 的文档更新里专门补了一段，把话说透：即使你保留 llms.txt 这个文件，那也完全没问题，但它不会给搜索或 AI 功能的可见性带来正面或负面任何效果。 更早的口径来自 Google 的 John Mueller——他 2025 年就公开说过"目前没有任何 AI 系统在使用 llms.txt"，并把它类比成废弃的 meta keywords 标签。Gary Illyes 在 2025-07-23 的 Search Central Live 亚太场上也确认，Google 不支持 llms.txt，而且也不打算支持。 再看实际使用率。Ahrefs 在 2026-06-15 发布的 llms.txt 专项研究里分析了 137,210 个域名：约 28%（约 3.8 万个）发布了有效的 llms.txt 文件，但其中 97% 在整个月内收到的抓取请求为零；剩下那 3% 里，真正来自具名 AI 工具的请求也只占约 19.5%。Search Engine Land 跟踪 10 个站点的 180 天结果，8 个没有可测量的 AI 流量变化，剩下 2 个的增长来自公关曝光和内容重构，不是这个文件。 我的建议，以及本站的选择：保留，但别当增长手段。成本几乎为零（一个 Markdown 文件），对 AI 代理类工具读站点可能有点用，所以留着没有坏处。但如果你把它写进方案当成"AI 可见度提升手段"去卖或者去做 KPI，数据显示这条不成立。本站自己就发布了 llms.txt 和 llms-full.txt——定位是"给代理的站点自述"，不是"排名技巧"。顺带提一句，Chrome 的 Lighthouse 13.3 在 2026 年新增了一个"agentic browsing"检查项会看 llms.txt，但那是给浏览器代理用的，和搜索排名不是一回事，别又传成 Google 认可了这个文件。 ## 六、官方文档没说，但实测有规律的四个点 官方文档到"资格"这一层就停了，再往后是各家不公开的部分。不过有些规律在我们的实测里相当稳定，可以作为工作假设： - 引用来源以第三方为主，自家官网不一定赢。第 3 篇引用的实测区间显示，AI 引用中有 53% 到 95% 来自第三方权威源。所以被行业媒体、对比文章、社区讨论提及，比自己在官网喊话有效得多； - 能被独立验证的事实更容易被采信。Bing 新版指南里专门加了一条 grounding 优化建议：事实要直接陈述而不是暗示，因为 AI 系统需要能被独立验证的内容。"我们品质优秀"没法验证，"出厂前每台做 48 小时连续运转测试"可以； - 一个 URL 只讲一个主题更容易被选中。Bing 官方明确建议每个 URL 聚焦单一主题、关键信息放在页面靠前位置，并称单主题页面更可能被选为 grounding 结果； - 实体要清晰一致。人名、机构名、产品名不要有歧义指代。Bing 指南把"清晰的实体定义"直接列为有助于 grounding 可见性和引用准确性的做法。 还有一条要提醒的是红线。Bing 新版指南把 "Prompt Injection and AI Manipulation"（提示词注入与 AI 操纵）单列为一个独立章节，并明确说这类行为可能导致可见性下降或被移出搜索。同时它把原来的"关键词堆砌"章节改名为 "Keyword Stuffing and Artificially Engineered Language"——覆盖范围从"为传统排名堆词"扩展到"为触发引用或 AI 响应而设计内容"。往页面里塞隐藏指令、伪造场景、用人工语言模型批量造内容这类操作，已经被正式写进滥用条款，代价是同时损失搜索排名和 AI 引用资格。 ## 七、一份可以直接照做的清单 按优先级排，前四条本周就能做完，后四条需要排期： - 查 robots.txt。打开 你的域名/robots.txt，确认 OAI-SearchBot、PerplexityBot、Googlebot、Bingbot 都是 Allow。有安全插件的，连 WAF 白名单一起查——Perplexity 官方专门给了 Cloudflare 和 AWS WAF 的放行配置示例，说明很多站点是被防火墙误伤的； - 用无痕窗口实测。在无痕模式下用 AI 搜索问三个你关心的行业问题，记下引擎引了谁、引用的是哪一句。无痕是为了避开登录态带来的个性化干扰。方法本站第 1 期公开过，任何人可复现； - 翻自己的索引状态。Search Console 看核心页面是否已索引、是否有摘要资格。Google 明确说了这一条是 AI 功能的准入前提； - 抽查段落自含性。挑三个 H2 小节，把内容单独丢给 AI，问"只用这段话能回答 XX 吗"。答不完整就回炉改写； - 改标题和问句口径。检查你的标题是不是人话问法。模型检索平均 6.56 个词、三分之一带年份，把问句写长、写具体； - 把模糊说法换成"数字 + 来源 + 时间窗"。"效率大幅提升"改成"平均提升 34%，基于 500 家企业、12 个月追踪（数据来源 X）"； - 给关键结论配署名引语。KDD 2024 论文实测这是提升最大的单一动作（+41%）； - 盯第三方提及，而不是只盯自站。每月固定搜一次品牌名 + 行业词，看看行业媒体、对比站、社区里有没有你的内容被引用。 关于本文与作者：作者为 8 年 SEO / SEM 从业者（关于页），2025 年起每周实测四个中文 AI 引擎的引用来源，测试方法公开于第 1 期。本文引用的官方口径均来自引擎官方文档，并标注了发布日期或更新时间，读者可回原文核对；标注"实测""我们观察"的部分为本站数据，属观察结论而非官方承诺。GEO 领域迭代极快，本文结论以 2026-10-09 为准。 ## 参考与来源 - Google Search Central（2026-05-15 发布，2026-06-15 更新）。Optimizing your website for generative AI features in Google Search——"没有额外要求""不需要机器可读文件/AI 文本文件/专属 schema""llms.txt 无正面也无负面影响"的官方出处。developers.google.com/search/docs - Google Search Central。AI features and your website——query fan-out、已索引且有摘要资格是硬门槛、nosnippet 系列控制项的出处。developers.google.com/search/docs - Microsoft Bing。Bing Webmaster Guidelines（重写版）——首次在官方文档中定义 GEO、"GEO 不保证引用"、"事实直接陈述""单主题 URL 更可能被选中"、Prompt Injection 独立章节的出处。bing.com/webmasters - Search Engine Journal（2026）。Bing Adds GEO To Official Guidelines, Expands AI Abuse Definitions——Bing 改版的具体改动清单与发布时间。searchenginejournal.com - OpenAI（官方开发者文档）。Overview of OpenAI Crawlers——OAI-SearchBot 与 GPTBot 用途分离、"屏蔽即不会出现在搜索答案中但可作导航链接"、robots.txt 约 24 小时生效。platform.openai.com/docs/bots - OpenAI 官方帮助中心。Publishers and Developers FAQ——被屏蔽页面仍可能展示链接与标题、utm_source=chatgpt.com 引流追踪。help.openai.com - Perplexity 官方文档。Perplexity Crawlers——PerplexityBot 与 Perplexity-User 的区别、WAF 放行配置示例。docs.perplexity.ai/guides/bots - Ahrefs（2026-06-15）。llms.txt Study——137,210 个域名分析，28% 发布率、97% 零抓取、具名 AI 工具请求占 19.5%。ahrefs.com/blog - Gary Illyes（Google）。Search Central Live 亚太站（2025-07-23）——公开表态 Google 不支持 llms.txt 且不打算支持。转述见 Search Engine Land 2025-07 报道。 - Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD 2024.——九种策略实测数据（署名引语 +41%、带来源统计 +31%、行内标注 +28%、关键词堆砌 −8%）出处。arxiv.org/abs/2311.09735 - Moz（Dr. Peter J. Meyers）。5,333 条 Gemini grounding queries 数据集分析——模型检索平均 6.56 词、约 1/3 带年份。moz.com/blog - 中国商务广告协会 GEO 团体标准（T/CAACCHINA 001~005—2026，2026-09-10 实施）——国内"关键词堆砌列入禁止条款"的权威口径，全国团体标准信息平台可在线阅览：www.ttbz.org.cn 上一篇：现在还有多少人用 AI 搜索？传统搜索引擎会被 AI 取代吗？ 下一篇（计划）：GEO 优化是不是智商税？