11 月 12 日一份行业拆解、11 月 14 日一轮复核，两次看的是同一批查询：页面稳稳排在第一页，却没有出现在 AI 答案里。按 11 月 14 日的公开信息，Ahrefs 在 2026 年 3 月分析了 86.3 万个关键词与约 400 万条 AI 概览引用链接，被引用的 URL 里只有 37.9% 同时排在自然结果前十，31.2% 落在第 11 到 100 位，31.0% 在前 100 位之外；同一机构 2025 年 7 月给出的数字是 76.1%，BrightEdge 在 2026 年 2 月测到的重合度约 17%。对做 GEO 的人来说，这不是排名失效，而是排名与引用开始分开计价——两套指标得分开记，混在一张表里，结论一定是错的。
37.9% 与 76.1% 之间隔了什么
三个数字看上去打架，实际各说一件事。Ahrefs 自己注明，2026 年 1 月起 AI 概览改用新一代模型、解析方法也升级过，两次结果不完全可比；BrightEdge 的口径偏向商业查询，重合度自然更低。把它们当成同一条曲线上的三个点会得出「引用崩了」的结论，当成三种测量方式，得到的才是「排名对引用的解释力在下降」这个方向性判断。方向可以借，具体数值不能借。
更值得注意的是分布：31.2% 的被引 URL 排在第 11 到 100 位，31.0% 干脆在 100 位之外。这意味着超过六成的引用来自「你根本没指望它能排上来」的页面。对做可见度监测的团队，这条分布比那个 37.9% 更有用——它说明候选池远比排名报表宽，只看前十名会系统性低估自己的曝光，也会系统性错过真正在贡献引用的那批长尾页。
分家的三处机制
查询扇出把一个问题拆成几段
AI 引擎不按单一关键词找页面，而是把用户的提问拆成若干子问题分别检索，再把结果合并成一段答案。你在某个大词上排第一，只说明你在其中一个子问题上赢了；答案需要覆盖整组子问题，于是被引的往往是某段专门回答了其中一个子问题的内容。这也是为什么同一篇长文里，被引的常常是中间那一节，而不是开头。
取用单位从页面降到段落
模型摘取的是自包含、结论前置、能被单独读懂的一段，而不是整页。页面标题写得再好，如果结论藏在第三屏、要靠上下文才成立，被摘走的概率就低。反过来，一段把结论、口径、例外写在同一处的文字，即使所在页面排名一般，也可能被反复引用。做内容的人需要接受一个新单位：不是「这篇写得好不好」，而是「这一段能不能被单独拿走」。
第三处机制在模型自己身上。有研究把 46.8 万条引用拆开看，结论是页面因被检索而被引用，品牌却可能因被记住而被提到——模型会把认识的品牌写进检索词，也会在没有任何页面支撑时直接点名。这解释了一种常见错位：名字出现很多次，自家链接一条都没有。把「被提到」和「被引用」合成一个「AI 曝光」总分，等于主动放弃了对这两种情况的区分能力。
把两套指标写进一张可核对的表
下面这张表适合放进周报，四行填完就能判断问题出在内容侧还是品牌侧。示例值取自本篇公开信息，实际使用时替换为自己的问题集结果。
| 核对项 | 观察口径 | 判断作用 |
|---|---|---|
| 是否被提到 | 固定问题集里品牌名出现的次数 | 区分品牌记忆与内容取用 |
| 是否被引用 | 回答里出现自家域名的次数 | 确认页面有没有被检索到 |
| 引用位置 | 域名在引用清单里的排序 | 判断是主信源还是补充信源 |
| 前十重合度 | 被引 URL 与自然前十的交集比例 | 校准排名报表的解释力 |
四行里最容易被合并的是第一行和第二行。两者混在一起时，一个「品牌在 AI 里很活跃」的结论可能完全建立在模型记忆上，而自家页面一次都没被检索到；这种情况下去改内容，等于给一个没被打开的门换锁。先确认有没有引用，再谈引用得好不好，顺序不能颠倒。
常见问题
前十重合度低，是不是说明排名没用了？
不是没用，是解释力下降。排名仍然影响被检索的概率，只是不再等于被引用。把排名当入场券、把引用当结果，两个指标一起看，才不至于把投入放错地方。
被提到的次数能不能当可见度指标？
可以当辅助，不能当主指标。被提到可能来自模型记忆，也可能来自没有任何链接支撑的推断；要判断内容是否起了作用，还得看有没有引用来源、引的是哪个域名。
小站点在 37.9% 的结构里有机会吗？
有。六成以上引用来自前十之外的页面，说明候选池很宽。机会落在能直接回答具体子问题的段落上，而不是落在整体权重上；这也是小站点比大站更容易做出「一段被反复引用」的原因。
多久复算一次重合度合适？
按月。按天看波动太大，模型换代、候选池更新都会让数字跳；按月能看出趋势，也来得及在下一轮内容调整前把结论定下来。
