先做一个简单的推演。一位越南采购在 ChatGPT 里问：「越南做食品级包装的厂，哪几家有 BRC 认证、月产能过 800 吨？」 答案给了三个名字，其中一家是你，但认证写成了 ISO 22000，产能写的是 2022 年的旧数。你再去纠正，已经来不及——他已经在给那三家发询盘了。
问题往往不在你的官网写得差，而在AI 回答时根本不主要看你的官网。2026 年 10 月 28 日，Muck Rack 发布《What Is AI Reading?》第四版：把 2026 年收集的 4,000 万条以上 AI 回答、2.07 亿条引用按来源类型分类，结论很直白——媒体与第三方来源合计占 84% 以上，品牌自有内容只占 15.2%，付费与业配内容 0.3%。
这不是一份「公关公司劝你多做媒体」的软文。它最有价值的部分是那张分类表：你终于可以拿同一套口径，去量自己的行业里 AI 到底在引用谁。本文把这份报告的读数、同期 Google 导流的下滑、以及我们自己九期 183 个越南官网的实测放在一起，回答一个更实际的问题：这 84% 与 15.2% 之间，企业该动哪几块。
AI 描述你的时候，引用的多半不是你写的东西。所以 GEO 的第一件事不是「多写内容」，而是「让写你的那些内容是对的」。
一、三个数字先摆出来
三个数字要连起来看。第一个说明 AI 的「证据链」主要在站外；第二个说明自有内容并非无用，它在缓慢上升，但天花板很低；第三个说明传统搜索这条老管道确实在漏水，而且漏得比上一年更快——Chartbeat 上一期同比降幅是 21.9%，这一期是 40.2%，Google Discover 同期降了约 34.3%，Google 在出版方总浏览量里的份额从 2024 年 7 月的约 9% 落到 2026 年 7 月的约 5%。
二、盘子：2.07 亿条引用拆成七类
报告的方法分两层：Generative Pulse 在 2026 年收集的 4,000 万条以上 AI 回答、2.07 亿条引用做总量分布；再在 9 月用 1,020 个不含品牌名的消费者提示，在 ChatGPT、Claude、Gemini、Perplexity 四个服务上做定向测试。前者给结构，后者给可比较的当期读数。下表是第四版公布的来源结构（前值取自报告上一版对照口径）：
| 来源类型 | 前值 | 本版（9 月） | 变化 |
|---|---|---|---|
| 新闻媒体 | 27.0% | 22.0% | −5.0 点 |
| 第三方企业内容 | 24.0% | 25.1% | +1.1 点 |
| 聚合与百科网站 | 17.4% | 18.3% | +0.9 点 |
| 品牌自有内容 | 13.7% | 15.2% | +1.5 点 |
| 政府与 NGO 网站 | 8.6% | 9.6% | +1.0 点 |
| 学术研究 | 4.0% | 4.4% | +0.4 点 |
| 付费与业配内容 | 0.3% | 0.3% | 持平 |
三个细节比总数更有用。第一，付费内容只占 0.3%，近 99% 的引用来自非付费来源——这条直接否掉了「买版面就能进 AI 答案」的想象。第二，占比最大的一块不是媒体，而是第三方企业内容（25.1%）加聚合与百科（18.3%），合计 43.4%：经销商页面、行业协会名录、B2B 平台店铺、百科与点评站，这些「别人家的页面」才是 AI 最常取证据的地方。第三，引用面在收敛：9 月的四引擎测试里，被四个服务同时引用的域名只有 212 个。
三、为什么第三方占八成：AI 要的是「多源共识」
把「官网写得不好」当成原因，是最常见的误判。检索增强生成（RAG）的链路是「召回 → 重排 → 采信 → 生成」，其中重排与采信阶段用的是同一条信号：这个断言，有几家彼此独立的来源在说同一件事。单一来源的断言即使来自你自家官网，权重也压不过「官网 + 行业协会名录 + 两家经销商 + 一篇评测」互相对得上的版本。
这解释了两件在企业里经常被当成玄学的事。其一，官网改版后 AI 描述没变——因为模型引用的不是你新写的那段话，而是别人抄的旧数据；你不去改那些页面，官网上改十遍也没用。其二，换了名字、加了子品牌之后 AI 更容易说错——同一个实体在多个域名、多个名称版本下并存，消歧失败，模型只能自己拼一个自洽版本。
所以第三方占比高不是「媒体强势」，而是校验成本的体现：模型没有能力去核实你的产能，它只能看有多少独立来源在重复同一个数字。你要做的不是把官网写得更长，而是让可核验的数字在站内外一致。
四、新闻媒体掉了 5 个点，但没有掉进官网
报告特别提示了一句容易被忽略的话：新闻媒体占比下降，不代表 AI 转向引用品牌自有内容。按引擎拆，降幅主要来自 ChatGPT：
| 引擎 | 新闻媒体占比（1 月） | 新闻媒体占比（9 月） | 变化 |
|---|---|---|---|
| ChatGPT | 28.1% | 22.0% | −6.1 点 |
| Claude | 约 28% | 约 24% | 约 −4 点 |
| Gemini | 27.6% | 23.6% | −4.0 点 |
| 四引擎平台合计 | 27.0% | 22.0% | −5.0 点 |
掉下来的这 5 个点去哪了？从表 1 看，是被第三方企业内容、聚合与百科、政府与 NGO 三块分掉的，自有内容只吃到 1.5 点。这条对 B2B 制造与外贸企业尤其重要：你的客户在 AI 里问的是「哪家能供货、认证齐不齐、交期多久」，这类问题天然更依赖企业页面、行业名录与平台店铺，而不是新闻稿。
还有一条时间线值得记住：2026 年 2 月 9 日 ChatGPT 开始放广告，之后五周内品牌类查询的单条回答平均引用数从 4.95 掉到 2.96，降幅 41%；到 3 月底基本恢复到约 4.5（约为 12 月基线的九成），同期品类类查询从 7.3 降到 6.1（−16%）后回到约 7.0。引用位不是一条平稳的曲线，它会随产品改版、商业化插入而抖动。任何「一次测出来的引用率」都只是快照。
五、引用是不稳定量：同一天重跑只有 41% 重合
这份报告里最该被企业记住的，是下面这组重复测试：同一个提示、同一天跑两次，两次都出现的引用域名比例——
| 引擎 | 同日重跑的引用域名重合率 | 含义 |
|---|---|---|
| ChatGPT | 41% | 六成引用会换 |
| Gemini | 45% | 一半以上会换 |
| Perplexity | 94% | 相对稳定 |
这意味着「我今天问了一次，AI 没提我」这句话，在统计上几乎没有信息量。我们在自己的监测里用的是另一套规矩：同一批问题 × 2 个引擎 × 2 次采样共 80 次，只报提及率、不报排名；两次采样之间做两比例 z 检验，只有超出抽样误差才叫上升或下降，否则一律写「与上次一致」。按这套口径，80 次采样下真实值 50% 时的 95% 区间大约 ±11 个百分点——涨 8 分和跌 8 分在统计上是同一件事。
报告还给了这条因果链一个硬证据：在封锁 Claude 搜索爬虫的大型出版商里，81% 几乎拿不到 Claude 的引用；而开放该爬虫的出版商里，同样情况只有 12%。也就是说，爬虫门禁是引用位的前置条件——门关着，内容再好也进不去。我们在越南市场的实测与此吻合：183 个官网域名里，robots.txt 明确点名过任何 AI 爬虫的只有 5 家（可核验 160 个域名中的 3.12%）。
六、那 15.2% 是「事实源」，不是「流量源」
把自有内容理解成「也要抢那 84% 的引用份额」，方向就错了。它在 AI 链路里的真实角色是事实源：给模型一个可以核对的原始值（产能、认证、参数、交期、售后条款），也给第三方写你的时候一个可引用的锚。第三方的数据从哪来？多数时候就是从你官网抄的——你官网上的数字过期，第三方抄的就是过期数字，AI 说出来就是错的。
所以我们给客户的自查不是「你有没有写内容」，而是三条可判定的：
- 同一个指标，站内只有一个数字。产能、门店数、认证编号、成立年份，在首页、关于页、产品页、PDF 里必须完全一致；出现两个版本就等于告诉模型「这家的数据不可靠」。
- 关键事实有结构化表达。Organization / Product / FAQPage 的 JSON-LD、可被解析的联系方式与地址、能被引用的「事实表」页——这些不提升文采，只提升可核对性。
- 机器能进门。robots.txt 不误挡 AI 检索类爬虫、有 llms.txt 与站点地图、有稳定的 canonical。这一层是配置，不花内容预算，却是 0 与 1 的差别。
七、中越差异：183 个越南官网的读数说明什么
上面都是英文消费者查询的读数，不能直接外推到中文与越南语市场——这一点报告自己也在免责里写了。所以我们用自己的一手数据做对照：九期垂直实测，同一引擎、同一节点（新加坡）、同一剔除规则，共 183 个越南企业官网域名。
| 指标 | 读数 | 说明 |
|---|---|---|
| 域名池 / 可评分 | 183 / 127 | 56 个（30.6%）连测量都做不到：403、质询页、域名不可达、证书过期 |
| 加权均分 | 41.68 / 100 | 最高 77（云服务商），最低 10；多数挤在 35–53 的「基础档」 |
| robots.txt 点名 AI 爬虫 | 5 / 160（3.12%） | 可核验域名口径 |
| 真 llms.txt | 11 / 183（6.01%） | 其余多为 HTML 软 404 |
把这张表和第一节的市场数字并排看，越南侧的画面就很清楚了：需求端已经起来了，供给端的门还没开。Technode（2025-08）测到越南 ChatGPT 覆盖率 81%、付费率超半数；而 183 个官网上只有 3.12% 在 robots.txt 里向 AI 爬虫打过招呼。中国侧则是另一种状态：艾媒咨询（2026-02）把中国 GEO 市场从 2025 年的 349.3 亿元算到 2026 年预计 942 亿元，Gartner（2024-02）预测 2026 年传统搜索量下降 25%，Bain 的读数是 80% 的消费者至少 40% 的搜索已经依赖 AI 结果——竞争面更挤，动作要更快。
同一个方法论，两地的时间差就是机会：在中国是「别人已经在做，你要做得更好」；在越南是「多数人还没开门，先开门的先被读到」。
八、落到 GEO：四个动作与验收判据
动作按「投入产出 + 依赖顺序」排，不按「听起来高不高级」排。前两个是配置与核对，一周内可完成；后两个是长期动作。
| # | 动作 | 判据（做完能不能验收） | 工时 |
|---|---|---|---|
| 1 | 实体收敛：名称、地址、认证、产能四处统一，补 Organization JSON-LD 与关于页入口 | H1 / title / og:title / schema name 去掉后缀后收敛为同一个；sameAs 至少 1 条指向权威平台；关于页 200 | 1–3 天 |
| 2 | 第三方一致性清单：经销商页、协会名录、B2B 平台店铺、点评站逐个核对 | 每处名称、地址、认证、产能与官网一致；差异逐条有处理记录与日期 | 3–5 天 |
| 3 | 可引用数据页：一页可复算的行业/产品数据，标注口径、样本与日期 | 页内每个数字都能追到来源与日期；外部至少 1 处引用（媒体、协会或同行转载） | 1–2 周 |
| 4 | 监测：固定问题集 × 多引擎 × 重复采样 + 显著性判定 | 每月同口径复跑；报告里区分「显著变化」与「抽样误差内」；记录引用域名类型分布 | 每月 2 小时 |
排序的理由很简单：第 1、2 步决定 AI 会不会说错你，第 3、4 步决定 AI 会不会说到你。说错是负资产，说到是正资产；先止损，再增收。多数企业一上手就写内容，等于在一个还没认出来的实体上继续加注脚。
九、边界与口径（哪些结论不能拿出去用）
- 单一来源：84%、15.2%、22% 这组数字目前只有 Muck Rack / Generative Pulse 一家发布，尚无可比第三方复核。可以用作结构参考，不要当成行业普查结论。
- 英文消费者查询：报告的 1,020 个提示是英文消费者问题（从餐盒订阅到旅游信用卡），不能外推到中文或越南语的 B2B 查询；语言不同，信源生态完全不同。
- 占比 ≠ 效果：来源占比说的是「AI 引用谁」，不是「谁因此拿到了订单」。引用到成交之间还有很长的链路，别把占比写成 ROI。
- 快照性质：ChatGPT 广告上线后品牌查询引用数一度掉 41%、五周后回到约九成，说明这组数字会随平台改版移动；引用监测必须带日期与样本量一起报。
GEO 这条链的顺序仍然是：抓得到 → 读得懂 → 认得出 → 信得过 → 被引用。这份报告补上的，是最后一环的证据结构：被引用靠的不是自己说得响，而是别人说得一致。把「别人怎么写你」纳入常规运维，才是这门生意真正的日常。