46.8 万条引用，三个海外引擎，两个市场，拆完之后留下的结论只有两句：页面因被检索而被引用，品牌因被记住而被提到。这份来自 arXiv 的预印本研究把 AI 回答里的两种命中分开归因，结论不算温和——补 FAQ 块、加结构化数据、优化页面速度这些动作，跨站看显得有效，放到同一个站内部却解释不了哪一页会被挑中。截至 11 月 15 日可查的公开解读里，最值得记住的是它给出的量级，而不是它给出的方法。
两种命中被混成了一个问题
混合的后果对 AI搜索可见度 的评估最直接。在 AI回答 里品牌名出现很多次、自家链接一条都没有，报表上却显示「曝光不错」，这是最常见的误判。反过来，某些页面被稳定引用，但品牌在回答里没有被点名，说明内容被当成了资料而非主体。两种状态对应的动作完全不同：前者要补可核验的出处，后者要补实体与记忆。竞品在同一个问题下被稳定引用时，这两栏还能指出差距究竟落在哪一层。
把两件事分开记，需要两栏而不是一栏。左边一栏记品牌名的出现与写法，右边一栏记有没有给出处、引的是哪个域名。两栏各自看趋势，不合成总分。这个改动看起来只是表格形式，实际决定了后面所有的判断能不能落地。
| 观测项 | 记什么 | 说明什么 |
|---|---|---|
| 品牌命中 | 名称是否出现、写法是否正确 | 来自记忆还是上下文 |
| 引用命中 | 是否带链接、指向哪个域名 | 页面是否被检索到 |
| 位置 | 第几位被提到 | 推荐强度 |
| 口径误差 | 价格、类目、参数是否说错 | 事实层是否对齐 |
可控的四件事
按可控程度排，第一件是建两栏台账，第二件是让内容对准问法而不是对准模板，第三件是留下可被第三方引用的可核对材料，第四件是统一品牌事实口径。第四件最容易被忽略，却最难补救：模型凭记忆点名时没有链接可供纠正，英文名、成立时间、主营产品一旦各处写法不一，改回来的成本远高于一开始就对。
对准问法的意思不是把标题写成疑问句，而是让页面上真有一段文字直接回答客户会怎么问。客服与销售反复听到的那几个问题，就是最好的问题集来源；把这些问题按品类、场景、对比三类分开，标题与段落各答一类，比再补一个通用 FAQ 块有用得多。
为什么「加结构化数据」不是万能解
研究给出的解释是相关性而非机制：做结构化的网站本来就更常被引用，所以跨站比较时显得有效。放到站内，结构化解释不了为什么这一页被挑中而那一页没有。这不意味着结构化无用，而是说它属于基础卫生，不该被当成提量手段。
把结论写进周报的方式
周报里最有价值的不是命中数，而是两类命中的比例变化。引用命中升、品牌命中平，说明检索层在改善而记忆层没动；品牌命中升、引用命中平，说明实体被认出来了但缺少可引用的页面。两种组合对应的下月计划完全不同。
需要注意的是，这类结论有边界。研究是预印本，样本是海外引擎与两个市场，作者自己写明不能直接外推到其他模型与行业。把它当成方向性证据，而不是当成承诺，才不会在下一轮复现失败时推翻整套方法。
复现失败时先查三件事
先查问题集有没有被改动，措辞一变回答就变；再查抓取通道，robots 与防火墙规则误伤爬虫是最常见的自伤；最后查页面是否依赖脚本渲染，正文取不到，后面的判断全无意义。三件事都排除之后，才轮到讨论内容本身。
把两种命中分开之后，争论会少很多。团队不再笼统地说「AI 里没有我们」，而是能指出是检索没进、还是记忆没建、还是事实说错了，改进也就有了先后。
常见问题
AI搜索可见度该看哪几个指标？
至少分两栏：AI回答里品牌是否出现且写法正确，以及是否带链接被引用。两栏分开看趋势，竞品同批抽样，才能判断差距在检索还是记忆。
为什么品牌被提到却没有链接？
提到可能来自模型记忆，未必有页面被检索到。带链接的引用才说明某个页面进入了引擎自己发起的检索并被采信。
补 FAQ 块和结构化数据还有必要吗？
有，但属于基础卫生。研究显示它们与引用相关，却解释不了站内哪一页会被挑中，不该被当成提量手段。
这套结论能直接套到国内模型吗？
不建议。研究是预印本，样本为海外引擎与两个市场，作者明确说明不能直接外推，只能作为方向性参考。
复现失败通常是什么原因？
常见三类：问题集措辞被改动、爬虫抓取被规则误伤、页面正文依赖脚本渲染导致取不到内容。
