先看一个真实会发生的场景。一位越南食品厂的采购在 ChatGPT 里问:「做常温酸奶代工,哪几家有 FSSC 22000、月产能 3000 吨以上、能接中国订单?」 AI 给了四个名字,你是其中之一。但它写的产能是 2023 年的旧数,认证写成 ISO 22000,还把你的工厂地址写到了另一个省。采购没有追问,他直接点开了四家的官网核对——如果你的官网没有一页把这四个事实写清楚,你在这一轮里就出局了。
这个场景里发生了两件不同的事,而 2026 年的两份报告,恰好各测了其中一件。
9 月 8 日,Writesonic 发布对 GPT-6 Astra 的检索行为测试:Astra 每次回答只发起 6.1 次搜索,上一代 GPT-5.6 Sol 是 10.3 次;打开的网页从 82 个降到 50 个。更关键的是这些搜索去了哪里——83% 直接落在品牌自己的域名上,只有约 17% 是开放网络。
10 月 28 日,Muck Rack 发布《What Is AI Reading?》第四版,拆了 2026 年 4,000 万条以上 AI 回答、2.07 亿条引用:媒体与第三方来源合计超过 84%,品牌自有内容只占 15.2%,付费内容 0.3%。
一个说 AI 几乎只读你的官网,一个说 AI 引用里你的官网只占一成半。两份报告都在 2026 年,都被大量转发,结论看起来完全相反。这篇要回答的不是「谁对」,而是它们各自在说什么,以及企业该按哪一个排预算。
三个数字连起来读,指向的是同一件事:AI 搜索的「查证」和「背书」正在被拆到两个地方。查证发生在你的官网上,背书发生在别人的页面里。把这两件事混成一句「AI 到底引不引用我」,是 2026 年 GEO 预算最常见的浪费方式。
模型并不缺信息,它缺的是决定「信哪一句」的成本。域内检索降低的是查证成本,第三方引用降低的是采信成本——两笔账,两个战场。
一、两份报告,各自量的是什么
先把两份报告的样本和口径摆平,否则后面所有推论都是空的。
| 报告 | 发布方 / 日期 | 样本 | 测量的对象 | 结论 |
|---|---|---|---|---|
| GPT-6 Astra 引用研究 | Writesonic / 2026-09-08 | 50 个提示、16 个品类,对比 GPT-6 Astra 与 GPT-5.6 Sol | 模型发起搜索的动作落在哪个域名 | 83% 落在品牌自有页;域内检索占 75% |
| What Is AI Reading? 第四版 | Muck Rack / 2026-10-28 | 2026 年 4,000 万条以上回答、2.07 亿条引用;9 月另用 1,020 个不含品牌名的提示测四引擎 | 最终答案里展示出来的引用来自哪类来源 | 第三方 84%+,品牌自有 15.2% |
差别从第三列就开始了:一个数「动作」,一个数「呈现」。这两个东西不但不等价,方向还可能相反。模型可以为了核实一个价格,在你的官网连打五次域内检索,最后写答案时却引用一家行业媒体——因为那家媒体把「这家厂的产能与认证」写成了一句可以被安全复述的话。
Writesonic 自己的数据也印证了这种「动作收敛」:域内检索(用 site: 把搜索锁在单一品牌域名内)的占比,两代模型前是 59%,GPT-5.6 Sol 是 71%,GPT-6 Astra 是 75%;另外有 8% 的搜索干脆跳过检索,直接打开模型已经记住的品牌 URL。两项相加,就是那个 83%。
而 Muck Rack 那边,9 月的四引擎测试里,被 ChatGPT、Claude、Gemini、Perplexity 同时引用的域名只有 212 个。引用面在收敛,而收敛的方向是「少数被反复引用的第三方页面」。
二、为什么相反:一个算动作,一个算结果
把两件事分开,矛盾就消失了。
检索动作是成本项。模型每多搜一次、多开一个页面,都是钱和时间。当模型具备了直接浏览与操作网页的能力,它自然会选择最短路径:知道你的域名,就去你的域名里找价格、规格、认证、联系方式,这些是「结构化的硬事实」,在官网上最全、最准、最容易解析。GPT-6 Astra 的官方发布材料里,计算机操作在 OSWorld 2.0 上拿到 72.6%,且每项任务比上一代少约 47% 的时间——模型的浏览效率在提升,它没有理由再靠「广撒网」去猜你的产能。
引用呈现是信任项。模型在生成答案时,要对「这句话可不可信」下判断。判断依据不是你的官网写得多漂亮,而是有多少彼此独立的来源在说同一个数。这就是 84% 的来源结构:新闻、行业协会、经销商页面、B2B 平台店铺、百科与点评,构成了 AI 的「外部背书层」。
所以正确的说法不是「AI 只读官网」或「AI 只信第三方」,而是:
- 在你被点名之后(采购已经知道你的品牌),AI 的主要动作是回到你的官网做核验;
- 在你被点名之前(用户只知道需求),AI 的主要依据是站外的第三方共识。
Writesonic 的 50 个提示是购买类问题,Muck Rack 的 1,020 个提示是不含品牌名的消费者问题。样本本身就分属两个漏斗,结论当然相反。这不是谁造假,而是两份报告各自回答了不同的问题。
三、AI 搜索其实有两个漏斗
把上面两条合起来,就是 2026 年做 GEO 的基本地图。企业最常见的错误,是拿「发现层」的预算去做「验证层」的事,或者反过来。
| 发现层(Discovery) | 验证层(Verification) | |
|---|---|---|
| 用户状态 | 只知道需求,不知道品牌 | 已经看到你的名字,正在核对 |
| 典型提问 | 「越南哪家做食品级包装的厂靠谱」 | 「XX 公司有没有 BRC 认证、产能在哪看」 |
| AI 的主要动作 | 开放网络检索、多源比对 | 域内检索、直接打开官网页面 |
| 决定胜负的资产 | 第三方共识:媒体、协会名录、经销商、B2B 平台、点评 | 官网事实层:认证、规格、产能、价格、交期、联系与实体信息 |
| 失败的样子 | AI 根本没提你 | AI 提了你,但数字是错的、地址是错的、认证是错的 |
| 成本结构 | 慢、贵、不可完全控(要影响别人的页面) | 快、便宜、完全可控(自己的网站自己改) |
| 可验收指标 | 无品牌提示集下的提及率、引用域名类型分布 | 品牌提示下的官网引用占比、事实字段一致率、机器可读入口完备度 |
这张表解释了一个反复出现的现象:很多企业花钱做了大量内容,AI 还是说错它。因为内容补的是发现层,说错发生在验证层。反过来,只修官网不建站外共识,结果是「AI 提到你时很准,但很少提到你」。
两层的投入顺序,对多数 B2B 企业应该是先验证、后发现:验证层的动作在自己的服务器上,成本低、当天可验收、错了会直接丢单;发现层要动别人的页面,周期以季度计,且受平台抽样波动影响(我们实测同一品牌连跑 10 轮,提及率最高与最低相差 12.6 个百分点,单次观测不足以判断趋势)。
四、平台侧为什么往这个方向走
不是模型厂商心血来潮,是产品形态在推。
一是模型能自己操作网页了。 GPT-6 Astra 的发布材料里,明确把「计算机操作」与「浏览器使用」列为核心能力:填表单、更新 CRM、整理日历、跨标签页执行任务,OSWorld 2.0 得分 72.6%(上一代 65.7%),单任务耗时从约 75 分钟降到约 40 分钟。一个能自己点开你「产品规格」页并读到表格的模型,不需要再依赖别人转述你的参数。
二是搜索入口本身在变长、变深。 Google 在 2026 年 5 月公布:AI Mode 全球月活突破 10 亿,上线以来查询量每季度翻倍以上;AI Mode 的平均查询长度是传统搜索的 3 倍;美国市场每 6 次搜索里就有 1 次用语音或图片,图片搜索月环比增长超过 40%;「去哪」「该不该」「有什么点子」这类决策型提问增长快于整体。查询越长,模型需要的「可核验事实」就越多——而最权威的事实源,通常还是品牌自己的页面。
三是成本压力。 一次回答发起 6.1 次搜索而不是 10.3 次,读 50 个页面而不是 82 个,对平台是实打实的算力与延迟节省。这个方向不会逆转:模型会越来越倾向于「少搜、搜准、直接去可信域名取事实」。
对中国市场的含义要谨慎表述。DeepSeek、豆包、Kimi 的检索策略没有公开的同口径数据,我们也没有做过 fan-out(单次提问拆成多少子查询)的对照测量,不能把 6.1 与 10.3 直接套到中国引擎上。但方向上的判断是稳的:只要模型具备联网与网页操作能力,减少无效检索、优先访问可信域名,就是所有平台共同的经济学。
五、市场盘子的四个读数
把镜头拉远,这轮变化的商业背景是四条互相咬合的曲线。
| 读数 | 数值 | 来源 | 说明 |
|---|---|---|---|
| 传统搜索量 | 2026 年下降 25% | Gartner(2024-02 预测) | 预测值,非实测;用作方向判断 |
| 用户习惯 | 80% 消费者至少 40% 的搜索依赖 AI | Bain | 消费者侧,不代表 B2B 采购同样比例 |
| 中国 GEO 市场 | 2025 年 349.3 亿元 → 2026 年预计 942 亿元 | 艾媒咨询(2026-02) | 含服务与工具,口径以原报告为准 |
| 越南 AI 覆盖 | ChatGPT 覆盖率 81% | Technode(2025-08) | 覆盖率口径,不等于日活或商业使用率 |
这四条放在一起看,能得出一个不太浪漫的结论:GEO 的预算会继续涨,但「写更多文章」这一项的边际收益在下降。因为内容供给的增速远快于 AI 引用面的扩张——Muck Rack 测到的「四引擎共同引用域名只有 212 个」就是证据:引用不是均匀分布的,它向少数可核验、可复述的来源集中。
真正稀缺的不是字数,是可被复述的事实:一个有出处的产能数字、一份能被查到的认证、一个稳定的公司实体、一页结构化的规格表。这也是为什么我们一直把「先让站内外说的是同一个数字」放在「多写内容」之前。
六、我们量到的验证层:越南企业几乎全空
以上都是别人的报告。我们自己从 2026 年 9 月 29 日到 10 月 23 日,用开源引擎 geo-optimizer(MIT,8 维 100 分)对越南九个行业做了纵向实测:183 个域名,127 家可评分,加权均分 41.7。11 月又补了房地产(30 个域名,23 家可评分,均分 49.17)与矿产建材(15 个域名,10 家可评分,均分 48.2)。
这些分数不是「网站好不好看」,而是「AI 能不能读懂并核验你」。拆到维度上,验证层的空洞非常具体:
| 维度 | 满分 | 矿产建材 10 家均分 | 实际含义 |
|---|---|---|---|
| schema(结构化数据) | 16 | 6.50 | 没有 Organization / Product / FAQ 标记,AI 只能猜字段 |
| llms.txt | 18 | 2.00 | 10 家里 8 家为 0,没有任何面向 AI 的站点说明 |
| ai_discovery(机器可读入口) | 6 | 0.40 | 9 家为 0,AI 找不到「这家公司是谁」的机器入口 |
| brand_entity(实体一致性) | 10 | 3.00 | 名称、地址、认证在不同页面各写一套 |
房地产那一批更直接:23 家可评分站点里,0 家在 robots.txt 里点名 AI 爬虫,0 份真正可用的 llms.txt。也就是说,当模型想「去官网核实一下」时,一半的门是关着的,另一半开着门但没有可解析的事实。
这就是验证层的现状:它不是「做得不够好」,而是「基本没做」。对服务商来说这是机会,对企业来说这是风险——因为验证层的失败不表现为流量下降,而表现为「客户拿着错误信息来找你对质」,或者更常见的,客户什么都不说,直接去问了下一家。
七、六个动作,都能当天验收
按验证层优先、发现层次之的顺序,给一张可以直接排期的清单。
| # | 动作 | 判据(做完能不能验收) | 工时 |
|---|---|---|---|
| 1 | 事实页:把认证、产能、规格、交期、最小起订量写成一页可解析的表格 | 每个数字旁有来源或口径说明;表格用 <table> 而非图片;页面 200 且无 JS 也能读到 | 2–5 天 |
| 2 | 实体收敛:公司名、地址、税号、认证在 title / H1 / og / JSON-LD / 关于页五处一致 | 五处去后缀后完全一致;Organization schema 可解析;sameAs 至少 1 条指向权威平台 | 1–3 天 |
| 3 | 机器入口:robots.txt 放行 AI 爬虫、llms.txt 写清「我们是谁、有哪些事实页」、补 sitemap | 主流 AI UA 实测可抓取;llms.txt 指向的每个 URL 都返回 200;sitemap 无死链 | 半天 |
| 4 | 结构化补全:Organization、Product/Service、FAQPage、BreadcrumbList 四类按实际内容补 | JSON-LD 可解析、无中文混入 vi 页;FAQ 答案与正文一致;不堆无关类型 | 1–2 天 |
| 5 | 第三方一致性清单:经销商页、协会名录、B2B 平台店铺、点评站逐个核对核心事实 | 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 | 3–7 天 |
| 6 | 监测:固定问题集 × 多引擎 × 重复采样,分层统计发现层与验证层 | 每月同口径复跑;区分「显著变化」与「抽样误差内」;单列「官网被引用占比」 | 每月 2 小时 |
如果只能做一件,做第 3 件:半天工时,决定的是 0 与 1。如果只能做两件,加第 1 件:它决定 AI 提到你时说的是不是真的。
八、五个常见误判
- 把 83% 当成「官网决定一切」。 那 83% 是检索动作的分布,不是引用展示的分布。官网决定 AI 能不能核准,第三方决定 AI 愿不愿意提你。
- 把 84% 当成「官网没用」。 15.2% 的自有内容占比是「事实源」份额,它低但不可替代——站外所有正确表述,最终都要有一个权威版本可以对表。
- 只看提及率,不看说错率。 「AI 提到了我,但认证写错了」比「没提到」更贵:前者会把错误的筛选条件带给客户,等你发现时询盘已经发出去了。
- 把单次观测当趋势。 我们同一品牌连跑 10 轮,提及率最高与最低差 12.6 个百分点。没有重复采样与显著性判断的「涨了 3 个点」,不能拿去做决策,更不能拿去汇报。
- 把厂商研究当官方数据。 Writesonic 是 GEO 工具厂商、Muck Rack 是传播行业机构,两份报告都有立场。它们适合用来建结构,不适合当成行业普查。
九、怎么验证:三个指标就够
不需要一上来就做大屏。三个指标,月度复跑,足以判断方向对不对。
① 无品牌提示集的提及率。 准备 20–50 个「不含你品牌名」的真实客户提问,固定引擎、固定采样次数,统计被提到比例。这是发现层的唯一硬指标。必须带样本量与日期,且要有噪声基线。
② 品牌提示下的官网引用占比。 用「你们家有没有 X 认证」「你们的产能在哪看」这类问题,统计 AI 答案里的引用域名中,自有域名占多少。这是验证层的核心指标,也是 83% 那个数字在企业侧的自测版本。
③ 事实字段一致率。 挑 10 个关键字段(名称、地址、认证、产能、交期、MOQ、电话、税号、成立年份、主要客户行业),逐项核对「官网 / AI 回答 / 第三方页面」三处是否一致。这一项最土,但最能减少丢单。
三个指标的共同要求是:同口径、带日期、重复采样。少了任何一条,数字就只能当参考,不能当结论。
最后回到开头那个越南采购。他会不会选你,取决于两件事:AI 有没有在第一步提到你(发现层),以及他点开官网后能不能在 30 秒内核实这四个事实(验证层)。第二件事今天下午就能改,第一件事要一个季度。先改能改的。