一个做 GEO 两年的服务商被问到同一个问题：「我内容质量不错，为什么 AI 引用率还是上不去？」他列了十几条自查项，全对——结构化、来源标注、内容深度，一条不落。真正缺的那个维度，他一个都没数过。
2026 年 6 月，Growth Memo 团队对一批典型查询的 top-10 自然结果做了逐页扫描，发现了一个让 GEO 从业者不舒服的数字：全网平均每个页面只有约 4 个独特数据点，而 AI 引用倾向出现在数据点数量 15 个以上的页面上。
这不是「多写点」的问题。这是密度问题。
一、引用线在 15，全网平均在 4
Growth Memo 的信息增益评分模型，把「独特数据点数量」作为核心输入之一。独特数据点的判定标准是：这个数据在同查询的其他结果里找不到。如果你的五个数字和竞品五个数字一样，信息增益贡献几乎为零。
| 数据点密度 | 信息增益分 | 对应位置 |
|---|---|---|
| 15 个以上 | 62.1 | AI 引用线（高引用区间） |
| 约 4 个 | 40.2 | 全网 top-10 自然结果平均 |
| 1 个及以下 | 40.2 | 低密度底线（与 4 个同分） |
值得注意的是：1 个及以下和 4 个是同分的（都是 40.2）——说明密度有最低门槛，过了门槛之后才进入区分区间。真正的引用线在 15，而全网平均在 4，差近四倍。
二、Princeton GEO-bench：四类策略效果排序
Princeton GEO-bench 是 2026 年引用提升幅度最完整的对照实验，四类 GEO 策略的实测效果：
| 策略 | 引用提升幅度 | 常被误判的原因 |
|---|---|---|
| 专家引述 | 41% | 「没有专家没法做」——其实是访谈形式不限 |
| 统计数据 | 33% | 「数据太旧」——新数据不是必须，密度才是 |
| 流畅度 | 29% | 「写得好就行」——但流畅度是放大器不是独立杠杆 |
| 权威引用 | 28% | 「排第四不重要」——和数据叠加是乘数不是加数 |
最容易忽略的是叠加效应：同时有数据加来源的页面，AI 可见度比两者都无的高 30% 到 40%。权威引用单独看排第四，但它是数据密度的乘数，不是并列选项。
Digital Applied 对 1000 条 AI Overviews 的分析独立验证了这一点：带命名来源的页面，被引用概率是无来源的 2.1 倍。
三、冷启动实验：第三方 listicle 贡献 85.8%，PR 稿只有 0.2%
Search Engine Land 2026 年 9 月 14 日发布了两个对照实验（775 条引用事件加 437 条源提及），其中冷启动实验跟踪了一个零基线品牌在 6 个平台 30 天的引用记录：
| 渠道类型 | 源提及占比 | 信任层级说明 |
|---|---|---|
| 第三方 listicle | 85.8% | 独立佐证——AI 把「别人关于你的陈述」放在最高信任层 |
| 品牌自有 listicle | 14.0% | 半个自我陈述——进了候选池，但信任层级低于第三方 |
| PR 稿 | 0.2% | 自我陈述——做渠道扩散可以，做信任建设不行 |
核心逻辑：「引用」是别人关于你的陈述，不是你自己说的话。自己的来源让你进候选池，别人的第三方页面才把候选池变成引用。0.2% 不是「没用」，是「不能当主要信任来源」——PR 稿的职能是扩散，不是建立信任。
四、页面位置：前 30% 拿走 44.2%，尾部几乎没人在读
Ahrefs 对 18,012 条 ChatGPT 引用的位置分析，发现了一个被叫作「雪道分布」的现象：
- 44.2% 的引用来自页面前 30%——AI 在开头密集采样，因为检索层的摘要层只截取前段
- 页面中部（30-90%）：引用分布相对均匀，是「慢速阅读区」
- 最后 10%：仅 2.4% 到 4.4%——你放在结尾的「总结」段落，AI 基本没在采样
实操推论：每个核心段落写成「结论在前，解释在后」，而不是「铺垫在前，结论在后」。如果你的关键数字藏在第 8 段，检索层拿到的摘要还是旧的，模型认不出你更新过。
五、两个「看起来有用但实测无效」的误判
Chen & Koudas（arXiv:2610.15033，2026-10-10）用 158,099 个答案、468,037 条引用做了站内比较，结论有两个值得写进自查清单的误判：
- FAQ 块、结构化数据、摘要框、作者框、页面速度——站内均不显著（只有跨站比较时才显著）。「这招在这站没用」不等于「这招无效」，但它解释了为什么很多「照做但没效果」的案例
- 引擎自身检索解释 32% 的引用差异，所有页面属性合计只解释 2.8%（约 11 倍差距）。先确保被检索到，再谈页面技巧
Semrush 的 1885 页 Schema 对照实验补充了另一半：单纯部署 Schema 标记，引用提升约等于零。Schema 是前提条件（让 AI 知道这是结构化内容），不是独立杠杆（加了 Schema 引用率不会自动上涨）。
六、常见问题
「独特数据点」到底怎么算，写五个数字就算五个吗？
不算。独特数据点的判定是「这个数在同一个查询的其他 top-10 结果里找不到」。如果你的五个数字和竞品五个数字一样，那在信息增益评分里贡献几乎为零。实操上先跑一遍目标查询，把 top-10 的数据点全列出来，你的内容里出现它们没有的数字、时间、案例才计入。这就是为什么「全网平均只有 4 个」——大家都在抄同一批数据。
Princeton 说权威引用是第四位（加 28%），是不是说不用费心堆引用了？
不是，是排序问题，不是重要性问题。四类策略叠加时，同时有数据加来源的页面 AI 可见度比两者都无的高 30% 到 40%——引用单独看排第四，但和数据一起用是乘数不是加数。Digital Applied 的 1000 条 AI Overviews 分析也验证了这一点：带命名来源的页面被引用概率是无来源的 2.1 倍。正确理解是：先做数据密度（加 33%），再加来源（再加 28%），两个一起做拿到复合效应。
第三方 listicle 贡献了 85.8% 的源提及，自己发 PR 稿只有 0.2%，怎么办？
冷启动实验（Search Engine Land，2026-09-14，775 条引用事件）把这三档分得很清楚：第三方 listicle 85.8%，品牌自有 listicle 14.0%，PR 稿 0.2%。核心逻辑：AI 把「别人关于你的陈述」和「你自己说的话」放在不同的信任层级。PR 稿是自我陈述，品牌 listicle 是半个自我陈述，第三方 listicle 才是独立佐证。实操上：先让第三方平台有你的内容（哪怕只提品牌名），再让品牌自有内容做深度分析，最后 PR 稿只做渠道扩散不做信任建设。0.2% 不是「没用」，是「不能当主要信任来源」。
44.2% 引用来自页面前 30%，我的内容结构要全改吗？
不是全改，是前置。把核心结论、关键数字、可独立摘录的定义句放在每段的开头而不是中间，让 AI 在前 30% 就能拿到完整判断。Ahrefs 的「雪道分布」数据显示：最后 10% 只贡献 2.4% 到 4.4% 的引用——放在页面结尾的「总结」段落，AI 基本没在采样。实操：每个核心段落写成「结论在前，解释在后」，而不是「铺垫在前，结论在后」。
延伸阅读
密度不是字数，是「别人没有的数字」。引用线在 15，全网平均在 4。先把数据密度补到线以上，再谈其他杠杆——因为其他杠杆的乘数效应，是建立在「你过线了」这个前提上的。