人工智能会读婚礼摄影师的网站，几乎从不读餐厅的

简短的回答：这几乎完全取决于您的行业。当会上网检索的助手推荐一位婚礼摄影师时，它在53%至82%的情况下打开过这位摄影师自己的网站。当它推荐餐厅时，在被点名的118家餐厅中，它读过本店网站的至多只有1家。同一个助手，同一个问题，同一天。

假设您经营一家餐厅。有人问城里哪里可以吃饭，人工智能助手点名推荐了您。您自然会认为它看过您的网站：照片、菜单、营业时间。我们查看了助手在回答之前真正访问过的页面。您的网站几乎从不在其中。它读的是城市指南、订座平台、本地媒体的报道，您的名字就是从那里来的。

决定权在行业。哪里有指南和平台这一层，助手就读这一层；哪里没有，它读的就是您。

测量了什么

Waseit的研究在每座城市、每个行业提出客户真正会输入的问题：「{城市}最好的{行业}有哪些?」。三个助手中，只有一个会在回答里保留它为此访问过的页面清单，那就是会上网检索的Perplexity。于是我们取出它在法国、英国和巴西的680条推荐回答、其中的10,298个链接，以及被点名的5,221家商家。对每一家商家只问一个问题：这些页面中，有没有一个属于这家商家自己的域名?

把名称与域名对上从来不精确，误差向两个方向发生。因此我们公布两条边界：下界要求压缩后的名称出现在域名中，上界只需一个有辨识度的词。此外还有一个完全不判断语义的条件：凡是在多个不同城市被引用的域名一律剔除，因为同时在里尔和波尔多被引用的网站不是某一家里尔小店的网站，而是名录或平台。最后，被抽取出的「名称」中有10.3%并不是名称，而是清单标题、地址和挑选标准，已经剔除；按行业排出的次序在清理前后一致。

为什么由行业决定

因为有些行业上方压着一层中介，有些没有。问问巴黎最好的餐厅：助手读的是Time Out、Le Fooding、OpenTable和一本城市生活杂志。八家餐厅被点名，来源里没有一家餐厅的网站。在里昂、在马赛、在圣保罗，情形一样：指南、订座平台、点评网站，有时是某家酒店推荐餐馆的博客。编辑这一层足够厚，助手没有理由再往前走。

再问问婚礼摄影师、空调安装商、租赁管理公司：这一层几乎不存在。没有一本空调安装商的Time Out。于是助手退而求其次，依靠它能找到的东西，也就是商家自己的网站，并且在它给出的名字中至少有一半读过这些网站。同一个机制解释了整张表的次序：您所在的行业被指南和平台覆盖得越密，您的网站就越少被读。

这并不是我们第一次看到。八月，在一次小得多的测量中 - 12条回答读了157个页面，24家商家中只有3家的网站 - 我们就已经写过，引擎很少读它所推荐商家的页面。这680条回答补上的是：「很少」并不是一个有用的平均值。对一些行业是从不，对另一些行业则是通常。

如果您就是这家商家，这意味着什么

先弄清自己在表的哪一侧，因为要做的事并不相同。如果您的行业有中介，餐厅、酒店、面包店，那么把自家网站做得再好，也改变不了人工智能对您的说法：它不读。它读的是提到您的指南和平台页面，它对您的描述正是在那里定下来的。如果您的行业中介很薄，摄影师、空调、专门手艺，情况相反：您的网站就是源头，它没写的东西，助手不会替您补上。

无论哪一种，有用的问题都不是「我的网站做得好不好」，而是「当有人问起我所在城市的我这一行，助手会打开哪些页面」。并不存在一个唯一值得登记的名录：共有5,774个不同来源被引用，引用最多的一个也不到4%。真正要紧的，是您这座城市、您这一行的那份清单。

那么关于您的商家，助手们究竟读了什么

这正是Waseit免费诊断所展示的。它用您的语言、面向您的市场，把客户真正会输入的问题提给ChatGPT和Gemini，约60秒内给出百分制评分、被用来代替您的竞争对手、您没有出现的那些问题，以及当Gemini在Google上检索时它真正访问过的页面。正是这份清单告诉您应该去哪里被收录，一本指南一本指南地、一个平台一个平台地。免费，无需账号，无需银行卡；电子邮箱只用于解锁竞争对手的名字和行动方案。它是一张带日期的照片，不是排行榜，我们不承诺任何位置。

这并不能证明什么

• 测量只覆盖Perplexity，因为只有它的回答在我们的采集中保留了访问过的页面。ChatGPT和Gemini的该字段在所有记录中都缺失，这是我们采集的缺口，而不是关于它们的事实：这里既不能说它们读什么，也不能说它们是否读。
• 只有三个市场 - 法国、英国和巴西 - 问题只有一种措辞，采集也只有2026年7月31日至10月16日的一次，经由助手的编程接口，它们接近面向消费者的应用但并不复现它们。
• 「自家网站被读到」的意思是，该域名下的某个页面出现在回答所携带的来源中。这既不能证明助手用它写出了那句话，反过来也不能证明它不知道一个没出现在清单里的网站。
• 把商家名称与域名对应起来，在两个方向上都仍然是近似的：商家可能拥有与名称无关的域名，而一个常见词也可能造成错误匹配。因此下界与上界始终成对给出，真实的数字在两者之间。
• 行业分类合并了三种语言，其中一些的基数很窄：餐厅118条，面包店116条。整张表的次序是可靠的，而某一行的小数位并不可靠。
• 我们测量的是助手读了什么，而不是什么能让一家商家被推荐。这里既不能说网站被读过会提升位置，也不能说没被读过会损害位置。