AI到底爱引哪种内容？7.5万条答案的实证拆解

一项覆盖7.5万条AI回答、105万条引用的大规模研究给出了很硬的结论：清单文章、深度文章、产品页这三类内容吃掉了AI引用的52%，而真正决定AI引谁的最强变量不是行业、不是模型，是搜索意图——信息型查询里深度文章被引是平均的2.7倍，商业型里清单文章独占四成，交易型直接指向产品页。还有几个反直觉的点：自夸式榜单几乎拿不到引用（第三方榜单占80.9%、自夸占19.1%），文章前30% 的内容决定了44.2% 的引用，品牌搜索量是和AI引用相关性最强的信号、外链反而很弱。这篇把全部数据按意图拆成可照做的内容打法，并给出30天落地清单和这份研究的边界。

做内容的人现在都被同一个问题逼到墙角：AI搜索到底更爱引用什么样的内容？凭感觉答这个问题没用，每个人的感觉都不一样。好在有一份样本够大的研究可以把感觉换成实证——它分析了7.5万条AI回答、超过105万条引用记录，覆盖三大主流AI搜索平台。这篇把这份研究的数据彻底拆开，结合一线监测经验，给你一套真正能落地的内容引用优化打法，而不是又一篇“要做优质内容”的正确废话。

先说清楚这篇怎么读：数据是骨架，但数据本身不会告诉你明天该写什么。所以每拆完一组数据，都会接一段“这意味着你具体该做什么、怎么验证、做错了什么样”。如果你只想要结论，看完TLDR加每个二级标题就够；如果你要拿去排下个季度的内容计划，得一段段读，因为魔鬼全在意图拆分的细节里。

三种内容类型吃掉一半AI引用，意外的是哪些几乎拿不到？

在所有AI搜索引用里，清单文章、深度文章、产品页三类合计占到52% 的引用份额。这不是“多一点”，是结构性的半壁江山——意味着如果你的内容矩阵里这三类是缺的或薄的，你在AI搜索里的可见度大概率正在被结构性压缩，而你从点击数据上还看不出来。

真正值得停下来想的是反直觉的那部分：产品对比页和替代品页，这两类很多团队投入很重的页面，引用占比加起来不到3%。很多人的直觉是“用户在做决策，对比页一定被大量引用”，数据给的是相反答案。失败模式就藏在这：把产能压在一个直觉上重要、数据上几乎拿不到引用的页型上，还纳闷为什么没效果。可操作的动作不是砍掉对比页（它对站内转化仍有用），而是别指望它带AI引用，把冲引用的指望放到清单和深度文章上。怎么验证你踩没踩这个坑：把你过去半年产能投入按页型拆一下，如果对比/替代页占了大头而清单/深度文章很薄，方向就是反的。

搜索意图比行业、比模型更能预测AI引谁？

这份研究最该刻进脑子的一条，不是哪种格式占比高，而是：搜索意图比行业类型和AI模型选择更能预测哪种内容会被引用。说人话——不管你做的是软件还是医美，是教育还是电商，只要用户的搜索意图相同，AI引用的内容类型分布就高度一致。一个软件行业的商业意图查询，和一个健康行业的商业意图查询，引用格局几乎一个样。这条的实操含义极重：规划GEO内容时，应该先按意图分桶，再用行业特征做微调，而不是反过来先按行业拍脑袋。下面把四种意图逐一拆开，因为每种意图该用的内容形态完全不同，混着做就是浪费产能。

信息型：深度文章绝对主导

用户问“什么是XX”“XX的最新趋势”这类知识获取型问题时，引用偏好极其明确：深度文章45.48%（比平均高172.7%，约等于被引概率是平均水平的2.7倍），清单文章21.68%（与平均持平），操作指南9.21%（比平均高48.3%）。产品页（3.45%）和分类页（1.74%）在信息型查询里几乎拿不到引用。启示很干脆：信息型关键词必须用深度文章去覆盖，操作指南做辅助，别派转化页去抢这块——派了也是零。

商业型：清单文章一骑绝尘

用户在对比、找推荐时（“最好的降噪耳机”“五百美元内的智能手机推荐”），引用格局彻底翻盘：清单文章40.86%（比平均高86.7%），分类页12.42%，讨论内容11.44%（比平均高52.1%）。深度文章在这里只有6.15%，产品页7.14%。用户处在购买前的研究阶段，AI更愿意引结构化的对比清单和社区里的真实讨论，不爱引长篇科普。失败模式是在商业意图词上堆深度长文——写得再好也错配，因为这个阶段用户和AI都不要论文。

导航与本地型：产品页与分类页主导

用户已经知道自己要什么（“附近的营销顾问”“XX品牌官网”），引用集中在产品页21.95%、分类页18.31%、首页13.56%（比平均高157.8%）。清单（5.36%）和深度文章（3.54%）在这儿基本没用。这条解释了为什么首页和实体身份页在AI时代被重新重视——导航意图下它是高频被引位。

交易型：直指转化页

用户准备行动时（“预订机票”“买跑鞋”），AI直接引能完成交易的页：产品页24.88%、分类页14.97%、首页7.38%，深度文章只有5.58%。用户已经决定买了，AI不会再塞他一篇科普。可操作动作：确保产品页的价格、规格、库存、配送这些核心字段对爬虫可抓取且结构化，否则交易意图的引用拿不到。

现有内容怎么对着这张矩阵做体检？

讲完意图规律，最该做的不是马上去写新内容，是先体检存量——绝大多数团队的问题不是没内容，是内容全堆在某一两个格里，另外几个格是空的。体检方法不复杂，但必须照做，凭印象拍脑袋一定会高估自己的覆盖。

第一步，把过去十二个月有自然流量或被收录的内容全部拉出来，逐篇打两个标签：它实际服务的是哪种搜索意图（信息/商业/导航/交易），它的内容形态是哪种（深度文章/清单/产品页/分类页/操作指南/讨论）。这一步最容易出错的地方是“以为的意图”和“实际的意图”不一致——你以为写的是商业型对比，实际结构是篇深度长文，那它就该被标成深度文章而不是清单。第二步，把这两个标签交叉填进一张四乘六的格子，数每格有多少篇、质量如何。第三步，把这张现状表和前面那张“各意图主导格式”对照，找出三类格子：高引用潜力但你是空的（最该补）、你投了很多但意图根本不引这种格式的（最该止损）、有量但质量不达标的（最该重做）。

保哥的经验是，体检完十有八九会发现一个共同病灶：信息型深度文章和导航型产品页都不缺，唯独商业意图那一格——尤其是第三方型对比清单——几乎是空的，因为这格最难自己做、回报又不直接，被本能地拖着没做。而商业意图恰恰是离成交最近、清单引用占四成的那一格。体检的最大价值，就是把这个一直被回避的空格摆到台面上，逼出优先级。判断你体检做没做对，有个硬标准：如果体检完得到的结论是“各方面都还行、继续保持”，那一定是没认真打标签——真照做几乎不可能不暴露出至少一个明显空格。

三大模型的引用脾气不一样，怎么按平台下注？

搜索意图是最强预测因子，但三大平台之间确有值得下注的差异。把资源平摊到“三平台全覆盖”往往每个都做不深，先看脾气再下注更划算。

有个一线观察值得加进来：国内的豆包、通义、Kimi这类AI助手，目前的引用脾气更接近Perplexity而不是ChatGPT——社区和真实讨论的回报率明显更高，纯长文的边际收益偏低。所以做国内GEO的，别照搬“写万字深度长文打天下”的英文圈打法，社区声量的优先级要往前提。可操作的下注法：先弄清你的目标用户主要在哪个平台耗时间，把这个平台的偏好当主线投，其余两个做覆盖性补位，而不是三个平台等量齐发。验证方法是固定一组核心问题，分别在目标平台上问，看你被引的频次月度有没有在涨。

行业会带偏，但不会颠覆意图规律？

意图是主轴，行业是修正项——它会让分布偏移，但不会推翻意图规律，理解这个层级关系才不会把行业特征当主导。软件行业清单文章引用占比最高，达35.37%，反映了软件用户强烈的对比研究习惯，其后是深度文章16.33%、产品页12.75%。健康与保健行业相反，深度文章19.66% 超过清单，因为这是个信任敏感行业，对权威性、专业性内容依赖极高，E-E-A-T信号在这里格外关键。电商行业分布最均衡，清单19.94%、深度文章19.49%、分类页15.96% 三足鼎立，说明多种内容策略都能有效覆盖电商。家装行业分布最平坦，没有单一类型绝对主导，AI会从多种来源拉取。专业服务行业清单引用25.24%，是所有行业里第二高，深度文章16.8% 也保持不错权重。

实操结论：先按意图定大盘内容配比，再叠加你所在行业的偏移系数微调。比如你在健康行业做信息型内容，深度文章的权重要比通用基准再往上压；你在软件行业做商业型内容，第三方型清单的优先级要顶到最高。失败模式是只看行业不看意图——同一个行业里不同意图的引用格局天差地别，只按行业一刀切配比，等于把信息型的产能错配到商业型场景去。

清单文章最大的暗坑：自夸榜单几乎没用？

研究里有一个极容易被忽略、但价值极高的发现：并非所有清单文章效果相同。在专业服务行业被引用最多的前1000个URL里，研究者区分了“自我推广型清单”（品牌把自己排第一的那种）和“第三方客观清单”：第三方清单引用占比80.9%，自我推广型只占19.1%。这个差距不是一点点，是数量级的差别。

背后的机制说得通：AI系统判断该信谁，看的是来源的中立性和编辑导向。一个品牌自卖自夸的排名，在概率上和广告无异，信号被压得很低；而第三方编辑评测、行业媒体年度榜单，提供的是相对中立的多源证据，权重高得多。这和近期搜索引擎、监管侧对自夸式榜单页面的打压态势完全一致——站内那篇专门讲自夸式榜单被算法和监管双杀把这条监管线和替代策略讲得更细，可以接着看。可操作的动作很反直觉：GEO的清单策略不该是“自己写一篇把自己排第一”，而是把相当一部分预算花在“想办法被权威第三方榜单收录和推荐”上——PR和数字公关在AI搜索时代的价值正在被重估。验证方法：用品牌名加“最佳/推荐/对比”这类商业意图词搜，排除你自己的域名，看还有没有独立第三方榜单带你；几乎没有，就说明你在商业意图的引用上是裸奔的。

“被第三方收录”不是许愿就能发生，它是一套可执行的外联工程，把它拆成可照做的步骤：先用商业意图词把目标AI答案里反复出现的那些第三方榜单页全列出来，这就是你的目标清单，别广撒网；逐个判断收录门槛——是开放投稿、有评选标准、还是纯编辑闭门，门槛决定打法；对开放型的，备好它要的结构化资料（一句话定位、差异点、可验证的客户/数据、媒体资源包），把对方编辑的工作量降到最低；对编辑闭门型的，路径不是发邮件求收录，是先成为它会主动引用的信源——给出它做评测时绕不开的独家数据或工具。下面这张表把常见门槛和对应动作对齐，照着走比盲目群发命中率高一个量级。

为什么清单体文章能拿下63%的AI引用？

上一节说自夸式榜单几乎拿不到引用，可能有人会困惑：那为什么满世界都在讲“AI偏爱清单体”？这两件事并不矛盾，差别在于是哪一种清单。另一份规模更大的研究，刚好把这层差别量化清楚了。

这份研究覆盖了6个主流大模型——ChatGPT、Copilot、Gemini、Google的AI模式、Google的AI概览、Perplexity，做法是从每个模型里取被引用最多的6000个URL，汇总去重后得到约2.5万个不重复的URL，再统计这批URL背后近4亿次引用的去向。两个数字很扎眼：这2.5万个URL里，差不多一半是清单体文章；而近4亿次引用里，有63%指向了清单体。清单体在AI引用里占的权重，远高于它在URL数量里的占比——它是被反复引用的那一类。

清单体讨巧的原因，拆开看是三条结构性优势：一是话题聚焦，一篇清单通常只围着一个具体问题转，跟用户的提问更容易精准对上；二是格式规整，分条罗列的结构让模型解析、抽取、复述都省力；三是它天然在做横向对比，把几个选项摆在一起评，等于替模型把比较这件事先做完了，模型直接取用就行。

不过不同模型对清单体的偏爱程度并不一样，篇幅口味也有差别，这一点对选题很有用：

还有几个值得记的细节。被高频引用的清单里，71%到86%是排过序的榜单（有明确名次的那种），而不是无序罗列——排序本身就是一种判断，模型偏爱已经替它做过判断的内容。这些页面的句子平均长度大约18个词，不长不绕；版面上普遍是H2、H3标题密集、列表多、内链多。源头上，企业官网、媒体报道、联盟测评类站点是引用大户，有一个综合性媒体几乎出现在每个模型的引用来源前三。

把这份数据和上一节的结论并在一起，清单体的正确打开方式就清楚了：AI偏爱的是第三方视角、排过序、真在做客观对比的清单，不是品牌自夸式的榜单。前者拿走了63%的引用，后者几乎颗粒无收。所以做清单体内容，方向不是“多堆几篇榜单”，而是把清单做成一篇结构规整、对比真实、有明确排序逻辑的内容，篇幅控制在1000到2000词，按你最看重的模型微调长短。这里还要补一句风险提示：Google已经放话要打击推广性质的自夸榜单，美国FTC对伪装成独立测评的虚假榜单也有合规红线——清单体值得做，但越界做成对抗式榜单，是在63%的反方向上走。

文章前30% 决定44.2% 的引用，导言不是铺垫是战场？

另一个能直接改写作动作的发现：44.2% 的AI引用直接来自文章前30% 的内容。原因是模型在生成答案时，倾向于优先处理文章前段的核心论点和结构化信息——前面信息密度不够，后面写得再好也很可能没进它的合成窗口。

这条把“导言”从铺垫位提到了战场位。失败模式是中文写作的老习惯：开头三段铺背景、讲行业大势、抒发感慨，核心结论压到一半之后才出来。这种结构在AI引用上几乎是自残——你把最该被抓取的论点埋在了被处理概率最低的位置。可照做的动作：把最重要的数据、结论、定义、清单全部前置到文章前三分之一；引言段直接给明确结论，不东拉西扯；H2小标题承担信息标签功能，让AI一眼识别每段在讲什么。研究还显示问答格式的内容被引概率比纯描述性内容高40%—60%，所以在深度文章里嵌结构化FAQ段是性价比极高的动作。验证方法很简单：把你一篇主力文章的前300字单独拎出来，问自己“只看这300字，AI能不能抽出一个完整可用的结论”，不能就是埋点太深。

为什么是“前30%”而不是别的比例，机制上说得通。检索增强这套流程里，系统不是把整篇文章一股脑塞进模型，它会先把内容切成块、做向量表示，再按与查询的相关度召回若干块，最后只拿召回的那几块去合成答案。文章前段天然有几个优势：标题与首段的主题信号最强、最容易被判定为高相关；结构上结论常在前面，块内信息自洽、可独立成答；越往后越依赖前文上下文，单独被召回时语义残缺、可用性下降。所以“前30%”不是玄学阈值，是“块级竞争里前段的块更容易被召回且更可独立使用”的统计结果。理解这条机制，你就不会把它误解成“开头堆关键词”，而是“让前段的每个语义块都能独立成为一个完整可用的答案单元”。

给个可照搬的前后对照。改写前的典型中文导言：“随着人工智能的发展，搜索的形态正在发生深刻变化，越来越多的用户开始通过AI获取信息，这对内容创作者提出了新的挑战，本文将探讨在这一背景下应该如何优化内容。”——四句话零信息增量，AI召回这块也抽不出可用结论。改写后：“7.5万条AI回答的实证显示，清单文、深度文、产品页吃掉52% 引用，且搜索意图比行业更能预测引谁——信息型偏深度文2.7倍，商业型偏清单四成。下面按意图给可照做的配比与30天清单。”——同样长度，结论、数据、可执行承诺全在前段，单独被召回也是一个完整答案单元。失败模式就是前者那种“铺背景式开场”，它在人类阅读时还算礼貌，在块级召回里是直接弃疗。

AI引用正在和传统SEO信号脱钩？

2026年AI搜索领域最该被重视的趋势之一：AI引用行为正在和传统SEO排名信号脱钩。多组数据指向同一个结论——品牌搜索量与AI引用的相关系数约0.334，是所有信号里最强的；而反向链接和域名权威这些传统SEO重仓信号，对AI引用的影响很弱。结构化数据（标好的FAQ、Article、Product等）对AI引用有显著帮助，因为它让机器更容易理解和抽取你的内容。统计数据的加入还能明显提升被引概率——有据的具体数字比模糊形容词可被合成得多。

这条的预算含义很硬：如果你还在把GEO预算大头投到外链建设上，方向是错的。失败模式正是“拿SEO老打法的资源分配表去打GEO”——外链、域名权威这些在传统排名里有效的杠杆，在AI引用上杠杆率低得多。可操作的重配：把一部分原来投外链的预算，转去做三件AI引用真正吃的事——做能被第三方一致复述的原创数据、把核心内容结构化、做能拉动品牌搜索的品牌建设动作。品牌建设不再只是市场部的事，它直接进了AI可见度的因果链。关于把脱钩这件事拆成可调参数的更细打法，站内GEO五维调参那篇给了像调均衡器一样精控的框架，本篇负责讲清楚“该把钱从哪挪到哪”，那篇负责“挪过去之后每一维怎么调”。

“该把钱从哪挪到哪”不能停在口号，给一张具体的重配对照，照着调预算比泛泛说“重视品牌”有用得多。

这张表的判断标准只有一条：这笔钱花出去，是在增强“能被一致复述、可被合成、能拉品牌搜索”这三件事里的哪一件？三件都不沾的传统动作，在GEO预算里就该被压缩。失败模式是嘴上认同脱钩、预算表却一行没动，外链和老打法照样占大头——认知和钱包不一致，等于没认同。

一页能不能同时吃几种意图的引用？

很多人看完意图规律会问一个实际问题：我没那么多产能给每种意图各做一套，能不能一篇页面同时吃几种意图的引用？答案是能，但有条件，做不对就是两头不讨好。机制上，AI是按块召回的，所以一篇结构清晰的深度文章，完全可以在不同段落服务不同意图——主体长文回答信息型，中间嵌一个真正第三方视角的对比清单段吃商业型，结尾结构化FAQ段吃问答型长尾。这种“混合体”页面之所以成立，正是因为召回是块级的，不同意图的查询会召回这页里不同的块。

但它有两个硬条件，缺一个就翻车。第一，每个意图段必须能独立成答——清单段不能写成“详见上文”，FAQ段不能依赖正文上下文，否则被单独召回时语义残缺，等于没有。第二，别让一页贪到导航/交易意图——那两类引用主导的是产品页和分类页，硬塞进深度文章里既错配又稀释主题。可操作的判断：信息型和商业型可以同页混合（深度文章主体加第三方清单段加FAQ段），导航与交易意图必须落在独立的产品页、分类页上，别合并。失败模式是把四种意图全塞一页，最后哪种意图召回这页都觉得它不够专，结果一种引用都拿不稳。一个互补视角是站内那篇用81.5万条数据拆ChatGPT到底引什么的分析，它从单平台样本印证了“结构清晰、可独立成块”是跨格式的共性要求，和本篇的混合体结论是一致的。

怎么知道你哪类内容真的在被AI引？

所有优化做完，必须能验证哪类内容真的在被引，否则又回到凭感觉。这步不需要复杂工具，关键是方法对。先固定一组核心问题——覆盖你主营的四种意图各若干条，写死不随意改，因为问题一变数据就没法纵向比。然后定期在主流AI平台上问这组问题，记录两件事：你被提及/被引的次数，以及被引时命中的是你哪类内容（深度文章/清单/产品页）。把这个按月拉成趋势，你会很快看清现实——往往会发现你自以为的主力（比如那批深度长文）在商业意图问题下根本没被引，真正在被引的是某一两篇结构清晰的清单，这就直接指出了产能该往哪挪。

失败模式是只看“被引总次数”不看“被引的是哪类”。总次数涨了你会以为整体在变好，但可能只是某一类在涨、另一类在塌，盘子结构在恶化你却看不见。可操作的纪律：监测表里必须按内容类型分列，至少分“信息型深度文 / 商业型清单 / 转化型产品页”三栏各自的被引趋势，哪一栏在掉就针对哪一栏补。验证这套监测有没有用，标准是它能不能在你下次排内容计划时直接给出“这个月加清单还是加深度文”的明确答案——给不出，就是问题组设计太泛或没按类型分列。

从数据到落地：按意图分类的内容优化打法

理解了数据，关键是落地。把前面所有结论收成按意图分类的可执行打法，每类都给“应该做/不应该做/怎么验证”。

信息型意图优化

应该做：用高质量长文作核心支柱覆盖“是什么/为什么/怎么理解”类查询；嵌结构化FAQ段用问答格式直接回答；用操作指南覆盖流程型需求；在长文里加策划型清单段（如“五个核心要点”）；配完整Article结构化数据。不应该做：用产品页/分类页去抢信息型词；写两百字浅层“回答”——AI需要有深度的内容来确认权威。验证：核心信息型词在AI答案里被引频次月度是否上行。

商业型意图优化

应该做：发结构化的对比清单（“2026年最佳XX工具”这类）；全力争取被权威第三方评测和榜单收录；在社区培养真实用户讨论；用分类页组织产品浏览路径；加入对比数据、真实评价、使用反馈。不应该做：在研究阶段过度依赖纯深度长文；做自卖自夸的自我排名清单——AI和用户都不买账。验证：排除自有域名后，商业意图词下你还在不在第三方榜单里。

导航与交易型意图优化

应该做：确保产品页可被发现且信息完整；维护清晰的分类层级；优化首页导航与让产品页能被AI推荐的那套结构化优化；保证About与联系信息完整、价格库存配送字段对AI可抓。不应该做：在导航/交易词上堆深度长文——用户要的是路径不是课。验证：品牌名加产品词在AI里能不能直接拉出你的官方产品页/首页。

30天落地清单

30天只是把尺子和缺口立起来，真正的判断在第二个周期。第一轮基线出来后别急着加产能，先做一件事：把基线表和你的内容体检表对在一起，看被引最多的那一两类，是不是恰好是你产能投得最少的那几格——这个错位几乎必然存在，它直接告诉你下个季度产能该怎么挪。读第一轮数据有个纪律：别看绝对值看相对位置，你被引三次还是五次没意义，你在同组问题里相对前三竞品是第几、份额在挤占谁，才有意义。第一轮就盯绝对值，会被大盘波动骗着做错决策；盯相对份额，才能滤掉环境噪声看见自己真实的进退。

这份研究的边界在哪，别过度外推？

越是结论清晰的研究，越要讲清它的适用边界，否则照搬会翻车。三条边界必须知道。第一，这份研究主要基于英文语境的AI搜索，国内豆包、通义、Kimi的引用脾气更偏社区，把英文圈“深度长文打天下”的结论直接搬到国内会偏，前面已专门点出。第二，意图分类本身是模糊的——同一个查询在不同人手里意图判定会不同，所以别把意图占比当精确刻度用，它给的是方向不是公式。第三，也是最重要的：格式匹配是必要条件，不是充分条件。这份研究回答的是“被引用的内容长什么样”，没回答“同样格式下凭什么选你不选竞品”——后者是实体、权威、原创增量的事，属于另一层问题。把格式做对只是拿到入场资格，别误以为按这套配比铺完内容就稳进AI答案。可操作的自检：你按意图把格式都配对了，AI答案里还是没你，那问题就不在这篇讲的格式层，得往实体和原创增量那层去查，别在格式上继续空耗。

常见问题解答

把实操里最常被追问的几个点集中回答。

AI搜索最常引用什么类型的内容？

据7.5万条AI回答、105万条引用的分析，清单文章21.9%、深度文章16.7%、产品页13.7%，三类合计52%。但占比会随搜索意图大幅变化：信息型偏深度文章45.48%，商业型偏清单文章40.86%，不能只看总盘。

搜索意图和行业，哪个对AI引用影响更大？

搜索意图是最强预测因子，影响远超行业和模型。同一意图在不同行业的引用分布高度一致。规划内容应先按意图分桶再用行业做微调，反过来先按行业一刀切会把信息型产能错配到商业型场景。

自己写的清单和第三方清单，哪个更容易被AI引？

第三方客观清单远胜自夸榜单。专业服务行业里第三方清单占引用80.9%，自我推广型仅19.1%。AI偏好中立编辑导向内容。GEO清单策略的重点不是自己排自己第一，而是想办法被权威第三方榜单收录。

三大AI平台的引用偏好有什么不同？

ChatGPT最偏深度文章，社区类引得最少；Google AI Mode分布最均衡无偏科；Perplexity最亲社区，17.35% 引用来自讨论内容，是平均的两倍多。国内主流AI助手脾气更接近Perplexity，社区运营回报更高。

文章前30% 真的那么重要吗？

是的，44.2% 的AI引用直接来自文章前30%。模型优先处理前段核心论点。把最重要的数据、结论、定义前置到前三分之一，引言段直接给结论，配结构化FAQ段，被引概率能显著抬高，埋点太深等于自残。

外链和域名权威对AI引用还有用吗？

很弱。品牌搜索量与AI引用相关系数约0.334是最强信号，反向链接和域名权威影响很弱。还在把GEO预算大头投外链方向就是错的，应转向原创可复述数据、内容结构化和能拉品牌搜索的品牌建设。

权威参考资料