《海外 GEO 白皮书（二）核心数据洞察：基于 1,004.6 万条 AI 回答的信源生态、漏斗意图与引用漂移实证》

本专题基于一套同口径生产数据集（2026 年 6 月～9 月）。样本覆盖 ChatGPT、Google AI Mode、Google AI Overviews、Gemini 和 Microsoft Copilot 五大平台，共计 1,004.6 万条可分析回答。

数据提供方为 Dageno AI。

六项核心结论：

1. 官网是 AI 最大的单一信源类型

   品牌官网占五大平台来源链接的 38%～58%，在 B2B 技术品类中超过 70%，且占比持续上升。

2. 五个平台对应五套独立的信源生态

   任意两个平台共同引用的域名占比不到 25%；Google 入口偏重 YouTube 和 Reddit，Copilot 偏重电商，ChatGPT 偏重机构与学术信源。

3. 意图和漏斗阶段决定是否推荐品牌

   决策阶段有 93%～97% 的回答出现商业品牌，认知阶段仅为 73%～87%。

4. 获推荐不等于获引用

   Gemini 有 45% 的回答推荐了品牌却未附带来源链接，品牌在这些回答中依赖模型参数记忆。

5. 具体链接处于高频轮换状态

   同一问题相邻两周引用的链接仅有 3%～25% 重合，次日即有 70% 以上的链接和品牌不再连续出现；但“信源类型”层级相对稳定。

6. 单次测量不具备统计意义

   同平台同日重问一次，ChatGPT 仅有 12% 的概率给出同一组品牌；仅重复 2 次～3 次时，可见度估计区间宽达 60 个～70 个百分点。

本专题的高清图表与汇总数据均归档于“海外 GEO 白皮书 / 实证专题图表”目录。

研究设计与数据说明

数据来源

数据由 Dageno AI 按双方确认口径提供，属于 2026 年 6 月～9 月的生产环境历史记录，未混入测试数据。数据方隐去了客户原始标识、采集日志和官网域名明细，本专题中所有品牌官网均归入“企业/品牌官网”类别。

样本规模

各月不是固定的提示词集合，规模变化只描述覆盖，不代表平台行为变化。

漂移与一致性分析使用单独的固定面板：同一提示词与国家组合在连续多周内反复采集，覆盖美国、西班牙、印尼、新加坡、泰国，语言为英语和西班牙语，最长连续追踪 17 个完整周。

四个行业专题面板

充电与移动电源（消费电子）、大模型 API 聚合与 AI 网关、全渠道客户沟通与社交 CRM、网页采集 API 与数据提取。后三个属于 B2B 技术品类，各行业覆盖的平台不完全相同。

五份数据与研究问题

我们联合 Dageno AI 团队，围绕第一期研究的 5 个核心问题展开数据分析：

关键口径

• 来源链接关联 vs 正引用：回答来源列表中出现某链接即计为“关联”；该链接记录了大于零的引用计数才计为“正引用”。由于 AI Overview 在 8 月下旬前的引用计数存在历史缺口，且 AI Mode 采用累加计数（每答约 61 次），本专题跨平台对比统一采用“来源链接关联”口径。

• 官网处理：“非官网”指标剔除已识别的企业官网；信源类型构成则包含官网。

• 信源类型：共分 8 类，依次为企业/品牌官网、机构/政府/教育、电商平台、媒体与内容平台、用户社区、参考资料/百科、其他和未分类。“其他”类主要包含垂直评测站、导购站和生活方式站点（如 outdoorgearlab.com、rei.com 和 ulta.com）。

• 品牌露出：从回答正文提取商业品牌，剔除已确认的机构名称；“露出”不代表正向“推荐”。

• 意图与漏斗标签：缺失或存在分歧的标签不纳入分层对比。各平台月度有效标签覆盖率介于 22%～64%，网页采集品类的意图标签由规则补充标注。

• 集合相似度：统一采用 Jaccard 系数（两集合交集除以并集），1 代表完全一致，0 代表无共同元素。

一些局限

1. 观测性数据只能揭示相关与结构，不能证明某种做法的因果效果。

2. 观测到的指标波动可能同时受采集、解析、来源映射和模型版本影响，不宜直接归因为平台算法调整。数据方说明，8 月 27 日后部分跳转链接未还原为最终真实 URL。

3. 采集日志缺少完整重试标记，同日重测样本的统计独立性尚未完全核实。

4. 数据集不含 Claude 和 Perplexity，这两个平台的机制仍以第一篇“平台篇”的公开资料为准。

5. 提示词集合并非随机抽样，所得结论仅适用于本数据集覆盖的提示词与行业范围。

按照第一篇介绍的 Martinez 证据层级，本数据集属于“真实商业引擎、跨日期、含重复采样”的观察型研究，可支撑分布与结构类结论。下文直接呈现本数据集的实证发现，外部文献则沿用 A～D 证据等级标注。

T1 平台信源生态：AI 从哪里取材

本节基于 T1 数据回答四项基础问题：五大平台回答品类问题时附带多少来源、偏好哪类站点、是否高度集中于少数头部域名，以及跨平台信源重合度如何。这些数据直接决定了 GEO 的资源投入方向。

来源密度：约三分之一的回答没有出处

数据解读

ChatGPT（99.9%）和 AI Overview（100%）几乎每条回答均附带来源链接，Copilot 为 94.5%。

Gemini（66.1%）和 AI Mode（63.6%）中，约 1/3 的回答不附带任何来源链接。

每条回答附带的非官网来源链接数差距更大：ChatGPT 平均 8.8 条，AI Overview 为 7.2 条，AI Mode 为 4.7 条。Copilot 平均 3.0 条，Gemini 仅 1.8 条，首尾相差约 5 倍。

AI Overview 的 100% 源于其产品形态：作为搜索结果页顶部的摘要模块，它仅在触发时才进入采集样本，且触发后固定展示链接卡片。

这一 100% 占比由产品形态与采集口径共同决定。

机制解析

单条回答是否附带来源，取决于平台在生成前是否执行了联网检索（grounding）。

ChatGPT Search 和 AI Overview 采用“先检索、再生成”流程，检索结果直接转化为引用链接。Gemini 应用和 AI Mode 则由模型自主判断是否联网：面对“什么是 X”或“X 和 Y 有什么区别”等基础问题，模型常直接调用参数知识作答。

Strauss 等人（2025）测试发现，Gemini 中 92% 的回答无可点击引用，约 34% 的回答未触发网页抓取。该趋势与本数据集一致；本数据集中 Gemini 有来源比例更高，源于采集口径纳入了不可点击的来源列表。

AI Mode 的无来源比例还受一项解析因素影响：8 月下旬后部分跳转链接未能还原（见前文“局限说明”），因此 63.6% 可能略微低估了 AI Mode 的实际来源覆盖率。

对 GEO 的含义

在 Gemini 和 AI Mode 上，相当比例的品牌露出出现在无来源回答中（详见下文 T3 章节）。这类露出无法靠单页检索优化获取，主要依赖模型参数知识与 Google 知识图谱中的品牌实体认知。团队需同步推进两层建设：

• 可检索层让页面进入检索候选集并入选引用链接，这对 ChatGPT、AI Overview 和 Copilot 最关键。

• 实体层让品牌成为模型和知识图谱中该品类的“默认成员”，这对 Gemini 和 AI Mode 最关键。具体动作包括维护 Google 商家资料与 Merchant Center 商品数据，在维基百科和 Wikidata 等知识库中保持合规准确条目。同时，促使品牌名与品类词在主流第三方内容中稳定共现。

信源构成：官网是第一大信源，第二梯队决定平台“性格”

数据解读

品牌官网是五大平台共同的第一大信源，占来源链接的 37.5%（Copilot）～58.2%（Gemini）。此处的“官网”涵盖品类内全部品牌的官方网站，并非单一客户站点。

官网之后，各平台第二梯队的差异非常明显：

“其他”类主要是未归入七个明确类别的独立网站，例如垂直评测站、行业博客、对比站和工具目录。

ChatGPT 和 Copilot 的“其他”类占比均超过 36%，表明两者更常从长尾独立站点取材；Google 两个入口的“其他”类仅占 16%～18%，信源高度集中于大型平台（下文集中度分析将进一步印证）。

机制解析

跨平台信源构成的差异主要源于三方面：

1. 检索后端不同。ChatGPT Search 结合第三方搜索服务与自有爬虫（OAI-SearchBot）；Copilot 依托 Bing 索引，与 Bing 购物频道及零售商数据深度整合；AI Mode 和 AI Overview 共用 Google 搜索索引，并可直接调用 YouTube 等自有资产；Gemini 应用虽通过 Google 搜索执行 grounding，但前端输出的链接数量最少。

2. 查询扇出（Query Fan-out）策略不同。Google 官方说明，AI Mode 会将单个问题拆分为多个子查询并行检索。子查询常包含“评测”“使用经验”和“视频”等修饰词，从而召回大量社区帖子与视频内容。

3. 内容授权合作不同。2024 年 Google 与 Reddit 达成数据授权合作，OpenAI 同年也与 Reddit 签约A，双方公告。数据合作不直接等同于排序加权，但直接影响内容的实时可获取性。

趋势：官网占比四个月持续上升，Copilot 是唯一例外

数据解读

2026 年 6 月～9 月，4 个平台的官网来源占比持续上升：ChatGPT 从 34.8% 升至 54.2%（上升 19.4 个百分点，增幅最大）。

同期 Gemini 从 55.6% 升至 64.4%，AI Overview 从 49.3% 升至 58.8%（8 月曾短暂回落至 44.8%），AI Mode 从 49.7% 升至 53.7%。

仅 Copilot 逆势下降，从 41.1% 降至 33.1%，释出的份额主要流向电商平台与长尾站点。

谨慎解读

这一走势存在两种可能解释，单凭本数据集尚无法完全剥离。

第一种可能是各平台检索策略确实在向一手官方信源倾斜；第二种可能是月度样本结构变化所致：8 月和 9 月样本量分别回落至 175 万条和 130 万条，各意图与行业的权重随之变动。

团队应将其视为待持续追踪的信号，并在自有固定问题集上定期复核。

机制解析

剔除样本波动因素后，高官网占比依然契合检索增强生成（RAG）的基本机制：当问题涉及价格、技术规格、兼容性和服务政策等可核验事实时，检索重排更倾向采用一手原始出处以降低幻觉风险。

Yotpo 在 2026 年的研究同样证实，商品详情页与服务政策页（退换货、配送和保修）是 AI 引用留存最稳定的页面类型。

实施方法：将官网建成“事实底座”

• 每项核心事实固定对应唯一标准页面：价格、套餐、规格、支持地区和兼容列表均配置固定 URL，避免站内多页面出现数据冲突。

• 核心事实直接写入静态正文：避免仅存放在图片、PDF 或需点击展开的交互组件内，多数 AI 爬虫不执行客户端 JavaScript。

• 补全商品与报价结构化数据：部署 schema.org 的 Product、Offer、FAQPage 和 Organization 标记，并与 Merchant Center 数据保持同步。

• 显式标注页面更新时间：正文参数变更后，同步更新站点地图（sitemap）中的 lastmod 字段。

• 通过抓取日志核验访问状态：借助服务器日志或 GEOInflow 等工具，检查 OAI-SearchBot、ChatGPT-User、PerplexityBot 和 Googlebot 的访问记录。确认所有核心事实页均正常返回 HTTP 200 状态码。

集中度与头部域名：Google 入口高度集中，YouTube 与 Reddit 是“守门人”

数据解读

前 10 大非官网域名占全部非官网来源链接的比例（CR10），在各平台间相差约 4 倍。AI Overview 为 43%～56%，AI Mode 为 37%～50%；ChatGPT 仅为 11%～14%，Gemini 为 12%～17%，Copilot 为 18%～23%。

在 Google 的两个 AI 入口中，近半数第三方引用集中流向 10 个头部域名；而在 ChatGPT 上，第三方引用广泛分散于长尾站点。

头部域名在非官网来源中的份额如下：

• AI Mode：YouTube 17.6%，Reddit 7.8%，Facebook 2.5%，Amazon 1.9%，Instagram 1.8%，LinkedIn 1.7%。

• AI Overview：YouTube 14.4%，Reddit 9.6%，Facebook 4.9%，Amazon 1.9%，LinkedIn 1.5%。

• ChatGPT：Reddit 4.6%，NIH 1.5%，Amazon 1.0%，arXiv 0.9%，阿里巴巴 0.7%，Walmart 0.6%。份额最大的域名也不到 5%。

• Gemini：Reddit 6.1%，YouTube 2.5%，Forbes 2.0%，其后是若干垂直评测站。

• Copilot：Amazon 9.0%，Walmart 5.3%，两者合计约 14%；YouTube 只有 1.4%。

在 Google 两个入口中，仅 YouTube 单一域名就占非官网引用的 14%～18%，超过 ChatGPT 前 10 大非官网域名的份额总和。

机制解析

YouTube 属于 Google 自有生态资产，视频标题、描述、字幕及时间轴章节均已纳入 Google 索引，AI Mode 还支持在答案中直接嵌入视频片段。

Reddit 帖子则高频命中“使用经验”“产品推荐”和“值不值得买”等子查询。2026 年 5 月，SISTRIX 对 155 万份 AI 回答快照的研究显示，在长期稳定出现的“核心域名”里，YouTube 入选率为 24%，维基百科为 12%；论坛与 UGC 仅占 3%，新闻站点占 1.4%。

这表明 Reddit 引用频次虽高但轮换极快，YouTube 则兼具高引用率与高留存稳定性。

公开案例与研究

• YouTube 视频实验（OtterlyAI × TRYSEO，2026 年 4 月）

  TRYSEO 用 AI 生成了 25 条数字人讲解视频，每条标题和字幕对准一个德语目标问题，上传至新建的零订阅 YouTube 频道。约 10 天后，品牌在德国市场的 AI 声量份额（Share of Voice）在多平台明显上升。AI Mode 从 14% 升至 23%，Copilot 从 36% 升至 52%，ChatGPT 从 40% 升至 55%。同期 Gemini 从 29% 升至 39%，Perplexity 从 54% 升至 65%，仅 AI Overview 基本持平（38% 升至 39%）。

该实验表明 YouTube 视频进入 AI 检索答案的周期很短；但批量生成 AI 视频的长期留存尚未验证，且存在触发反垃圾政策的风险，不宜直接照搬。

• Ahrefs 相关性研究（2026 年 5 月，TNW 报道）

  品牌在 YouTube 上的提及量与其 AI 可见度的相关系数达 0.737，高于普通网页品牌提及（0.66～0.71），显著高于域名评分 DR（0.27～0.33）。

两项研究结论一致：面向 Google 系 AI 入口时，YouTube 是投入产出比最高的单一站外渠道。

站外视频与社区执行要点：

• 围绕高价值问题制作“答案型视频”：标题直接采用用户真实提问句式，前 30 秒直接给出结论，并在简介区写明品牌名、产品型号和核心参数。

• 上传人工校对字幕并划分时间轴章节：每个章节对准一个具体子问题，字幕文本是模型解析视频信息的主要来源。

• 推动第三方创作者发布评测与对比视频：在选型推荐类问题中，独立创作者频道的可信度高于品牌官方频道。

• 坚持真实合规运营 Reddit 社区：以官方认证身份解答疑问、参与 AMA 交流并澄清失实信息，严禁批量发帖或水军刷评。

在 Tally 案例中，团队多年在 Reddit 与 Product Hunt 的真实互动积累了大量 AI 推荐信源。

Reddit 内容轮换快，这是一项需要持续投入、见效较慢的工作。

平台重叠：五个平台几乎是五个“信源世界”

数据解读

我们计算了任意两个平台引用域名集合的 Jaccard 相似度（交集除以并集，1 代表完全重合）。

重合度最高的一组是 AI Mode 与 AI Overview（0.20）：即便同属 Google 产品，两者共同引用的域名也仅占并集的 1/5。

其后依次为 AI Overview 与 Gemini（0.17）、AI Mode 与 Gemini（0.14）。

ChatGPT、Copilot 与其余平台的域名重合度均仅为 0.05～0.09。

机制解析

同一问题在不同平台召回不同信源，源于多环节差异叠加：搜索索引不同（Google、Bing 与 OpenAI 自有索引）、子查询拆分逻辑不同、重排序模型不同，以及单次回答长度与引用上限不同。

即便共用 Google 索引，AI Mode 拆分的子查询更多且偏向深度研究，AI Overview 则更贴近原始查询的前排自然结果，因此两者重合度依然偏低。

对 GEO 的含义

“做好单一平台即可自然覆盖全平台”的假设并不成立。可跨平台复用的基础资产包括官网事实页、品牌实体信息和主流第三方报道；无法直接迁移的是各平台的具体引用排位。

监测和考核必须分平台进行，预算也应与各平台在目标用户中的实际使用份额挂钩。

小结：按“信源画像”分配资源

T2 意图、漏斗与行业：不同阶段给什么答案

T2 按三类属性为提示词标注了标签：营销漏斗阶段（认知、考虑和决策）、搜索意图（信息型、商业型、交易型和导航型）及所属行业。

有效标签覆盖率介于 22%～64%，本节仅统计带有效标签的回答，重点分析用户处于不同决策阶段时 AI 的品牌推荐率与信源结构变化。

品牌露出随漏斗深入而上升

数据解读

五大平台呈现一致规律：提问越接近购买决策，回答越倾向推荐商业品牌。ChatGPT 跨阶段跨度最大，认知阶段仅 72.9% 的回答出现品牌，考虑阶段升至 86.7%，决策阶段达 93.1%，首尾相差约 20 个百分点。其余 4 个平台在认知阶段已有 83%～87% 的回答提及品牌，决策阶段均超过 95%。

按搜索意图划分同样遵循这一规律：信息型问题的品牌露出率最低（ChatGPT 为 80.5%，其余平台为 88%～91%），交易型问题最高（92.8%～96.3%）。

ChatGPT 在认知阶段的低露出率有一个明确的结构特征：该阶段有 26.8% 的回答“有来源但没有品牌”，即 ChatGPT 引用了大量网页来解释概念，却不推荐具体产品。

同期 ChatGPT 每条回答的非官网来源数，也从认知阶段的 9.3 条降至决策阶段的 7.9 条。

AI Mode 则呈现另一项特征：随漏斗深入，带来源回答的占比从 79.8% 降至 74.5%，而品牌回答中无来源的比例从 21.1% 升至 28.8%。在最接近成交的问题上，AI Mode 更常直接推荐品牌而不附带出处。

Gemini 在三个阶段的无来源品牌回答占比均维持在 51%～54%，始终居五大平台之首。

机制解析

不同漏斗阶段的提问对应不同的标准答案形态：

• 认知阶段典型提问如“什么是 AI 网关”或“快充会不会伤电池”，标准答案聚焦概念定义与原理解释。模型常调用参数知识作答，或检索百科、机构与教程页面，仅顺带列举品牌。

• 考虑阶段典型提问如“有哪些好用的 AI 网关”或“A 和 B 哪个好”，标准答案多为候选清单或对比表，商业品牌构成答案主体。

• 决策阶段典型提问如“X 型号多少钱”“哪里买”或“怎么注册”，答案必然包含目标品牌。由于提问往往已点名具体品牌，模型把握度更高，触发外部检索的频率随之降低，这解释了 AI Mode 在决策阶段无来源推荐增多的现象。

品牌在认知阶段能否作为代表案例入选，直接影响其能否进入用户后续的选型清单。认知阶段整体品牌露出率最低、存量竞争相对缓和，往往是新品牌或中小品牌切入的高性价比位置。

信源结构随漏斗转移：从“机构科普”到“购买渠道”

数据解读

合并五大平台数据后，机构/政府/教育类信源在认知阶段占 10.4%，考虑阶段降至 4.9%，决策阶段仅剩 3.8%，降幅约 2/3。

电商平台则反向变化，从 2.6% 升到 3.2% 再到 4.8%，近乎翻倍。官网在认知阶段占 45.8%，在考虑和决策阶段稳定在 50% 左右。

按搜索意图划分也得到一致结果：机构类来源在信息型问题中占 7.2%，在交易型问题中只占 4.1%；电商来源在交易型问题中占 5.1%，是信息型问题的两倍。

对 GEO 的含义

品牌想在认知阶段被提到，就要让自己出现在机构、标准和教程类内容中：参与行业标准和白皮书、为高校或研究机构提供数据和案例、在官网发布经得起核查的原理说明（带引用和数据）。

品牌想在决策阶段被正确地描述，就要管好商品页和渠道数据：官网定价页、电商平台商品页、库存和配送政策。

这两类工作由不同团队负责（前者往往归品牌和公关，后者归电商和增长），需要在 GEO 规划中统一协调。

行业差异：B2B 技术品类是“官网主场”，消费硬件更依赖媒体和电商

数据解读

本数据集涵盖 4 个细分行业：1 个消费硬件品类（充电与移动电源），以及 3 个 B2B 技术品类（AI 网关、网页采集 API 和全渠道客户沟通）。

由于各行业采集覆盖的平台范围不同（如网页采集 API 覆盖全部 5 个平台，AI 网关仅覆盖 ChatGPT 和 AI Mode），跨行业对比主要观察结构方向。

• B2B 技术品类：官网占来源链接的 70%～73%

  此类问题所需的技术事实（API 能力、支持模型、计费梯度、集成方式和合规认证）几乎只存在于厂商官方文档与定价页中。电商来源占比不到 2%，媒体来源也仅占 1%～5%。

• 消费硬件（充电与移动电源）：官网占比降至 58.6%

  媒体与内容平台占 7.3%，电商平台占 5.9%，分别为 B2B 品类的数倍与数十倍。消费者在此类硬件选购中依赖第三方实测与买家评价来核实转化容量、温控表现及耐用度。

• 各行业品牌露出率均达 94%～99%，行业间差异主要体现在“推荐品牌时是否附带来源链接”。

以 Gemini 为例，其在充电品类的品牌回答中有 59.2% 未附带来源，在网页采集 API 品类中无来源比例高达 70.9%（每答非官网来源仅 0.6 条）；Copilot 在网页采集 API 品类中也有 29.7% 的品牌回答无来源。

机制解析

信源分布取决于“哪类站点存放着最准确的事实依据”。B2B 技术产品的参数高度集中于厂商技术文档，外部转述较少且易过时；消费硬件的选购依据（实测体验与性价比）则广泛分布于媒体评测、视频和电商买家评价中。因此，B2B 品牌的 GEO 重心在于官网文档的可抓取性与完整性，消费硬件品牌的重心则在于第三方评测与电商评价生态。

公开案例

后续行业案例与本节数据结论高度吻合：Vercel 的 AI 引荐流量增长依托于结构完整、静态可抓取的开发者文档；Tally 则在官网持续维护人工撰写的“Tally vs Typeform”等选型对比页，同时在 Reddit、Product Hunt 和 G2 等站外社区长期积累真实用户评价。

这两类动作分别对应“官网事实主场”与“考虑阶段对比内容”。针对消费硬件品类，前文引用的 YouTube 实验与 Ahrefs 相关性研究同样证实，第三方视频与站外提及同 AI 可见度紧密相关。

实施方法：按漏斗和行业配置内容

行业层面的要点：

• B2B 技术品牌把开发者文档、API 参考、定价页、更新日志和集成指南做成可直接读取的静态 HTML，维护清晰的版本号和更新日期；在 GitHub、技术社区和开发者媒体上保持真实的技术内容。

• 消费硬件品牌主动联系评测媒体和视频创作者送测；完善 Amazon 等平台的商品页与问答；在官网公开实测参数（如实际可用容量、充电功率曲线、安全认证编号），给评测内容和 AI 提供可核对的事实。

T3 从来源到品牌露出：获引用不等于获推荐

许多团队常将“网页获引用”等同于最终目标，但业务真正关注品牌是否进入答案正文且表述准确。T3 按是否附带来源链接、是否提及商业品牌两项标准，将所有回答划分为四个象限，厘清引用与推荐的实际关系。

四象限：两类机制迥异的平台

数据解读

五大平台的总体品牌露出率接近（84.5%～91.9%），但触发品牌露出的机制截然不同：

• 引用驱动型（AI Overview、ChatGPT）：几乎所有品牌露出均伴随来源链接，品牌获得推荐的前提是相关网页先进入检索候选集。ChatGPT 另有 15.3% 的回答引用了网页却未提及具体品牌，多见于认知阶段的概念科普（见前文 T2 章节）。

• 记忆驱动型（Gemini、AI Mode）：Gemini 中 45.2% 的回答、AI Mode 中 35.3% 的回答直接推荐了品牌却未附带任何来源。这些品牌直接调取自模型参数知识或知识图谱，不依赖当次实时检索。

• 混合型（Copilot）：介于两类之间，13.3% 的回答属于无来源推荐。

无来源回答中的品牌露出率同样处于高位：Gemini 无来源回答中有 82%～91% 推荐了品牌，AI Mode 为 83%～93%，与带来源回答基本持平。

这说明模型即便不触发联网检索，其内部参数也已形成固定的品类候选品牌清单。

机制解析

这对应了第一篇提出的“实时检索路径”与“模型记忆路径”双轨机制。

引用驱动型平台默认走实时检索路径，答案中的品牌提取自召回网页；记忆驱动型平台则在大量提问上跳过外部检索，直接由模型参数生成品牌清单。

针对 Gemini，Google 知识图谱中的实体关联关系同样可能参与候选生成。

记忆路径的品牌入选概率，取决于训练语料中品牌名与品类词共现的频率和上下文语境。知名度高的成熟品牌天然占优，新品牌很难靠短期单页改写进入该名单（基于机制推断，尚无直接因果实验证据）。

趋势：Gemini 稳定在一半，ChatGPT 在上升

数据解读

提到品牌的回答中没有来源的比例，各平台走势不同：

• Gemini：连续 4 个月稳定在 48%～54%，记忆路径属于常态。

• ChatGPT：从 6 月的 1.3% 逐月升至 9 月的 11.6%，增长近 9 倍。这可能源于产品侧调整（如默认模型或联网触发阈值变更），也可能受月度样本结构影响。若该趋势延续，ChatGPT 将由“引用驱动型”向“混合型”演进。

• Copilot：从 17.9% 降至 9.8%，为推荐品牌附带来源链接的比例持续提升。

• AI Mode：6 月～7 月约为 50%，8 月骤降至 4.3%，9 月回升至 15.1%。8 月骤降与前文“局限说明”提及的 8 月下旬跳转链接解析变更在时间上重合，应视为统计口径断点，不宜解读为平台策略突变。

• AI Overview：始终低于 6%。

出现在引用页面上，也不代表能进入答案

即便在引用驱动型平台上，“品牌出现在获引用页面中”也不等同于“品牌进入最终答案正文”。

T3 的一组小样本测试提供了初步线索：获引用页面内共提及 61 个商业品牌，最终仅 15 个（24.6%）进入 AI 回答正文实证，样本很小，仅作示意。

Zhen 等人（2026）的大样本研究提供了扎实对照：团队分析了 8 个中文 AI 界面的 16 万余条记录，发现检索页面上出现的品牌仅 8.3% 入选最终回答。另有 13% 的品牌露出未见于任何检索来源（源自模型记忆），品牌官网仅占总引用的 12.9%。

两项研究的具体比例虽因语种和口径不同，核心结论一致：进入检索候选集只是必要条件，并不保证入选最终答案。

机制解析

生成模型在合成答案时，会从数篇至十余篇候选网页中筛选与提问最契合的品牌实体。

单一品牌能否入选，取决于三项页面特征：版面位置是否醒目（如位于标题、首段或核心对比表内）、是否与提问限定条件明确绑定（如“适合初创团队”），以及是否在多篇候选网页中交叉出现。仅在长文末尾顺带提及的品牌极少进入最终回答。

公开案例

Tally 团队的一项常规动作直接针对该机制：持续盘点“列举了竞品但遗漏 Tally”的高排名评测文章，主动联系作者补充产品资料争取增补。这一做法无需改动搜索引擎排名，即可直接提升品牌在高频候选网页中的覆盖率。

实施方法：引用与推荐双轨管理

1. 分开考核“引用率”与“推荐率”

   面向 ChatGPT 和 AI Overview 时，重点追踪官网及提及本品牌的第三方网页是否获得引用；面向 Gemini 和 AI Mode 时，重点考核品牌推荐率与表述准确度，避免因“外链引用数为零”误判在这两个平台上的实际表现。

2. 提升品牌在高频候选网页中的显著度

   从监测库中筛出本品类高频获引用的第三方评测、榜单和选型对比页，核查本品牌的收录状态与展示位置。尚未收录的，通过提供公开实测数据、产品送测或内容合作争取补录；已收录但排位靠后的，向作者补充清晰的差异化参数。

3. 面向记忆路径长期建设品牌实体。在官网、百科词条、行业媒体和生态伙伴页面中，统一品牌名称与品类定义句式（如“X 是一款面向 Y 场景的 Z 工具”），促使品牌名与核心品类词高频共现。该动作周期较长，通常在模型版本迭代后逐步显现效果。

4. 专项排查无来源回答中的事实偏差。无来源回答中若出现过期价格、已停产型号或品类归属错误，无法靠修改单一引用网页修复，只能从上游数据源纠正：同步更新官网事实页与百科词条，并通过各平台反馈入口提交纠错工单。

T4 引用漂移：AI 的答案每天都在变

T4 针对同一问题在同一平台上按日、按周重复采集数据，并在四个层级上对比前后两次回答的重合度：具体链接（URL）、域名、信源类型和品牌。

衡量指标是 Jaccard 相似度、链接流失率和留存曲线。

本节的结论直接决定 GEO 应该如何度量、如何设定目标。

四层稳定性：层级越抽象越稳定

数据解读

相邻两周之间，同一问题的回答在四个层级上的相似度呈现清晰的阶梯：

以品牌层级的 Jaccard 系数 0.36 为例：若前后两次回答各提及 5 个品牌，平均仅有约 2.6 个品牌重合。

在 URL 层级，除 Copilot 外的 4 个平台相邻两周重合度仅为 0.03～0.13，超过 80% 的具体链接发生更替。

其中两个平台的对比尤为鲜明：

• Gemini 的具体链接几乎全部轮换（URL 相似度 0.03，流失率 92.7%），但品牌层级稳定性居五平台之首（0.40）。这与前文 T3 章节的结论相互印证：Gemini 推荐的品牌主要调取自模型记忆，附带链接仅作随机性较高的外部佐证。

• Copilot 在链接、域名和信源类型三个层级均最稳定（信源类型相似度达 0.61）。其引用高度集中于 Amazon 和 Walmart 等固定零售巨头域名，变动规律更可预期。

留存曲线：半衰期只有一天

数据解读：针对同一问题按日复测时，首日出现的元素在次日仍连续保留的比例极低。

• URLAI Mode 12.5%、Copilot 11.5%、ChatGPT 8.7%、Gemini 3.8%、AI Overview 2.3%。

• 品牌AI Mode 25.0%、AI Overview 20.2%、Gemini 14.9%、ChatGPT 14.0%、Copilot 13.3%。

• 信源类型AI Overview 55%、AI Mode 44%、Copilot 33%、ChatGPT 27%、Gemini 16%。

所有平台、所有层级的半衰期都是 1 天，即第二天就有一半以上的元素不再连续出现。

如何正确理解这条曲线

此处统计口径为“连续留存”：某元素只要中间有一天未出现即计入流失，即便后续重新出现也不再恢复计数。大量链接与品牌呈间歇性出现状态，因此相邻两周的集合 Jaccard 相似度高于次日连续留存率。

对品牌而言，真正有参考价值的指标是周期内多次采样的“出现频率”，而非单日单次查询是否上榜。

周内 vs 跨周：漂移有多少是随机波动

数据解读

将“同一周内两次回答”与“相邻两周”的 URL 相似度进行比较，可以区分两类变化：

• ChatGPT（0.108 vs 0.106）和 Gemini（0.033 vs 0.033）周内与跨周几乎没有差别。

  在这两个平台上，同一周内重新提问一次与相隔一周再次提问的差异幅度几乎一致。波动主要源于单次生成采样的随机性，并非随时间推移产生的算法漂移。

• AI Mode（0.284 vs 0.135）周内相似度是跨周的两倍

  在随机波动之外，AI Mode 还存在真实的“时间漂移”：索引和排序每周都在更新。分行业看也是如此，充电品类为 0.18 vs 0.07，网页采集 API 品类为 0.38 vs 0.16。

• Copilot（0.303 vs 0.250）和 AI Overview（0.131 vs 0.101）介于两者之间，有少量时间漂移。

机制解析：答案波动的五个来源

综合实测数据与各平台公开机制，引用漂移主要来自五个环节：

1. 生成采样的随机性。大模型按概率逐词采样输出，同一问题每次生成的措辞、列举顺序和推荐数量均可能变化。

2. 子查询拆分的随机性。在启用查询扇出（Query Fan-out）的平台上，模型每次拆解的子查询组合略有差异，召回的候选网页集合随之改变。

3. 搜索索引与排序更新。新网页收录、存量网页改版及排序信号迭代均会刷新候选池，AI Mode 显著的跨周漂移主要反映了此类更新。

4. 在线产品实验与模型迭代。各平台持续运行线上 A/B 测试并升级默认底座模型，同一时段不同会话可能命中不同实验分桶。

5. 地域节点与个性化信号。访问 IP 地区、界面语言和账号登录态均会影响检索结果，本数据集的总体波动亦包含部分此类因素。

与海外研究对照

多项外部研究在 URL 层面的结论高度一致：每周约 70%～90% 的具体链接发生更替。主要分歧集中在 AI Overview：SISTRIX 测得其周域名更替率仅为 5%，而本数据集中 AI Overview 的跨周域名相似度为 0.25。差异原因在于 SISTRIX 追踪的是高搜索量头部关键词，AI Overview 引用紧贴相对稳定的自然排名前列；本数据集则以长尾商业问题为主，且统计指标口径（更替率对比 Jaccard 系数）不同。

对品牌而言，这意味着：头部关键词的 AI Overview 相对稳定，长尾问题的 AI 答案变化很快。

实施方法：管理“出现率”，而不是追逐单次结果

1. 以出现频率替代单次位置。将“统计周期内多次采样中品牌的出现占比”设为核心考核指标，放弃单次截图排位考核。

2. 在稳定层级上布局多源覆盖。单一 URL 最不稳定，域名、信源类型与品牌层级的稳定性依次递增。团队不应押注单篇文章链接，而应在多个核心稳定域名（官网、YouTube、主流评测站和百科知识库）同步建立内容覆盖，确保单一 URL 轮换出局时仍有其他信源承接。

3. 针对存在时间漂移的平台保持高频更新。AI Mode 每周随索引发生实质变动，页面时效性与收录状态尤为关键，建议按周监测；ChatGPT 和 Gemini 的波动主要源于采样随机性，增加单期采样次数比缩短监测周期更有效。

4. 采用滚动均值设置异动预警。以 7 天或 28 天滚动出现率观测趋势，仅当指标跌破置信区间时才触发排查，避免对日常随机波动过度反应。

5. 将引用波动与服务器抓取日志交叉比对。当核心页面的引用率持续下滑时，先通过服务器日志或 GEOInflow 核查 AI 爬虫访问频次与 HTTP 状态码，再定位属于站点故障还是平台侧调整。

公开案例

SISTRIX 的“核心域名”发现可以直接用于实践：在 43% 的品牌词问题中，品牌自己的域名 17 周全程在列。这说明对带品牌名的问题，官网完全有可能成为长期稳定的核心来源；但剩余 57% 的品牌词问题中，官网并未做到这一点，这正是官网“事实底座”建设的价值所在。

T5 同题一致性与度量可靠性：单次截图能说明什么

T4 验证了答案随时间的波动规律，T5 进一步检验同一天内在同一平台重复提问的结果一致性。

本节同时测算获取可靠品牌可见度所需的最小采样次数。

这是评估任何 GEO 实验结论、监测工具数据及服务商结案报告的统计前提。

同平台同日重测：完全相同的答案很少

数据解读

在 ChatGPT、Gemini 和 Copilot 上，同一天内对同一问题重复提问一次，获得完全相同品牌集合的概率仅为 8.5%～13.6%；若要求排列顺序也完全一致，概率进一步降至 4%～6%。

Google 两个入口的短时一致性明显更高：AI Mode 近半数同日重测返回了完全相同的品牌集合，AI Overview 约为 30%。

这一现象与 SparkToro 和 Gumshoe 在 2026 年 1 月的实验结论一致。团队对 2,961 个提示词执行多轮复测，发现同一份完整品牌清单重复出现两次的概率低于 1%，连同顺序完全一致的概率低于 0.1%。

由于该实验提取的推荐清单更长且判定标准更严，实测重合概率相应更低。

AI Mode 呈现出鲜明的阶段反差：

其同日重测的品牌一致性最高（0.65），但跨周品牌相似度降至 0.33。

结合周内与跨周对比数据推断，AI Mode 在短时间内对同一查询的检索结果相对固定（可能源于结果缓存或索引快照机制）；一旦搜索索引刷新，生成答案便随之显著调整。该判断属于数据推断，Google 官方未披露内部缓存细节。

平台本身是最大的变量

数据解读

同一天针对同一问题提问时，不同平台间的品牌集合 Jaccard 相似度仅为 0.20～0.25。两两对比中最高的是 AI Mode 与 Gemini（0.27），其次为 AI Mode 与 AI Overview（0.26），最低的是 Copilot 与 AI Mode（0.19）。同平台同日重测的重合度是跨平台重合度的 1.7 倍～2.8 倍；前文 T4 测得的同平台跨周品牌相似度（0.33～0.40）同样高于跨平台同日水平。这表明“在哪个平台提问”对结果的影响大于“在什么时间提问”。

对 GEO 的含义

把五个平台合并成一个“AI 可见度”指数会掩盖大量信息。如果一定要给出综合指数，应按各平台在目标用户中的实际使用份额加权，并始终同时报告分平台结果。

重复次数与置信区间：三次远远不够

数据解读

针对单个问题，目标品牌可见度（出现在回答中的比例）的 95% 置信区间宽度随采样次数显著收敛。仅重复 2 次时区间宽度达 0.68～0.69，重复 3 次时为 0.59～0.64；重复 5 次时 AI Mode 为 0.56，AI Overview 为 0.43（后两项样本仅 9 组和 3 组，仅供参考）。

置信区间宽度为 0.6 意味着：即便单题实测可见度为 60%，其真实概率仍可能落在 30%～90% 的宽泛范围内。

理论参考

将每次提问视为一次独立抽样，在真实可见度为 50%（方差最大情形）时可算出所需样本量。单题误差控制在 ±15 个百分点内需重复约 43 次，±10 个百分点内需约 97 次，±5 个百分点内需约 385 次。实测区间略窄于理论上限，源于样本品牌的实际可见度多分布在 55%～70%，偏离 50% 后统计方差自然收窄。

机制解析

对单个提示词而言，“品牌是否出现”本质上服从概率分布。

每一次提问仅代表一次随机抽样。

抽样次数过少时，观测结果存在极大的随机误差。SparkToro 的重复实验同样证实，当采样次数充足时，“出现率”会收敛为稳定可靠的指标，而“具体顺位排名”几乎不具备参考价值。

前文定性指出了“单次截图无法证明 GEO 效果”，本节通过大样本置信区间量化了这一统计规律。

在实际业务管理中，团队更关注一整个品类词库的总体可见度，而非单一提示词的得失。

问题集层面的统计精度取决于总采样规模（问题数 × 单题重复次数）及各题可见度的离散度。以 100 个问题各重复 5 次（共 500 次采样）为例，完全独立假设下的理论误差约为 ±4.4 个百分点；由于同一问题的重复采样存在组内相关性，实际误差会略高于理论值。

实施方法：一套可信的度量协议

度量协议的具体要点：

1. 建立固定问题集

   按漏斗阶段与搜索意图分层选取 50 个～200 个代表性问题。词库增删必须留档并拆分报告，确保跨期数据可比。

2. 执行单题多次采样

   每个评估周期内，对每个问题在各平台至少采样 5 次～10 次，核心商业问题提高至 30 次～40 次。面向 ChatGPT 和 Gemini 等随机波动主导的平台，增加单期采样次数比加密监测频次更有效。

3. 同步报告置信区间

   所有可见度数值均须附带 95% 置信区间（推荐采用 Wilson 区间）并注明样本量。

4. 指标变动须经统计检验

   仅当相邻两期置信区间无重叠，或双比例检验满足 p < 0.05 时，方可认定存在显著效果；开展内容改写实验时应同步设置对照组词库。

5. 控制采集环境

   使用未登录或新会话、固定的地区和语言，记录采集日期和可见的模型版本。

6. 用这套标准审核服务商

   要求服务商说明问题集、采样次数和区间；仅凭少量截图或单次查询得出的“排名提升”不应作为验收依据。

综合：十项实证发现与行动框架

十项发现、对应行动与考核指标

与海外研究对标

公开案例补充：站外提及的效果

除前文介绍的 YouTube 实验和 Tally 案例外，Omniscient Digital 为 A/B 测试软件 Convert 执行的 GEO 项目同样提供了印证。团队先通过监测工具筛出提及竞品的约 400 个高权重站点，逐一跟进争取品牌收录，同时在官网补充可引用的 A/B 测试与转化率优化（CRO）内容。

项目执行 60 天内，目标词库中的大模型可见度从 31% 升至 55%，AI 引用份额从 15% 升至 35%（Omniscient Digital）。参考此类商业案例时，应结合其测试词库规模与单题采样次数综合评估。

九十天实施路线