「AI 搜索更认央媒」这句话现在有了数字。按公开实测口径，央媒与国家级媒体内容的 AI 引用概率是普通自媒体内容的 9.4 倍，权威新闻媒体引用率可达 85% 以上，普通自媒体不足 10%（中华网数智频道）。截至 2026 年 11 月 11 日，这个差距还在扩大，因为大模型的信源筛选只认来源权威度和事实密度，不认投放量，判断标准也跟着变了。
收录不等于被引用
很多团队的第一个误区是把发稿量当 KPI。稿件发布、被搜索引擎收录、被 AI 引用是三件不同的事，中间隔着严格的信源筛选：来源权威度、内容事实密度、结构清晰度、多源信息一致性。低权重站点的稿件再便宜，也很难进入模型的候选池。
第二个误区是时间。常规新闻稿发布三十天后，主流 AI 问答平台可检索引用的比例平均不足 15%。也就是说，一次投放的有效期以周计，不是以年计；内容不更新，可见度会自己衰减，衰减速度比大多数人预想的快。
三个模型，三套信源偏好
把主流中文 AI 平台的信源偏好摆在一起，会发现「一套稿件投全网」的做法基本无效。三个平台召回的内容池本来就不一样，同一个问题给出的引用来源往往不重合，连引用的媒体类型都不同。
| 平台 | 偏好信源 | 投放建议 |
|---|---|---|
| 豆包 | 抖音、今日头条生态内容 | 优先做短视频与图文，标题要能当问句读 |
| 元宝 | 微信公众号 | 长文与结构化问答，便于整段引用 |
| DeepSeek | 多元垂直信源 | 垂媒评测、行业报告与参数页 |
表格里的建议不是投放攻略，而是排查顺序。当某个平台上完全没有你的回答时，先看它偏好的内容池里有没有你的材料，再看材料够不够结构化——多数所谓「没被收录」，其实是信源池里根本没有可引用的原文。
四项指标怎么落到执行
AI 提及率、前三提及率与首推率、信息准确率、信源结构，这四项是标准里点名要看的。前两项看曝光，第三项看风险，第四项看能不能持续。四项里只有第三项是防守型的，但它带来的损失最大。
提及率要分层算
品牌词、品类词、场景词三层的提及率必须分开算。品牌词下的提及率接近 100% 是常态，没有信息量；场景词下的提及率才决定新客能不能找到你。把三层平均成一个数，等于把「老客能找到」和「新客能被发现」混为一谈。
信息准确率是防守指标
错误解读带来的损失远大于不被提及。资质、参数、业务范围写错，用户不会去核对，只会记住那个错的说法，然后再传播一次。修正的成本比预防高得多，因为错的版本已经在多个信源里被复读了。
信源结构怎么搭
可验证的结构是三层：品牌自有页面负责事实，权威媒体负责背书，垂媒与 KOL 负责场景。三层各写各的，但口径必须统一——同一款产品的规格在所有信源里只能是同一个数，否则模型读到的就是互相矛盾的材料。
这也是信源引用率这个指标的用意。它逼着团队去看回答到底引用了谁，而不是只看自己被提到了几次。被引用意味着你的页面成了答案的原料，被提及只是被提了一嘴，两者的价值差一个量级。前者能带来持续的复述，后者只在被问起的那一刻存在。
按月做一次信源盘点，比一次性投放更容易看出结构是否在变。记录每类信源被引用了几次、引的是哪一页、那页上的数字有没有过期；连续两个月只看得到品牌自述、看不到第三方佐证，说明背书层还空着，得先把事实密度补上，再谈分发。
常见问题
为什么央媒内容的引用率会高出这么多？
模型的信源筛选会综合评判来源权威度、事实密度与多源一致性。央媒在这三项上的稳定度更高，进入候选池的概率也就更高。
发稿量还有意义吗？
有意义但不是 KPI。发稿解决覆盖面，引用率解决可信度；只堆量不做结构化，三十天后大部分内容会衰减掉。
三个平台要分别做内容吗？
要。信源池不同，同一套稿件很难同时进入三个池子。先按平台偏好各做一版，再统一事实口径。
