一个被反复引用的数字：2.8%
在AI搜索优化（GEO/AEO）的讨论中，一个常见的默认假设是：只要内容足够好、结构足够清晰、实体标注足够规范，就更容易被AI引用。但Chen & Koudas的研究给出了不同的信号。
该研究在同一网站内部跨158,099条回答、468,037条引用做比较，结论是：检索环节（即页面是否被系统取回）解释了32%的引用变异，而所有页面属性合计仅解释2.8%。同时，100%的被引页面都先被检索到——这意味着“被取回”是“被引用”的必要前置条件。但另一组数据更值得注意：只有3%的被检索页面位于Google前50名。
需要说明的是，这是同一网站内部的比较研究，其口径限定在单一站点，外推到跨站点、跨行业的普遍结论时需保持谨慎。但这一组比例关系至少提示：内容层面的优化，可能只覆盖了AI引用机制中很小的一部分。
检索层正在成为真正的分水岭
围绕检索与引用的关系，素材中还有几组来自不同来源的数据，可以拼出一个更完整的图景。
AirOps基于548,534个页面的数据显示，85%的被检索页面从未被引用。Search Engine Land（2026-08-17）的数据则显示，引擎真正“打开”的页面被引率为74%，而取回但未读的页面仅7%。两组数据口径不同，但指向同一个方向：被取回只是入场券，是否被“阅读”才是关键变量。
在内容被阅读之后，位置与写法仍有影响。Growth Memo基于18,012条引用的分析显示，44.2%的引用来自页面前30%的内容。Advanced Web Ranking对112条人工编码段落的分析显示，未被引用的段落中82%是对共识的纯复述；被引段落在“信息新鲜度”与“显式实体命名”上的比例分别为80% vs 53%、96% vs 82%。该样本量较小，属于探索性编码研究，结论宜作为方向参考而非定论。
检索侧的规模也在变化。Foglift基于59,964条成功AI回答（2026-03-20至2026-10-18，五个引擎）的数据显示：78.5%的回答至少含一条引用，平均每条回答6.12条引用，每个源查询平均产生28.42条不同的fan-out查询，头号被引域名youtube.com仅占1.9%。这一分布说明引用来源高度分散，单一域名难以形成垄断性占位。
被提及不等于被引用
Semrush 2026 AI Visibility Index提供了另一个维度的证据。该指数覆盖2026年1—7月7次月度测量，ChatGPT、Gemini、Google AI Mode使用固定月度提示池（英国250万条、美国2500万条），Google AI Overviews使用真实搜索关键词的更大规模变长数据集（英国约435—480万/月，美国约4834—5460万/月），按22个行业分类各导出最多1万个提及品牌域名与1万个被引来源域名。
其核心结论是：平均不到一半的Top100提及品牌同时进入Top100被引域名，7个月、两个市场皆然；英国月度重合36.7—45.3/100，美国41.4—47.4/100；ChatGPT重合最低（英国28.7—32.3，美国32.8—35.8）。平台一致性方面，任意两平台在英国共享63—70个Top100提及品牌，美国70—78个。Universal Core（7个月每月都出现在四大平台Top100）英国24个域名、美国36个，仅15个两地共有。
该报告引用Adobe数据称，AI引荐访客转化率高60%、每访次收入高53%。需要注明其局限：未覆盖Claude、Perplexity、Copilot，也无中国市场数据，因此上述比例不宜直接套用于国内平台环境。
GEO之家的判断
基于上述素材，GEO之家提出三点分析性判断，供读者参考。
第一，内容优化是必要条件，但可能不是主要解释变量。2.8%与32%的对比来自单一研究、单一站点口径，目前尚不能确定这一比例关系在更广泛场景中是否稳定。但结合85%被检索页面从未被引用、取回未读页面被引率仅7%等数据，可以合理推断：检索准入与“被打开”环节的权重被低估了。
第二，品牌可见性需要拆成“提及”与“引用”两个指标来管理。Semrush数据显示两者重合度不足一半，且ChatGPT重合最低。这意味着在AI回答中被“说到”和在信源列表中被“列出”，可能是两套不同的机制。品牌方若只监控提及率，可能会高估自身的引用基础。
第三，引用来源高度分散（头号域名仅占1.9%），意味着不存在单一的“占位”策略。结合28.42条fan-out查询的规模，检索层的竞争更接近广谱覆盖而非重点突破。这一判断有待更多跨引擎、跨市场数据验证。
给读者的可执行建议
1. 自查检索准入：检查品牌核心页面是否进入主流AI引擎的取回范围，而非仅看排名。可对照“被检索但未被引用”的页面清单，优先排查取回后未被“打开”的原因。
2. 分开监控提及与引用：在AI可见性报告中，将“品牌被提及”与“域名被引用”作为两个独立指标跟踪，尤其关注ChatGPT等重合度较低的平台，避免用单一指标做决策。
3. 优化前30%内容与实体命名：结合44.2%引用来自页面前30%、被引段落显式实体命名比例更高（96% vs 82%）的线索，优先在前段给出新鲜、具名、非共识复述的信息。需注意该编码研究样本仅112条，建议作为A/B测试假设而非固定规则。
参考来源
1. 引用Chen & Koudas研究（158,099条回答、468,037条引用）、AirOps（548,534页）、Search Engine Land（2026-08-17）、Growth Memo（18,012条引用）、Advanced Web Ranking（112条人工编码段落）数据｜https://geoaura.world/blog/aeo-vs-geo-answer-engine-optimization
2. 引用Foglift基于59,964条成功AI回答（2026-03-20至2026-10-18，五个引擎）的引用分布与fan-out查询数据｜https://foglift.io/research/generative-engine-optimization-statistics
3. 引用Semrush 2026 AI Visibility Index的测量口径、提及与被引重合度、平台一致性、Universal Core及Adobe转化数据｜https://www.semrush.com/news/474244-semrush-releases-2026-ai-visibility-index-revealing-its-first-uk-benchmark
4. 补充引用Semrush指数中提及与被引重合度及英国新闻站点占比等解读｜https://www.relevantaudience.com/en/geo/semrush-ai-visibility-index-h2-2026-mentions-vs-citations