截至11月1日的公开信息，围绕生成式引擎优化的讨论已经从概念层进入链路层。核心问题变了：不再是内容写得好不好，而是一条内容从躺在服务器上到出现在 AI 回答里并被标注来源，中间要过几道关口。皮尤研究中心统计了68879次搜索，其中12593次出现 AI 摘要，占比18 percent，而这些摘要里88 percent 的引用只来自三个及以上来源。候选位子有限，候选池却远大于位子，这个结构性缺口是所有 AI 品牌可见度问题的起点。
先把问题问对 内容进过候选没有
传统搜索优化里，页面拿到一个位次就能大致预期点击量，生成式回答里没有这个对应关系。一条内容要变成回答下方的来源链接，至少要经过两次性质不同的筛选，中间还夹着一次呈现决策。把这三步概括成一句话：进候选是被看见的前提，被采纳才是被引用。用这句话去诊断案例，比笼统评价内容好坏更能指向动作。
这个问法之所以重要，是因为它把责任分配清楚了。卡在第一步是通路问题，卡在第二步是结构问题，卡在第三步是署名问题，三种问题的解法完全不同，投入也完全不同。不少案例实际卡在第二步，企业却一直在第一步上使劲，于是投入和结果长期对不上账。
三道关口各由什么决定
第一道 进候选池看通路不看文笔
系统先把用户的提问变成一个或多个检索请求，再从一个候选池里抓回若干文档。这一步筛掉的是抓不到的内容，原因各种各样：域名不在该模型的检索底座覆盖范围里，页面被 robots 拦住，内容由脚本渲染，页面需要登录才能看，或者页面在这个模型的候选池里本来就没有位置。国内各家大模型的联网检索底座并不统一，这直接决定什么样的页面有机会进候选池，是门槛性质的那一层。
第二道 被摘用看片段能不能独立回答
抓回来的文档不会整体进入生成环节，系统会按切分单元做相关性判断，挑出可以被直接摘用或改写的片段。这一步筛掉的是切不开的内容，也是大多数内容真正卡住的地方。一篇内容即使被抓取，也可能因为切分后每个片段都不足以独立回答任何子问题而落选。页面形态也参与筛选，同样是新榜的数据，豆包在引用信源时明显倾向移动端网页，列表、参数、功能说明这类以结构化形式直接呈现关键信息的页面，抓取与理解代价更低。
第三道 被署名看实体能不能对上号
片段被用进回答，不等于来源一定被标注出来。欧洲广播联盟的 News Integrity in AI Assistants 研究就单独讨论了这一层，它解释了为什么有些内容被采用了却拿不到署名。有平台在信源评估中设置了无法识别档位，含义不是判定不可信，而是没把品牌对上号。多数中小企业的官网恰好落在这个区间：内容未必差，问题出在品牌名称在公开信源中出现的频次偏低、表述不统一，模型难以将其与一个稳定实体绑定。
平台信源偏好的差异对照
| 平台 | 信源偏好 | 访问方式差异 | 对内容的要求 |
|---|---|---|---|
| 豆包 | 今日头条、抖音等字节系生态 | 用户侧高频引用自有社媒，官方联网接口中采用很少 | 移动端网页与结构化条目优先 |
| 腾讯元宝 | 微信公众号生态 | 差异集中在公众号内容 | 公众号与官网口径需一致 |
| DeepSeek | 垂直科技媒体与结构化知识库 | 公开报道显示测评类稿件更易被采信 | 事实密度与可核验数据 |
| ChatGPT 与 Perplexity | 可抓取的公开网页与百科类条目 | 无脚本渲染的静态正文更易被抓 | 可抓取性优先于篇幅 |
这张表要横着读，不要竖着读。横着读会发现，同一个内容发布在不同渠道，进入候选的机会差别很大，而渠道选择本身就是一条独立的制约因素。背靠大厂的应用天然会更频繁地翻自家的社媒内容池，不掌握自有内容生态的平台则依赖外采，信源呈现分散多元的特征。信源偏好里有一部分是结构性加权，与内容质量关系不大，这部分没法靠写作弥补。
基线测试要按用户看到的方式跑
这里有一个容易踩空的地方：同一个模型，通过用户界面去问和通过官方联网接口去问，取回来的信源并不一致。豆包用户侧高频引用今日头条、抖音等自有社媒站点，但在官方联网接口中这类信源采用得很少；元宝的差异则集中在微信公众号上。做基线测试时要用普通用户会看到的那种访问方式，用接口批量跑出来的结果不能直接代表用户看到的答案。判断依据本身有偏差，后面所有排产都会跟着偏。
还有一个前提要摆正。官方文档明确不存在需要添加的特殊结构化数据，也不存在理想页面长度，同时给出的检索增强生成定义是系统依赖核心排名系统从索引中检索相关且较新的网页，再审核页面中的具体信息生成回答。官方否定的是额外开关，不是可抓取性本身。2023年底普林斯顿大学、佐治亚理工学院等机构的研究者在 KDD 2024 发表的 GEO 论文，用可复现的实验证明加入引用来源、统计数据和权威佐证能显著提升生成式引擎可见性，而关键词堆砌几乎无效，甚至可能起反作用。这条结论到今天依然是证据验证的基础。
常见问题
为什么搜索结果排名靠前，AI 回答里却没有？
因为两套机制不对应。传统搜索给的是一个位次，生成式回答要经过检索、摘用、署名三步筛选。皮尤研究中心的统计显示，68879次搜索中12593次出现 AI 摘要，占18 percent，而摘要里88 percent 的引用只来自三个及以上来源，候选位子远少于候选池。
内容被 AI 采用了，为什么没有标注来源？
这是第三步的问题。片段被用进回答不等于来源一定被署名，欧洲广播联盟的 News Integrity in AI Assistants 研究专门讨论了这一层。有平台的信源评估设有无法识别档位，含义不是判定不可信，而是没把品牌对上号，品牌名在公开信源中出现频次偏低或表述不统一都会导致这个结果。
做 AI 品牌可见度基线测试要注意什么？
要用普通用户会看到的访问方式。同一个模型通过用户界面和通过官方联网接口检索，取回的信源并不一致，豆包用户侧高频引用自有社媒，官方联网接口中这类信源采用得很少，元宝的差异集中在微信公众号。用接口结果代表用户所见会让后续排产全部偏掉。
加结构化数据能让内容更容易被引用吗？
官方文档明确不存在需要添加的特殊结构化数据，也不存在理想页面长度。官方否定的是额外开关，不是可抓取性本身。KDD 2024 发表的 GEO 论文用实验证明，加入引用来源、统计数据和权威佐证能显著提升可见性，关键词堆砌几乎无效。
