AI 在点你的名之前读了什么：12 条回答读了 157 个页面，企业官网只占 24 个里的 3 个

昨天我们说明了：能穿过同一个问题所有问法的名字，不是企业，而是平台。剩下的问题是为什么。今天我们往下走一层：不去看 AI 说出的名字，而去看它为了找到这些名字所读过的页面。

这件事做得到，是因为联网的检索接口不只返回一条回答：它还会返回引擎给自己拆出的子问题，以及它查阅过的页面清单。也就是说，看得到的不只是成品，还有原料。

今天早上问了十二个问题 - 四座不同城市的四个行当（里昂的水管、蒙彼利埃的牙科、雷恩的修车行、里尔的理发店），每个都从三个角度问：最好的、急的、评价。

一条回答读十三个页面 - 而你多半不在其中

原始账目是这样：12 个问题触发了 34 个子问题，最终读了 157 个页面，分布在 85 个不同域名上。也就是每条回答查了十三个页面，最少六个，最多二十个。最后说出来的，不过是一小把名字。

对做生意的人来说，真正要紧的数字在别处。有二十四个域名在十二条回答里至少被读过两次 - 也就是说，它们不是碰巧撞上某一个问题的。其中十八个是中间人：名录、预订平台、比价站、点评站、论坛、城市博客。剩下六个里，一个是大学医院，两个是全国连锁。属于本地独立企业的网站只剩三个：里昂的一家水管工，里尔的两家理发店。

在 AI 一条回答接一条回答反复读的二十四个来源里，属于独立商户的网站只有三个。

有一个名录，在一半的回答里被读到

有一个域名明显拔尖：threebestrated.fr，十二条回答里读到了六条。它在四个行当、四座城市里都出现 - 更关键的是，四个案例的「评价」那一问里，它无一例外都被读到。当客户问谁的评价最好，引擎去找的是同一个聚合站：里昂如此，里尔也如此；牙科如此，修车行也如此。

Reddit 十二次里出现三次，法国的黄页三次，Doctolib 三次。这些网站没有一个是你的。而它们每一个都能决定你在不在这条回答里。

更正一处：我们昨天发的一个数字

昨天我们写道，按今年公开的分析，谷歌的 AI 模式对一个复杂问题会触发九到十一个子问题。我们自己量了：在我们查询的这个接口上，是两到四个子问题，中位数为三。这不是同一个界面 - 面向大众的 AI 模式和面向程序的接口，行为并不一样 - 而昨天的措辞恰恰漏掉了这层区别。我们量出来的数字属于这个接口；我们引用的那个来自另一个界面。

这 34 个子问题里有个细节值得记下来：其中两个是用英文问的，而原问题是法文。「top rated hair salons Lille」，既没有法文的重音符号，也没有法国的语境。也就是说，一个英文页面，也可能影响给一位法国客户的那条回答。

市场观察到的情况，方向是一致的

今年公开的各项测量在一点上是一致的：不存在一个放之四海皆准的主导来源。同一个网站在一个引擎里分量很重，在另一个引擎里就消失了 - 据 Tinuiti 和 Profound 的记录，Reddit 在谷歌 AI Overviews 的社交类引用里占了很大一块，在 Gemini 上却微不足道；Semrush 还看到 Reddit 在 ChatGPT 中的占比几周内从 60% 掉到 10%。另有一份针对 23 387 条引用的分析，把其中 17% 的引用归给了名录类网站。

翻译成开店的话就是：问题不是「要不要上名录」，而是「就我的行当、我的城市，这个月真正被读的是哪几个」。我们这十二次测量，按城市和行当给出了四种不同的答案。一份笼统的「最佳名录排行」，不会告诉你哪一个决定着你的情况。

拿这个做什么

• 别再只用自己的官网来判断可见度。在我们十二次测量里，被点名那家企业的官网几乎从没进过被读来源：引擎走的是第三方。
• 找出在你这个行当、你这座城市里真正被读的第三方，而不是通用指南上那几个 - 它们一城一变，我们在四座城市里量过。
• 把「评价」这一问单独对待。正是这一问，同一个聚合站在哪里都会回来：你在上面有资料是资产，没有则是个洞。
• 即便面对的是法国客户，也把英文内容算进这套装置里：引擎有时候会用两种语言去找。

照例说明局限：一个引擎、一个国家、十二个问题、一个上午。助手的回答一天一个样 - 我们上周量过，8 月 6 日被提到的 81 个名字里，到 8 号还在的只有 15 个。这次测量补上的是底下那一层：不是名字自己在动，而是为了产生这些名字所读的页面在动。