共同来源16%，共同品牌55%：AI引擎读的是不同的页面，说出的却是同样的公司

简短回答：回答引擎在它们说出的品牌上，比在它们阅读的来源上一致得多。 面对同一个问题，两个引擎共享的来源为16%到59%，而共享的品牌为36%到55%。换句话说，让你被引用的那个页面因引擎而异，让你被推荐的那份声誉则稳定得多。决定策略的正是这种不对称。

引擎们在从哪里读这件事上分歧很大，在说出哪个名字上却一致得多。所以要优化的不是一个页面，而是一种共识。

流量塌陷，价值转移

第一个事实很残酷，也有充分记录。在谷歌于页面顶部展示AI Overview（即那段撰写好的摘要）的查询中，Seer Interactive测得自然点击率从1.76%降到0.61%，跌幅61%。Ahrefs用另一种方法，测得排名最高页面下降58%。在同样这些查询上，没有产生任何网站点击的比例达到80%至83%。

第二个事实较少受到注意，而且颠覆了解读。留下来的那点流量转化得好得多。Adobe Analytics在2026年4月指出，经由AI到达的买家在美国零售站点上的转化比其他来源高42%。Microsoft Clarity在八个月里追踪了1200多个站点，测得来自助手的访客注册率为1.66%，而来自传统搜索的为0.15%。

这两个事实并不矛盾：它们描述的是一个上端收窄、下端变硬的漏斗。从AI回答中点进来的人，已经读过比较、记住了一个名字，并决定去看看。他不是来了解的，他是来核实的。因此统计会话数衡量的是正在消失的东西；仍值得衡量的，是有质量的到达。

引擎读的不是同样的页面

最有用也最反直觉的结果就在这里。BrightEdge逐行业比较了五个引擎——ChatGPT、Perplexity、Gemini、Google AI Mode和AI Overviews——所引用的前一百个来源与所提到的前一百个品牌，覆盖十个行业，并用杰卡德相似度衡量重合。

因此，来源的重合度视组合而定，介于16%与59%之间：43个百分点的跨度，几乎是彻底的不稳定。品牌的重合度为36%至55%，跨度只有19个百分点。分歧在于书库，而不在于推荐。

实际后果很清楚。因为某个网站「在ChatGPT里会出现」就去追它上面的引用，优化的是这套系统里不稳定的那一半：同一个网站在Gemini上的分量小得多。让足够多不同的来源以同样的方式描述你，从而每个引擎凭自己的书库都走到同一个名字，这才是站得住的那一半。

语料不是你的网站

接下来的问题是引擎在哪里读。一项对超过15万条助手引用的分析把Reddit放在首位，在40.1%的情况下被引用，领先于Wikipedia的26.3%和YouTube的23.5%。LinkedIn出现在ChatGPT Search回答的14.3%中。这四者没有一个是企业网站。

这就是前述不对称的机械原因。一个依赖论坛、百科和视频的引擎，不会去读一个接入行业媒体的引擎所读的页面。但如果你的名字在这些不同的地方以同样的描述反复出现，它们最终都会说出这个名字。别人如何谈论你的一致性，比掌控某一个渠道更重要。

研究说什么才真正有效

关于GEO（面向生成式引擎的优化）的奠基研究，由Princeton与Georgia Tech的研究者发表，在一套由问题与来源构成的基准上测试了内容修改。论文陈述的主要结果是：这些方法可将生成式回答中的可见度提升最高40%。被检验的手段属于编辑而非技术：引用来源、转述发言、给出数字、把话写清楚。

这一点值得强调，因为它与从SEO继承来的直觉相悖。这里没有要加的标签，也没有要赢取的域名评分。推动可见度的是所写内容的形态：不给证据就下断言的文本不易被引用，给出数字及其出处的文本则容易被引用。引擎复述的是它能够归因的东西。

这改变了什么