作者： zzrs

一家叫「远航」的本地装修公司，最近碰上件怪事。客户在 AI 里搜「远航 装修」，AI 说得很详细——做过哪个商场、擅长什么风格、报价大概多少。问题是，那些案例不是他们的，报价也不是他们的，那是另一个城市另一家「远航」。

更麻烦的是，客户信了。因为 AI 说得有条有理，还给了依据。

这类问题在 2026 年越来越常见，原因很简单：名字越普通，撞车的概率越高；撞车之后，你的证据会被算到别人头上。

一、AI 先要回答的不是「你多好」，是「你是哪一家」

搜索引擎早年就在做一件事：把「字符串」变成「实体」——这个词指的是哪个人、哪家公司、哪个地方。大模型把这套逻辑推到了极致：它不检索关键词，它检索实体和实体之间的关系。

这意味着一个容易被忽略的前提：如果它没把「你」解析成一个明确实体，你内容写得再好，也进不了答案。它不会说「这家不行」，它会说另一家。

而这件事的战场，多数不在你自己的网站上。行业里几组被反复引用的数据：约 85% 的品牌提及来自第三方域名；有强站外存在的品牌，被第三方引用的概率约为自有域名的 6.5 倍；在商业意图的提问里，约 82% 的引用指向第三方，只有 3% 指向自有页面。也就是说——别人怎么称呼你，比你自称什么更重要。而撞名，恰恰发生在别人那里。

二、撞名之后，到底发生了什么

撞名之后的现象	客户在 AI 里看到什么	你实际损失了什么
你的案例被归到对方名下	「XX 公司做过某商场的项目」（其实是你做的）	最硬的信任状，替别人做了背书
你的报价被当成对方的报价	「XX 的报价大约 8 万」（那是对方的价格）	客户拿着错的价格来跟你砍
两家的评价混成一团	「口碑一般，有过投诉」（那是对方的）	你没做错事，却背着别人的差评
你的资质被写给了对方	「XX 有 XX 认证」（对方其实没有）	你不被看见，对方白捡一层权威
对方的短板变成你的短板	「不接老房改造」（对方不接）	主动丢掉本该是你的单子

注意到没有：这些损失里，没有一条是「你写得不好」造成的。这也是撞名最坑的地方——你按标准做法把内容做对了，但受益的是别人。

三、只写「我们是谁」，并不够

大多数公司都写了「关于我们」：成立年份、主营方向、服务优势。这些是正面声明——它能证明「我家是这样」，但证明不了「那一家不是我」。

打个比方：你在人群里喊「我叫张三」。可人群里有三个张三，这句自我介绍的区分度是零。正面声明只能自证，不能排他。要排他，你还得说出「我是哪个张三」。

行业里把这件事拆成四层来做，从下往上，一层比一层更难被抄：

四、四层身份栈

• 第一层·命名一致：公司名、简称、英文名、地址写法，在所有平台上用同一个写法。少一个空格、多一个「科技」，在机器眼里都可能是两家。
• 第二层·排他声明：明确写出业务范围和地理范围，顺带排除掉同名者——「我们只做本地业务，与外地同名公司无关联」。这是最反常识、也最有效的一层。
• 第三层·账号互链：官网、公众号、短视频号、行业目录、地图标注，互相之间用正式写法链接起来。机器认的不是「都叫这个名字」，而是「这些页面互相指认」。
• 第四层·可核验编号：统一社会信用代码、许可证号、备案号、协会会员编号。编号是身份的最后一道锚——名字可以撞，编号撞不了。

五、反常识的一条：把「我不是谁」写出来

前四层里，第二层最容易被跳过——因为它看着不像营销文案。但实测记录显示，明确写出「不是哪些主体」，是消歧里成本最低、见效最直接的一步。有团队把它直接写进了品牌的结构化描述里，用一句否定式陈述，把同名方和它的关联域名一并点出来。

中文语境下，写法可以更自然。它不需要写成一份「声明」，写成一句业务范围说明就够了：

「远航装饰，2016 年成立于本市，只承接本市及周边三县的住宅与小型商业空间装修，与外地同名的装饰公司无隶属或合作关系。统一社会信用代码 91XXXXXXXXXXXXXXXX。」

这段话对人是解释，对机器是排他信号：它同时给了三个可区分的锚——地理范围、业务范围、编号。三者叠在一起，同名者很难再被混进来。

前提只有一个：这句话必须是真的。为了区分而编造一个「无关联」，一旦被交叉验证推翻，代价比撞名本身大得多。

六、别用一个排名，代表身份健康

撞名还有个隐蔽之处：它不是每次查询都发生。实测里出现过这样的记录——同名冲突方连续二十多天占住「品牌变体」的第一位，而同一批查询里，域名变体上你的站仍然排第一。只看一个总排名，两种失败会互相抵消，你既看不出问题在哪，也不知道该修哪。

更麻烦的是，冲突会迁移：从品牌名的写法飘到域名的写法，甚至出现同一个运营方在不同后缀上跑两个同名域名——只点名一个域名，另一个还在。

别这么测	改成这么测
搜一次品牌名，看有没有提到我们	搜品牌名，看答案指向的是不是我们这一家
搜行业词，看我们排第几	搜「品牌名 + 城市」，看本地实体有没有绑住
数一数被引用了多少次	搜「品牌名 + 你的代表案例」，看证据归到了谁身上
记住一个总分	裸品牌名 / 加城市 / 加业务 / 加案例，四个位置分开记

七、今天就能做的四件事

• 把公司名的写法在官网、公众号、地图、行业目录上统一成一个版本；
• 在「关于我们」里加一句地理 + 业务范围的限定，顺带排除同名者；
• 把统一社会信用代码或行业许可证号放在页面上，能公开的那种；
• 用四组查询做一次基线测试，记在本子上，一个月后再测一次对比。

常见问题

我们名字很普通，同行同名的很多，是不是没救了

不是。撞名不是靠改名解决的，是靠补齐「可区分的字段」。客户不会只输入两个字——他会加城市、加行业、加一句「做不做 XX」。你要做的，是让 AI 在这些组合下都能把答案落到你身上，把地名、业务范围、编号、代表案例和公司名绑在一起写。

在官网上写「我们不是某某公司」，会不会显得很奇怪

写法上不必那么直白。常见做法是在介绍段里加一句范围限定：「我们只做 XX 地区的 XX 业务，与外地同名公司无关联」。这句话对人是解释，对机器是排他信号。前提是这句必须是真的。

我们没上过百科，也没有词条，怎么办

权威编号那一层，不做百科也能起步——统一社会信用代码、行业许可证号、备案号、协会会员编号，这些都是可核验的编号。有编号，就有「这一个」和「那一个」的区分依据。百科是加分项，不是入场券。

怎么确认自己是不是真的撞名了

别只搜一次。用「品牌名」「品牌名 + 城市」「品牌名 + 你最擅长的业务」「品牌名 + 一个代表案例」四组去问，看每组答案指向谁，隔一周再重测一次。撞名往往不是每次都出现，而是偶尔冒出来——单次检测看不出来。

延伸阅读

• AI 提到你的品牌就说错？先补一张「事实名片」
• AI 引用你之前，为什么会先查「这话是谁说的」？
• AI 用了你的内容，为什么没提你的名字？

AI 不需要知道你有多好，它先要知道你是哪一家。名字分不清，内容写得再好，也是在替别人写。

一家做装修的公司，网站上有全行业最好用的报价计算器。以前用户搜「装修报价计算器」，点进来用一用，顺手留个电话。这两个月，来的人明显少了——用户直接在 AI 里问，AI 在答案里当场生成了一个报价器，算完就走，连页面都没打开。

这不是个别现象。AI 已经能在答案里自己造界面了。

一、AI 开始在答案里自己造界面

2026 年 5 月，Google 在 I/O 上给出方向：搜索不再只是给一串链接，而是为这一次提问现场组装一个界面——交互式图表、对照表、图线、模拟器；遇到反复出现的任务，还会顺手编写一个可复用的小应用。

到了 8 月底，这套东西从 AI Mode 扩展到 AI Overviews，面向所有英文用户铺开。同期，OpenAI 在新一代模型上线后也走了同一条路：答案本身就可以是一个图表、一张对照表，或者一个计算器，直接在对话里造出来。

要抓住的关键只有一句：这些界面是为「这一次提问」临时生成的，用完即弃。它不需要你的网站，也不需要你同意。

二、它造出来的到底是什么

把这类生成界面的能力归一下类，无非是：

• 交互式图表、横向对照表；
• 模拟器——调一下参数，结果当场变；
• 计算器——输入几个数，出结果；
• 分步向导——跟着走一遍就能完成一件事；
• 临时小应用——把常见任务「顺手做出来」。

看出来了吗？凡是「把已知规则套一遍、算一遍、排一遍」的东西，它都能现造。而这类东西，恰好是很多企业官网上的主力页面。

三、哪些页面正在被「生成掉」

页面类型	用户原来为什么来	现在还来吗
通用计算器（贷款、面积、税费）	为了算出一个数	基本不来了，答案里当场就能算
参数对照表（A 和 B 比一比）	为了横向对比	多半不来了，AI 直接给表
筛选推荐器（按条件挑）	为了缩小选择范围	少了，AI 直接给候选清单
名词解释与行业百科	为了搞懂一个概念	更少了，答案里顺带解释
厂商自己的参数页	为了核准确的那个数	还会来——它算不出你的真实数据
带真实案例的页面	为了判断「这家到底行不行」	会来，而且比以前更关键

四、一个反直觉的数据

Google 自己的研究给了一组很值得琢磨的数字。在信息型提问的直接对比里，生成式界面大幅胜过传统的搜索结果页。但把对手换一个——换成「人工精心做好的网站」——生成式界面只拿到三成半，而人工网站拿到了一半。

这两组数字放一起，读法就很清楚了：它赢的是「界面 vs 链接列表」，不是「界面 vs 你」。一张排得干净的对照表，当然比十条蓝链接好读；但当一整个页面就是为这件事专门准备的，用户还是会选那个页面。

再补一个旁边的事实：出现 AI 摘要时，用户点开传统结果的比例大约只有不出现时的一半。也就是说，泛泛的页面正在被跳过，而这些页面的位置，正被「做得更专的那一页」接手。

五、AI 造不出来的三样东西

• 你的真实数据：它能把公式算得很漂亮，但算不出你的报价口径、你的库存、你的实测结果；
• 可核验的资质与记录：备案号、认证编号、检测报告的编号与有效期——生成式界面可以把样子做得很像，却没法凭空给你一个查得到的编号；
• 第一手的现场与过程：工地实拍、车间照片、项目交付记录、真实客户的原始口径，这些东西只能来自做过的人。

一句话：AI 会造界面，但界面里装什么，得你给。

六、把页面从「工具」改成「证据」

原来的做法	改成什么
做一个通用计算器	把计算背后的口径写成可核对的一页：用哪套标准、含哪些项、不含哪些项
做一个参数对照表	在对照表旁边标出你实测的数值，以及测试条件
做一个「选型推荐器」	把推荐逻辑写成判断标准清单，让 AI 和客户都能照着判断
堆一段段概念解释	换成真实案例里的具体数字和处理过程
把页面当成一个流量入口	把页面当成这件事的最终依据

常见问题

那我还做不做计算器、工具

做，但别把希望押在「用户必须来我这里用」。把计算规则、参数、口径公开成文字，AI 引用的就是这些；工具留着给已经找上门的客户用。两件事不冲突，但优先级要换过来。

我们不是大公司，没有独家数据怎么办

不需要独家。你的报价构成、交期、售后服务半径、返修记录，这些都是只有你有的东西。把已经发生的、能核的那部分写出来就够了，不必造数据。

生成式界面会不会把整个网站替掉

目前不会。同一份研究里，人工精心制作的站点在直接对比中仍然胜过它。被替掉的是「通用、可复现」的那一层，不是「只有你能提供」的那一层。

怎么判断我的页面属于会被替掉的那一类

问自己一句：这个页面的内容，一个没做过这行的人能不能照着公开规则算出来？能算出来，就有被生成的风险；算不出来——因为需要你的数据、你的记录、你的现场——就相对安全。

延伸阅读

• 页面里放着计算器，AI 为什么读不出一个数字？
• AI 答案里的链接，为什么开始分等级了？
• AI 引用你的时候，摘的是哪一段？

AI 会造界面，但界面里装什么，得你给。它算得出一条公式，算不出你手上那组数字。

一位做工业设备的市场负责人，前两天把「设备选型」页面从头重写了一遍：参数、认证、案例、常见问题全都补齐了。他拿给客户看，客户问 AI 一句「这类设备怎么选」，答案写得头头是道——可底下的链接，一个都不是他家。

他以为是内容不够。真正的原因在 2026 年 10 月 15 日：Google 把 AI 答案里的链接位置，重新排了一遍。

一、10 月 15 日，Google 改了 AI 答案里的链接位置

根据 Google 搜索团队的官方公告，这次改动有五项：

• 答案正文里的内联链接变多，而且位置比过去更靠前；
• 在部分答案的顶部新增一个区块，专门放「一到两个官方来源」（测试中），并附一句说明，解释为什么推荐这个页面；
• 新闻类轮播扩展到更多地区与语言，并优先展示用户自己设的「首选来源」；
• 答案底部的延伸阅读区改版，加了图片缩略图；
• 视频结果里，创作者和发布者的名字开始可以点（测试中）。

五项里，前三项是明说的测试或分区上线，只有新闻轮播那项被称作全球铺开。对做内容的人来说，真正改变规则的是第一条和第二条——链接不再是一串平铺的来源列表，而是被摆到了不同高度的位置上。

二、链接被分成三层

把这次改版后的版面画出来，就是这么三层：

• 最上面一层只放一到两个来源，专门给「一个页面就能把这件事办完」的问题；
• 中间一层是正文里的内联链接，位置前移、数量变多，它挑的是「能被单独摘出来当依据的句子」；
• 最下面一层是延伸阅读，相关但不是唯一答案。

过去做内容，只要「被引用」就算进门。现在进门之后还要看落在哪一层：同样是被引用，落在顶部那个专属区块里，和落在底部的缩略图卡片里，被点开的机会完全不是一回事。

三、为什么「综述型大页面」在这套分层里最吃亏

这几年最受欢迎的做法是「一篇写全」：把参数、选型、价格、售后、案例全塞进一个页面，看起来词覆盖最广。但在分层之后，这种页面往往只能在中间层和底层出现。

页面类型	旧逻辑里	新分层里
什么都写的综述长文	收录好，容易进来源列表	进不了顶层，多半落在底部延伸区
一次只讲一件事的任务页	看着流量小，不划算	正对顶部「官方来源」区块
参数与对照表页	只算补充材料	内联链接最常见的来源
带具体数据的案例页	不显眼	内联链接，也有机会上顶层
品牌首页	品牌词必到	和具体问题对不上，反而哪层都难进

四、Google 只给了一个数字，而且不是点击率

这次公告里唯一的数据是：设置「首选来源」的用户数，比年初增长了七倍以上。这个数字是真的，也经得起查——但它是功能采用率：有多少人打开了一个开关。它不回答「AI 答案是不是把更多点击送出去了」。

目前关于机制的独立证据，方向恰好相反：一项上千名参与者的预注册田野实验发现，被强制切到 AI Mode 的用户，点开外部网站的比例下降了近十九个百分点。而且 Google 至今没有在 AI 性能报告里提供点击数据，行业媒体的追问得到的回复是「会陆续增加更多指标」，但没有时间表。

把这两件事放在一起看，结论很清楚：被放进答案，和被点开，是两个不同的东西。前者你现在能优化，后者暂时只能观察。而在这次改版里，顶部那个「官方来源」区块，是少数几个明显抬高被点概率的位置——这也是为什么值得为它准备页面。

五、想进最上面那一层，页面要满足什么

按顶层的准入描述（「这一两个页面就能把这件事办完」），页面得长成这样：

• 一个页面只解决一个问题，不要把三件事塞在一起；
• 开头第一段就给出能直接拿去用的结论，别做铺垫；
• 关键数字带上口径和日期，让人能核；
• 页面本身就是动作的终点：报价、参数、流程、清单，能在这一页看完；
• 标题写成用户会问的那句话，而不是公司的产品名；
• 不要贪大——与其做「行业大全」，不如做「这一件事最准的那一页」。

六、三条容易走偏的做法

看起来对的做法	实际的问题
把一篇长文拆成十个短页	每页都太薄，谁都不是那个「能把事办完」的页面
在正文里堆满指向旧文的链接	内联链接挑的是能当依据的句子，不是链接数量
只盯住「被引用次数」这一个指标	分层之后，被引在哪一层比被引几次更重要
只发平台、不做自己的落地页	顶部区块指向的是页面，不是平台上的转发稿
等 Google 正式上线再动手	准入条件是页面质量，和区块是否上线无关

常见问题

顶部那个「官方来源」区块正式上线了吗

还在测试，而且只覆盖「一到两个来源就能把这件事办完」的那类问题。不建议专门为它改站，但「一个页面把一件事说准」本身值得做——无论有没有那个区块。

我们不是「官方」，还有机会吗

这里的「官方」不是资质，是「最能把这件事说准的那个来源」。一个把选型依据、参数口径、常见坑写全的厂商页面，比一篇泛泛的行业综述更像那个来源。

内联链接变多了，是不是该多加链接

不是。内联链接挑的是句子，不是链接数量。真正有用的是把关键结论写成有主体、有数字、有口径的独立句子。

点击数据到底怎么拿

短期拿不到平台口径，Google 至今不在 AI 报告里给点击数据。可以自己测：同一批问题跑多次，记录被引位置（顶部 / 正文 / 底部），再看自站落地页的到访变化，看趋势不看单点。

延伸阅读

• AI 可见度怎么测才准？查一次为什么不算数
• 同一个品牌，不同 AI 为什么引用不同页面？
• 客户搜你的品牌名，AI 为什么抢先下了判断？

链接的位置是分层排的，可被挑中的理由只有一条：这一页，真的把这件事说完了。

一位做企业服务的市场负责人，上周和客户开了个有点尴尬的会。他把自己做的 GEO 报告投在屏幕上：某平台里，品牌已经被推荐了。客户当场打开手机，同一句话再问一遍——答案里没有他。

两个人对着两块屏幕，谁也没说错。问题出在：他们都在用「查一次」的方式，去衡量一个本来就不稳定的东西。

一、先看三个让人冷静的数字

2026 年 10 月，有两篇研究把这件事说得很清楚：

• 一篇分析了 15.8 万条 AI 答案、46.8 万条引用，结论是：页面自身的属性只能解释同一站点内引用差异的约 2.8%，而引擎自己的检索行为能解释约 32%。换句话说，页面被引用，首先取决于「它有没有被搜到」。
• 另一篇发现，用精确网址去追踪被引页面，只能找回大约四分之一真正被引用的链接。剩下四分之三，你根本看不见。
• 还有一组一万条查询的重复测试：同一个问题在同一个平台反复搜，被引网址的重合度不到一成，其中两成多的搜索，两次结果完全不重合。

再加上一个更朴素的实验：让几百位志愿者把同一批问题跑上几千次，两次拿到完全相同的品牌名单的概率，低于百分之一。

把这些放在一起，结论只有一个：AI 引用是一个分布，不是一个名次。

二、为什么「查一次」这个方法不成立

左边的面板是大多数人的做法：问一次，看到答案里没有自己，就得出「没被引用」的结论。这是一次抽样，样本量是一。右边的面板是把同一批问题重复跑二十次——出现的次数加起来，才叫出现率。

还要区分两件常被混为一谈的事：被检索到不等于被采信进答案。有平台的实测是，三轮检索返回了约一百多条信源，最后写进结论的只有二十来条。你在候选池里，不等于你在答案里。

三、换一套能用的测法

把测法从「查一次看排名」换成下面这五项，数据立刻能对得上：

测什么	怎么测	看什么口径
品牌出现率	固定问题集，同一平台重复跑多次	出现次数 ÷ 总次数
口径一致性	抓取答案里对你的描述，与官网原文比对	名称、定位、数字是否同一个版本
被引来源分布	记录被引的域名，而不是精确链接	自有站点与站外来源分别占多少
竞品对照	同一批问题同时跑竞品	相对出现率，而不是绝对名次
变化趋势	固定周期重跑，把结论连成线	环比、月环比，不看单点

四、五类最常见的报告陷阱

如果你手上的 GEO 报告长成下面这样，先别急着下结论：

报告里的写法	问题在哪
「已优化，AI 已推荐」配一张截图	样本量是一，别人复现不出来
「当前排名第 3」	AI 答案不显示排名，这是从传统搜索搬来的指标
「收录 30 篇，全部被引用」	被检索不等于被采信，候选池和答案是两回事
「本页已被引用（附链接）」	精确链接追踪只能覆盖约四分之一，不是全量
「两周内没变化，说明无效」	采样次数不够，把正常波动当成了结论

五、给执行团队的最小可行口径

不用上工具，用一份表格就能跑起来：

• 固定二十个真实客户问题，别用行业大词；
• 每个问题、每个平台，至少跑三次；
• 每次记录三件事：有没有提到品牌、被引的是哪些域名、答案里对你的描述和官网是不是一个版本；
• 主指标只看两个：出现率、口径一致率；
• 每月重跑一轮，把结果连成线，看趋势不看单点；
• 把平台模型换代的日期一起记在案——模型一换，引用分布会动，别把它误判成内容出了问题。

一句话结论

页面的位置是引擎给的，品牌的记忆是事实给的。测出来的数字对不上时，先看清楚自己测的是哪一个。

常见问题

那到底要测几个平台、几次

起步可以这样：选两三个你客户最常用的平台，固定二十个真实问题，每个问题每个平台跑三次，一个月一轮。次数不够的时候，你看到的波动多半是噪声。

为什么不能直接看「排第几」

AI 答案不提供排名，它给的是「提到了谁」。把传统搜索的名次思维搬过来，测出来的东西没有对应物。要测的是出现率、被引来源和口径一致性。

我们报告里那几条被引链接怎么办

保留，但别当成全量。精确的链接追踪通常只能找回一部分被引页面，有研究给出的比例大约是四分之一。所以更该记的是被引的域名、以及答案里出现的实体，而不是那一条链接。

模型换代会影响我的数据吗

会，而且幅度可能不小。Google 的 AI Mode 模型在四个月里换过四次，一次模型更新曾让同一语言下的引用在两天内变化四成以上。看趋势时把模型换代的日期一起记下来，避免把模型变化误判成内容出了问题。

延伸阅读

• 同一个问题问两遍，AI 为什么给出不同答案？
• 同一个品牌，不同 AI 为什么引用不同页面？
• AI 一次回答只引几家，你在不在名单里？

能被反复查到的，才叫效果；只被查到过一次的，叫运气。

一位做工业除尘设备的老板，上个月做了一次挺有意思的测试。他把自己行业里最常被问的十二个问题，分别丢给豆包、DeepSeek、元宝和 ChatGPT，然后统计：AI 回答时，到底引用了哪些页面。

结果他有点懵——四个平台引用的页面，几乎没有一篇是重复的。有的是行业论坛的老帖，有的是某家媒体的测评，有的甚至是一份他从来没听说过的招标文件。

但另一个数据让他踏实了：四个平台的答案里，提到的品牌名高度一致，他家的名字出现在其中三个。

这不是个例。2026 年 9 月一项覆盖近六十万个提问的研究显示：跨引擎的被引用网址重合度只有约一成，但答案文本里的品牌名重合度接近七成。

被引用是引擎的事，被记住才是你的事

先把两个容易混淆的比例分开：

• 页面重合度低：同一个问题，两个引擎各自引用了完全不同的页面；
• 品牌重合度高：但两个引擎的答案里，说的是同一批品牌。

原因不难理解。每个 AI 平台有自己的索引来源、自己的抓取偏好、自己的重排逻辑——它们挑选「用哪一页作参考」时各查各的。但它们判断「这个品牌是谁、做什么、靠不靠谱」时，靠的是同一批公开事实：官网、百科、媒体报道、第三方目录。

所以你能稳定影响的那一层，是品牌被怎么描述，而不是哪一页被引用。

引擎之间，重合的到底是什么

左边这张网格代表「被引用的页面」，填充的格子很少——页面几乎不重合。右边代表「答案里提到的品牌名」，格子基本填满——品牌高度重合。Google 自家的两个入口也是同样的错位：AI 概览与 AI 模式的引用网址重合度只有约一角，域名级也只有一成六。

押注某一篇，为什么必输

很多团队的问题不是不努力，而是把力气用在了不稳的地方：

常见的做法	会得到什么
把预算全压在一篇「爆款」上	换一个引擎，这篇就不在引用范围里了
只优化自家官网	跨引擎的引用多数来自站外，官网只占一小块
各平台介绍口径不一致	品牌名一致，但描述互相打架，AI 挑最模糊的版本
只盯一个平台的数据	看到的是那个引擎的抽样，不是全貌
测一次就下结论	单次结果不可复现，会被误判成「没效果」

把「能稳定下来的那一层」做扎实

既然引来引去的是不同页面，就把功夫下在四个稳定的层面上：

层面	要写什么	写在哪
事实层	名称、成立时间、服务范围、资质编号，全网一个版本	官网、百科、第三方目录
表述层	一句话定位、核心数字、明确的适用边界	官网首屏、简介页
证据层	带统计口径的案例与数据，注明样本和时间	案例页、第三方报道
关系层	与机构、标准、生态的公开可查关系	关于页、资质页

一段可以直接照抄的品牌事实块

把这段话放在官网简介页和所有对外资料的开头，跨引擎的表述就统一了：

「XX 环境成立于 2016 年，专注工业除尘与车间空气治理，服务范围为华东地区，可提供上门勘测。截至 2026 年 6 月，累计完成 320 个车间项目，其中粉尘浓度治理项目平均验收合格周期为 14 天（数据来自 XX 环境内部验收记录）。不承接民用住宅除甲醛业务。」

名称、时间、范围、数字、边界都在里面。这段话说的是同一件事，无论哪个引擎来读，拿到的都是同一套事实。

发布前的自查清单

• 品牌全称、成立时间、服务范围，在各平台上是不是同一个版本；
• 核心数字（客户数、案例数、周期）有没有互相矛盾的地方；
• 有没有一句能概括你「是谁、做什么、不做什么」的定位句；
• 三个以上平台测同一批问题，看品牌名的出现率而不是单次结果；
• 被引用最多的页面是自家的还是站外的，站外那几篇有没有你的名字；
• 换一个引擎再测一次，结论是不是还成立。

常见问题

那还要不要做单篇内容优化

要做，但标准变了：不再是「这一篇能不能排上去」，而是「这一篇里有没有能被任何引擎摘走、并且带上品牌名的事实」。做到了，它被哪个引擎引用都算数。

只测一个 AI 平台够不够

不够。跨引擎的引用页面重合只有一成多，单平台数据基本就是那个引擎的抽样。至少覆盖你客户最常用的两三个平台，而且要看趋势，不看单次结果。

我们品牌在不同平台上的介绍本来就不一样，会有问题吗

会。品牌名一致不代表描述一致。当年份、服务范围、规模数字出现三个版本时，AI 通常会挑最保守、最模糊的那个版本，你最有说服力的说法反而落选。

小公司没有权威机构关系，关系层怎么写

关系层不等于抱大腿。公开可查的合作、授权、参与过的标准、长期客户所在行业，只要可核实就行。关键是写清关系类型（授权、服务、参与），别写成「战略合作伙伴」这种没法核对的词。

延伸阅读

• 同一个问题问两遍，AI 为什么给出不同答案？
• AI 用了你的内容，为什么没提你的名字？
• 内容发了也收录了，AI 为什么还是不引用你？

引用的页面会换，品牌的名字不能换。把口径统一成一套事实，AI 不管从哪一页读，读到的都是同一个你。

一位做室内空气治理的老板，前段时间收到朋友发来的截图。他在豆包里问「全屋除甲醛一般要多久」，AI 答得有模有样：「一般需要三到七天，视材料与通风条件而定。」

那组数字是他们家做了两年、回访了上百户攒出来的。可答案里没有一个字提到他们公司。客户看完只会觉得：这是行业常识。

这有个说法，叫「幽灵引用」——你的内容被当成素材用了，但署名没了。按 2026 年 10 月的一份行业统计，大约四成的 AI 引用，在正文里并不出现品牌名。

被引用，不等于被提到

要先分清两件事：引用链接和署名。

引用链接挂在答案旁边，点的人极少；正文里的那句话才是客户真正读到的内容。AI 在生成答案时，摘走的是「事实」，不是「来源」——数值、结论、判断标准最容易被带走，主语和出处最先被丢掉。

更麻烦的是，如果你的句子本来就写成通用陈述（「行业里一般是三到七天」），那它谁都不属于，被摘走之后自然也就和你没关系了。

一句话里，AI 会摘走哪几块

把上面这句话拆开看就很清楚：主体和依据被丢掉，数值和结论被带走。所以真正的解法不是多写，而是把名字挪到数值和结论身边。

名字会被摘掉的三种写法

下面几句都常见，也都留不住署名：

常见的写法	摘走之后剩下什么
「行业内全屋除甲醛一般三到七天」	一句通用常识，与你无关
「我们服务过很多客户，效果广受好评」	没有任何可摘的事实，整段被跳过
「XX 公司成立于 2010 年，坐落于某某市」	被带走的是年份和地名，不是能力
「点击咨询，获取详细治理方案」	一个动作指令，没有答案
「据某研究报告显示，通风可以有效降低甲醛」	署名机会留给了那份报告

把名字绑在事实上的四种写法

原则只有一条：让名字和事实处在同一个句子里。下面是四种可以马上用的句式：

句式	例子	为什么有效
主体 + 数值	XX 环境实测 42 户，平均三到七天	数值被摘走时，名字跟着一起走
主体 + 判断	XX 环境建议，南方梅雨季延长到十天	观点有了可归属的人
带口径的数据	数据来自 XX 环境 2026 年 6 月的内部回访	可核验，机器更敢引用
写明参与关系	该项标准由 XX 环境参与起草	借第三方场景把自己的主体带进去

一段可以直接照抄的改写

把开头那句「通用常识」改成下面这样，署名就跟得住了：

「XX 环境 2024 到 2026 年对 42 户住宅做过回访，全屋除甲醛在自然通风条件下平均需要三到七天；南方梅雨季因湿度高，XX 环境建议延长到十天左右。以上为中等装修污染水平的统计结果，重度超标需单独评估。」

句子变长了，但事实密度并没有降低，反而多了主体、样本量、时间范围和适用边界。AI 摘走任何一句，你的名字都在里面。

发布前的自查清单

• 把最能说明专业度的那组数据，检查一遍有没有写主体；
• 关键结论句是不是「我方认为」而不是「大家都认为」；
• 引用外部资料时，有没有写清是谁、哪一年、什么口径；
• 有没有「据某报告显示」这种把署名让出去的写法；
• 数值、结论、主体是不是出现在同一句话里；
• 前三十个百分点中，有没有一句能被单独摘走并带上名字。

常见问题

只要被引用就行，提不提名字有那么重要吗

引用链接通常躺在侧栏，而 AI 摘要里的来源链接点击率极低（Pew 的观察是个位数百分比）。客户真正看到的是正文里的那一句话。名字不在那句话里，你就只出了素材，没拿到信任。

把公司名硬塞进每句话，会不会显得像广告

硬塞会。「XX 环境实测 42 户，全屋除甲醛一般 3 到 7 天」和「行业里一般是 3 到 7 天」信息量一样，但前者可归属、可核验，读起来也不像广告。区别在于名字是不是事实的一部分。

我们不方便公开客户数据，怎么让名字跟得住

公开统计口径就够了，不必公开原始数据。写清样本来自哪一类客户、统计区间、口径边界，比一句笼统的「服务过很多客户」有用得多，也安全得多。

引用第三方报告的数据，我们该怎么署自己

写清「谁发布的、哪一年、什么口径」，并在同一句里说明你与它的关系（参与起草、采用该方法、在此基础上扩充样本）。只写「据某报告」，等于把署名的机会让给了别人。

延伸阅读

• AI 提到你，客户为什么还是不选你？
• AI 引用你之前，为什么会先查「这话是谁说的」？
• AI 引用你的时候，摘的是哪一段？

被引用是机器看见了你，被提到才是客户记住你。别让自己的数据，替别人做嫁衣。

一家做旧房翻新的公司，官网最受欢迎的功能是一个「装修报价计算器」：用户填面积、选城市、勾选项目，两秒钟出一个预算数字。客服反馈说，很多人就是玩着玩着就留了电话。

可他们发现一件怪事：客户在 AI 里问「旧房翻新大概多少钱一平」，AI 从来不提他们，甚至连一个大致的价格区间都给不出来。

原因很简单：那个数字只在用户的浏览器里存在过。

AI 看到的不是页面，是页面里的文字

抓取器拿到的是你页面的源码。对计算器这类工具来说，源码里通常只有几个输入框、一个按钮，和一段负责计算的脚本——真正的结果要等用户点击之后才被渲染出来。

而主流 AI 爬虫基本不执行 JavaScript。所以它抓到的，是一张还没有被填写的空表单。你辛苦做的工具，在它眼里是一片空白。

值得注意的是，Google 在今年 10 月的文档更新里明确了一件事：正文（main content）不只是文字，计算器、在线工具、筛选器这些能直接完成页面目的的功能元素也算。换句话说，工具本身是被承认的内容形式——前提是，机器能理解它。

工具页的四层，AI 只读得到其中三层

只需要在工具上下补三样静态文字，可读的那三层就齐了。代价很小，收益是让工具第一次有机会被外部引用。

把工具算出来的东西，搬到页面上

下面五项都是静态文字，不依赖任何脚本，写一次就能长期用：

写在哪	写什么	例子
工具上方	这个工具适用于什么情况	适用于毛坯房全屋预算，老房翻新另计
工具下方	一句结论，含单价区间和口径	按建筑面积算，160 到 220 元每平米，含材料
工具的规则	算法依据的静态规则，不是某次结果	厨卫单算，不含家电与软装
结果旁边	允许复制的一段文字结论	90 平米毛坯估算约 1.7 到 2 万元（示例口径）
页面底部	客户问得最多的五个问题	全包和半包差在哪？多久能完工？

三种「白做了」的写法

这几种做法不是错，而是在 AI 这一侧几乎没有产出：

常见写法	AI 读到什么
「点击下方按钮，一键估算你的装修费用」	一句引导语，没有数字
整页只有一张图片版报价单	图片里的数字读不到，除非旁边有对应文字
结果只出现在弹窗里，关闭即消失	抓取时弹窗并不存在
「具体价格请咨询客服」	等于告诉机器：这里没有答案

一段可以直接照抄的写法

把工具下面那段备注，改成这个结构就够了：

「装修预算估算器：按建筑面积计算，毛坯全屋 160 到 220 元每平米，含主材与基础施工；老房翻新因拆改量增加，一般在 240 到 320 元每平米。厨卫按间单算，不含家电与软装。以上为常规户型参考区间，实际以现场测量后的报价单为准。90 平米毛坯估算约 1.7 到 2 万元。」

这段话里没有一句脚本，但把计价单位、区间、口径、不含项、参考案例全部交代了。客户问「一平多少钱」，AI 有得可答；客户问「老房贵多少」，AI 也有得可答。

发布前的自查清单

• 关掉 JavaScript 打开页面，还能看到几个数字；
• 工具下面有没有一句带区间的静态结论；
• 计价规则写没写（按面积、按项目、按间）；
• 不含项写没写；
• 报价单是不是只有图片版；
• 页面底部有没有高于五条的真实问答。

常见问题

计算器是我们花大价钱做的，还要再写一遍文字，不是重复劳动吗

不重复。计算器解决的是「人在页面上自己算」，文字解决的是「AI 替客户说出答案」。工具旁那段结论本来就是给你们自己看的内部口径，写出来只是顺手公开而已。

把价格区间写在页面上，客户会不会只看数字就跑了

只写数字会跑，写数字加口径就不会。把「含材料、按平方、老房另计」一起写清楚，客户看到的是范围和方法，而不是一个更容易被比价的裸价。

我们工具的结果是实时算的，没法写死

不用写死结果，写规则就够了。「按面积 160 到 220 元每平米」这条规则永远是静态的，AI 需要的是规则，不是某一次计算的结果。

工具页要不要加 FAQ 结构化数据

可以先加，但别指望它单独起作用。真正决定能不能被引用的是页面上有没有可摘取的静态事实；标记只是把已有事实声明得更清楚，事实本身没有，标记也是空的。

延伸阅读

• AI 爬虫分三种，你 robots.txt 里挡的是哪一种？
• 客户问「这个型号量程多少」，AI 为什么说错了？
• AI 引用你的时候，摘的是哪一段？

工具用来留住人，文字用来留住机器。客户在你页面上算得出来，AI 才可能在别处替你说得出来。

一位读者发来一张截图。有人在 AI 里问「XX 服务多少钱」，AI 回答里引用了他们官网的一句话，还带了链接。他本该高兴，可引的那句是：「未来我们还会继续努力，为客户提供更好的服务。」

文章里他认真写的报价区间、服务范围、不接的情况，一个字都没被提到。

这不是运气问题。AI 引用内容的基本单位，是段落，不是整篇。它挑走哪一段，取决于那一段自己能不能单独成立。

AI 不是读懂了整篇，是按「段」抽的

从检索到回答，中间有一条抽取链路：先找出相关页面，再从页面里抽出可以直接用的片段，最后拼进答案。被抽走的对象是 passage——一小段能独立承担意思的文字。

这就解释了两个常见现象：一是引用常常集中在文章靠前的位置或中段，因为那里的段落更容易被单独取用；二是同一篇文章，有的句子反复被引用，有的句子像是从来没存在过。

换句话说：你精心写的观点，如果它被埋在一大段里，它就和「没写」差不多。

同一篇文章，两种写法，结果差在这

左边那版内容并不是没信息，问题是所有信息被裹在叙述里，机器读完找不到一个可以整段拿走的答案。右边那版，每一段本身就是一问的答案。

什么样的段落会被摘走

把下面几条对着自己的文章过一遍，多数问题一眼就能看出来：

特征	为什么	例子
首句就是结论	抽取器往往直接取段落开头	「报价按平米计，200 到 400 元」，而不是「关于报价，我们是这样考虑的」
段落自洽	不依赖上一段也能读懂	不写「如上所述」「该部分」这类指代，写清是谁、什么型号、什么条件
带具体事实	可核对的内容才敢被引用	「48 小时内到场」「不含主材」，而不是「响应迅速」「性价比高」
一问一段	一段塞多问，每问都抽不全	价格、资质、案例分三段写，别挤在同一个自然段里

改前改后，对着抄一遍

最省事的做法，是把段落的结论从句尾提到句首，再补上主语和口径：

改前	改后
「关于服务范围，我们经过长期布局，目前在华东地区已经形成了一定的覆盖能力。」	「服务范围：华东六省。下单后 48 小时内到场，偏远地区另议。」
「价格方面，我们一直坚持合理定价，具体根据实际情况核算。」	「报价：按平米计，200 到 400 元。含设计费，不含主材。」
「我们非常重视客户体验，所以对不适合的订单也会坦诚相告。」	「以下情况不接：电路未改造的老房。可以先免费看现场再定。」

意思没变，信息量没变，但每一段都成了可以被单独拿走的一句话。

H1 之后的那几十个字，单独写

还有一个位置值得单独处理：标题下面、正文开始的第一段。它最容易被整体抽取，所以最好写成一段能独立成立的定义——不看上文、不看下文，也知道这篇文章讲的是一件什么事。

「本文讲的是中小企业做 GEO 时，内容段落该怎么写。核心结论是：AI 按段落抽取答案，每一段都要能脱离上下文单独成立，首句最好直接给结论。下面给出判断标准和改稿方法。」

这段话没有任何修辞，但它把主题、结论、阅读收益一起交代了。对读者是导读，对机器是一段现成的答案。

改稿的三个动作

• 拆段：超过五行的段落，按「一问一段」拆开；
• 前置结论：把段末那句结论移到段首，后面再解释；
• 补主语和口径：把「我们」「该产品」换成具体的对象和条件。

发布前的自查清单

• 随便挑三段，单独拿出来能不能读懂；
• 每段的首句，是不是结论或答案；
• 有没有「如上所述」「该部分」这类离开上下文就失效的指代；
• 有没有超过五行的段落；
• 一段里是不是塞了好几个问题；
• 标题下第一段，是不是一段能独立成立的定义。

常见问题

我们文章本来就是分好段的，还需要改吗

分段不等于可摘出。常见的问题是：每段都在铺垫，结论埋在段末；或者段落里全是「我们」「该产品」这类指代，离开上下文就看不懂。机器要的是一段能单独拿出来当答案用的文字。

每段都先给结论，读起来会不会很生硬

专业文档本来就是这个写法——先结论、再解释、后论证。结论前置不影响后面的展开，反而让匆忙的读者和机器都更快抓住重点。

一段到底写多长合适

手机上超过五行就算长了。经验值是三到五行：首句给结论，后面一到两句补充条件或口径。再长就应该拆开，或者写成列表。

这些改动要不要重新发布、会不会影响已有的收录

不需要改 URL，也不需要重建页面，直接编辑正文就行。改完之后顺手更新一下页面的更新时间，让机器知道内容变了。

延伸阅读

• 客户只问一句，AI 为什么拆成十几个问题去搜？
• 客户问「这个型号量程多少」，AI 为什么说错了？
• 数据、引用、引述都加了，AI 为什么还是没提你？

AI 不会引用一整篇文章，它只引用一句话。你要做的，是让那句话，正好是你最想被引用的那句。