AI 引用研究：检索解释 32%，页面特征只解释 2.8%

一句话总结：多伦多大学 10 月的一篇论文测了「什么决定 ChatGPT 引用哪个页面」。答案是：站内比较时，检索解释了 32% 的差异，排名单独解释 26.8%，而页面上的所有可改项——标题、结构、FAQ、schema、作者框、加载速度——加起来只有 2.8%。你的页面优化能影响的，比你想象的小一个数量级。

今年陆陆续续写了不少 GEO 相关的文章，讲怎么让内容被 AI 引用。

前阵子想把那些建议理成一张清单，理到一半发现个问题：我推荐的那些动作，一条都没验证过。

于是去翻论文。翻完有点难受。

一、两篇论文测的是同一件事：什么决定被引用

先说清楚这两份研究的口径，不然数字会被误读。

第一篇是多伦多大学的《What Drives AI Citations?》，作者 Mahe Chen 和 Nick Koudas，2026 年 10 月。它做的是归因分解：把「为什么这个页面被引用、那个没有」拆成几个来源，看各占多少。

关键区分：它做了两个层次的比较，即站内（同一个网站的不同页面之间）和跨站（不同网站之间）。这两个层次的结论不一样，必须分开看。

第二篇是 Search Engine Land 11 月 2 日发的《The Quiet Click》，用的是 1007 份美国成年人问卷 + 约 11100 个关键词的点击流数据（2024 到 2026，月均 8.626 亿次搜索）+ 28327 条研究与对比类查询的审计。

它测的不是「为什么被引用」，是「用户看到 AI 答案之后做了什么」。

两篇合起来，能回答一个完整链条的问题：怎么被引用、被引用了有什么用。

二、AI 引用靠的是检索，不是页面优化

第一篇的核心数字：

图 1：三根条的差距是 11 倍，红色那根只有 44 像素长

三个数加起来 61.6%，剩下的 38.4% 是这篇论文也没解释的部分。

32% 对 2.8%，差 11.4 倍。 这个对比的意思是：你的页面能不能被 AI 引用，主要决定于「它有没有被检索到」和「检索到之后排第几」，而这两件事都不是你在页面上能直接改的。

再看第二个层次。如果只看「已经被捞进候选池的那些页面」，谁被选中：

排名单独解释            26.8%
加上问题匹配            →
加上引擎自己的查询      →  合计 32.5%
加上所有页面特征        →

所有你能改的东西加起来，只把解释力从 26.8% 抬到 32.5%，多 5.7 个百分点。

论文的结论说得挺克制：大部分结果不由页面上的任何东西解释，所以要预期一部分不可控，按月度量而不是改一次就忘。

三、那些 GEO 技巧，站内比较时没有效果

这条最扎人。

论文测了这些：FAQ 块、结构化数据（schema）、摘要框、作者框、页面加载速度。

站内比较时，全都没有显著效果。

但论文同时说：跨站比较时，它们全都看起来是正向的。

这两个结论矛盾的，论文自己给了原因——辛普森悖论。已经能拿到大量引用的站，本来就更倾向于用这些功能。所以跨站看是「用了这些的站引用多」，站内看才发现「同一个站里，用了这些的页面不比没用的多」。

我读到这段的时候停了一会儿。

因为过去半年我写过好几篇讲 schema 和结构化数据的文章，其中一部分就是按「这样更容易被引用」的逻辑推的。这个逻辑在站内比较下不成立。

论文没否认这些功能有用，只是把它们的定位改了：结构化数据帮机器准确读价格、营业时间、评分；快页面真人喜欢。这些是卫生条件，不是捷径。

（顺带说一句，站内那篇 GEO 的机制讲的是「从争夺投票变成争夺被提及」，方向没错，但当时把页面优化的权重估高了。）

四、零点击率在降，复核点击在升

第二篇的问卷数据，有几个数字推翻了我的假设。

56% 会点链接复核。 这个数字比我预期高很多。

我原来的判断是「AI 摘要会吃掉点击」，但数据说：大部分人拿 AI 摘要当定位工具，要掏钱或者要做决定的时候，还是会点进去看原始来源。

点击流那边也印证了：零点击率从 2024 年的 43% 降到 34%（降了 9 个点），搜索内重查询从 54% 升到 63%。

意思是：AI 答案不是搜索的终点，是搜索的一个中间站。

这对内容站的启示很具体：你的页面要能承接「复核」这个动作。

什么叫能承接复核？用户看完 AI 摘要，心里有个半信半疑的结论，点进来想看的是：

• 这个数字是哪来的、怎么算的
• 有什么前提条件、什么情况下不成立
• 有没有人试过、结果如何

纯复述事实的页面接不住这个动作，因为 AI 摘要已经把事实说完了。能接住的是有方法、有数据、有边界的那类。

这也是我一直在写「自己跑一遍数据」的原因，虽然当时不知道有这个数据支撑。

五、剩下那 2.8% 页面特征能做什么

2.8% 不等于零。而且论文给了两个具体有效的动作：

标题更贴近用户提问，每标准差多 14.1% 引用。

最佳段落更贴近提问，每标准差多 15.5% 引用。

这两条是所有测量项里唯一站内也显著有效的。

怎么用？论文的建议很直白：

• 小标题按「买家用什么话问」来写，别按「我怎么分类」写
• 每个小标题下第一两句就把答案给出来
• 每个小节自足，让助手能单独拎走一段

为什么段落匹配比标题匹配权重稍高？ 我猜是因为 AI 引用粒度更细——它经常只摘一段，不摘整页。标题决定「要不要看这页」，段落决定「摘哪一段」。

这解释了一件事：为什么那种「先铺垫五百字再给答案」的写法在 AI 搜索里特别吃亏。铺垫的部分不构成可引用的段落。

六、论坛比品牌页更受信任

第二篇里有一组数，我觉得对内容站威胁最大：

论坛和社区在两项上都排第一。而且 GeoBuddy 那边统计的最常被引用域名是 reddit.com、youtube.com、linkedin.com，三个都是用户生成内容平台。

这意味着内容站的竞争对手不是同行，是论坛。

我在注意力那篇里讲过类似的事：红果短剧 4.3 亿月活，抢的不是长视频的份额，是用户那点空闲时间。这里同理，AI 引用抢的是「被信任的位置」，而论坛天生占着这个位置——因为它有真实用户的争论和反驳。

品牌页做不到这点。品牌页不会说自己的产品不适合谁。

所以能做的事是：明确写出局限性、适用边界、以及什么情况下不该用。 这听起来像自损，但它恰好是论坛帖最像的部分。

七、常见问题

这些研究的样本够大吗？

第二篇的点击流覆盖约 8.6 亿次月搜索、11100 个关键词，问卷 1007 人。第一篇的具体样本量报道里没给全。我倾向于认为方向可信、具体数字要打折。

2.8% 是不是说明页面优化完全没用？

不是。它说明「页面特征对引用的解释力」只有 2.8%，不等于「优化没用」。可能是这个测量方式抓不到真正的机制，也可能是页面特征之间高度相关、互相稀释了。这一条我保留怀疑。

那还要不要做 schema 和 FAQ？

做，但别指望它带来引用。把它当「让机器准确读取信息」的卫生工作，别当增长手段。

AI 引荐流量值不值得追？

看转化。Ahrefs 那边统计 6 万个站，所有 LLM 加起来带来不到 1% 流量，Google 是 41.35%。另一组 GA4 数据显示 AI 引荐只有 Google 自然流量的 0.62%，但转化率 13.8% 对 3.02%——高 4 倍多。

量小、质高。值得接住，不值得为它改整站策略。

内容站还有没有机会？

有，但位置变了。以前是「提供信息」，现在是「提供证据」。信息 AI 自己会说，证据它给不了。

八、结语

这组数据让我改了一个判断。

以前我认为 GEO 是「一套新的页面优化方法」。现在我认为它是「传统 SEO 的延伸，加上一点内容形态的调整」。

因为 32% 在检索上、26.8% 在排名上——这两件事基本就是传统 SEO 的活儿。真正新的部分只有那两条：标题和段落匹配提问。

这个结论不好听，但它省钱。 你不需要为 GEO 单独做一套东西，需要的是把已有的内容写得更像「回答」而不是「介绍」。

至于那 38.4% 没被解释的部分，我猜短期内也不会有答案。在一个大部分不可控的系统里，把可控的那部分做到位，剩下的交给时间。

参考资料

• Castle - LLM Citations: What They Are and How to Earn Them - 本文两篇论文数字的主要转述来源，含 Ahrefs 与 GeoBuddy 数据
• DEV Community - The Quiet Click: How AI Answers Are Changing Organic Search Behavior - 问卷与点击流数据的二手整理
• Web Pulse - AI Referrals Are Small, but GA4 May Miss How AI Shapes Buying Decisions - AI 引荐的转化率数据来源
• GeoBuddy - AI Search Statistics 2026 - 品牌可见度与被引用域名的实测统计