AI 引用到底看页面结构还是域名权重？9.6 万个 URL 的 43 项因子排序

结论先说：域名强弱解释不了 AI 引用的大部分差异，真正能动手改的是站点内部那几项结构特征。

「域名权重不够，做什么都没用」是这两年 GEO 讨论里出现频率很高的一句话。它听上去像经验，其实是一个可以被数据检验的判断。

2026 年 10 月，德国搜索分析机构 SISTRIX 公布了目前单窗口样本最大的一次对照：把被 AI 引用过的页面和同一域名下没被引用的页面放在一起比。

现象与数据：9.6 万个 URL 排出的因子表

一句话结论：被 AI 引用更多的页面，共同点集中在结构层，而不是外链规模。

这次研究的样本是 96,418 个 URL、17,380 个域名、43 项页面特征。基座是 2026 年第二季度被 ChatGPT、Google AI Mode 和 AI Overviews 引用过的 48,527 个页面，平均每个平台约 16,000 个。

方法是对照：每个被引页面，配一个同域名内没被引用的页面。系数 1.0 表示没有差异，1.7 表示带这项特征的页面被引频次约为对照组的 1.7 倍。

排在前面的几项是：带跳转锚点的目录 1.7、Article schema 1.6、至少 5 个 H2 标题 1.6、FAQPage schema 1.5、带表头的表格 1.5、正文超过 1,000 词 1.5。

再往后是作者框含照片 1.4、可见的更新日期 1.3、至少 10 条外部链接 1.3、页面顶部有短摘要 1.3。这份样本里，中文站几乎占不到位置，但结构逻辑是通用的。

机制一：结构因子更像是「有人在维护」的代理信号

一句话结论：目录锚点、schema、作者框本身不产生内容价值，它们标记的是一篇被认真维护过的页面。

目录锚点：1.7 倍，但只有 14% 的页面有

带跳转锚点的目录排在因子表头位，而样本里只有 14% 的页面做了这件事。这个低覆盖率本身就是信号：愿意给长文加锚点的人，通常在别的地方也不省事。

Article 与 FAQPage schema：1.6 与 1.5

Article schema 系数 1.6，在 AI Overviews 里升到 2.0。FAQPage schema 是 1.5。要注意作者自己写明：更早的小样本测试里，FAQPage 的结论方向并不一致。

作者框与更新日期：1.4 与 1.3

作者框含照片 1.4，可见更新日期 1.3，在媒体类站点里更新日期升到 1.9。两项都指向同一件事：这篇东西有人署名、有人负责、有人复核过。

机制二：先被检索到，才谈得上被引用

一句话结论：引用是两步动作，检索在前、生成在后，结构改的是前一步的通过率。

同一时期另一份预印本（arXiv:2610.15033）给了佐证：158,099 条答案、468,037 条引用的样本里，100.0% 的被引页面都先被检索到过。

同一份研究还拆了差异来源：站点与站点之间只能解释 9% 到 13% 的引用变化；站内层面，检索解释 32%，页面属性只解释 2.8%。

这组数字的意思是：真正决定成败的是「这段话有没有被检索命中」，而不是「这个域名有多响」。域名强只让你更容易进检索池，进池之后仍要按段落竞争。

机制三：同一套特征，三个平台权重不同

一句话结论：因子表不能照抄，先看你主攻哪个平台，再决定先补哪一项。

ChatGPT：问句式标题 1.9、带表头表格 1.8

ChatGPT 明显偏好问句形态：标题写成问题的页面被引 1.9 倍，H2 写成问题的 1.6 倍，表格带表头的 1.8 倍。

AI Mode：目录与至少 5 个 H2，各 1.8

Google AI Mode 更看重长文骨架：目录锚点和至少 5 个 H2 标题，两项都是 1.8 倍。它读的是一篇能不能被切成几块。

AI Overviews：Article schema 2.0，Product schema 0.5

AI Overviews 对 Article schema 最强，到 2.0；对 Product schema 反而最弱，只有 0.5。同一个标记，在不同位置可以是加分项，也可以是减分项。

反直觉：llms.txt 挂得越多，被引比例反而越低

结论与行业说法相反：llms.txt 在这份样本里没有可测的引用效果，被引站点的挂载率还低于全样本。

过去一年 llms.txt 被当成 GEO 的标配动作，不少服务方案里它是必做项。这份样本给出的数字是：被引 URL 里 11.7% 来自挂了 llms.txt 的域名，而全样本域名中有 14.0% 挂了。

Google 官方在 2026 年 7 月更新的指南里也写明，llms.txt 不用于 Google 搜索，AI 功能不需要特殊 schema 标记，也不建议把正文切块喂给模型。

这不等于「做了有害」。它成本低、对其他系统可能有意义。但它不该被写成「提可见度的抓手」，更不该占掉本该拿去做页面结构的工时。

几项同样没有可测效果的还有：可读性分数 1.03（不显著）、Breadcrumb schema 1.0、HowTo schema 1.0、QAPage schema 1.0。Product schema 整体 0.8，电商站内只有 0.6。

分站点类型：同一张因子表，五种读法

一句话结论：因子表要按自己的站点类型重排，品牌站和电商站该补的完全不是同一项。

站点类型	有效因子	解读
品牌与企业站	Article schema 1.6、FAQ schema 1.6	把答疑内容做成文章，把客户真问过的问题写进页面
媒体与出版	目录 2.5、更新日期 1.9	长文加锚点，把真实修订日期露出来
电商站	更新日期 0.7、Product schema 0.6	两项都偏低，该补的是带 Article schema 的选购内容
SaaS	Product schema 1.7	把功能与计价方式写清楚，让页面像一个产品页
百科类	整体无效果	权威来自站外，站内结构改不动结果

叠加效应也值得记一笔：同时满足多项特征的页面，被引频次是几乎没优化页面的 2.1 倍。但只有 10% 的被引页面达到这个水平，多数页面只做到一两项。

页面自查怎么做：5 步操作清单

1. 先确认能被抓：用站外工具模拟抓取主推文章页，返回 200 且正文完整才算过关；被 JS 挡住的内容，后面几步都白做。
2. 补目录锚点：给 1,500 字以上的文章加带跳转的目录，锚点用英文短横线，别用中文标题直接当 id。
3. 加 Article 与 FAQPage 标记：Article 覆盖标题、作者、发布与修订时间；FAQPage 只标页面上真实可见的问答，别把没展示的问答塞进标记。
4. 改标题形态：主攻 ChatGPT 的，把 H1 和部分 H2 改成用户的原话问句；主攻 AI Mode 的，让一页至少覆盖 5 个 H2。
5. 留署名与日期：作者框放真名与照片，页面显示最近一次实质修订的日期——只改错别字就别动这个日期。

常见问题

域名权重低是不是就做不了 GEO？

不是。这份样本里站点间差异只解释 9% 到 13% 的引用变化，站内检索解释 32%。域名弱意味着进检索池更难，但进池之后是按段落竞争的，结构做对了仍有位置。

加了 Article schema 就能被 AI 引用吗？

不能这么理解。1.6 是相关性系数，不是因果结论。它标记的是「这篇被认真维护过」，页面内容本身答不上问题，标记不会替你答。

llms.txt 到底要不要做？

成本低可以顺手做，但别把它写进效果承诺。这份样本里它没有可测效果，Google 也明说不用于搜索。它更像是给人看的说明文件，不是提权手段。

文章写多长才够？

样本给出的分界线是 1,000 词，系数 1.5。但作者提示这一项很大程度是结构带来的副产品——写够长度往往意味着章节齐、H2 多。别为凑字数注水。

目录锚点为什么会影响到引用？

两个可能：一是它让一篇长文能被切成可独立取用的段落，检索命中率更高；二是它标记了编辑投入。作者本人倾向后者，但没做因果验证。

不同 AI 平台要分开优化吗？

主体工作重合，边际调整不同。中文场景里豆包、DeepSeek、千问、元宝的信源结构差异，比 ChatGPT 与 AI Mode 之间的差异更值得单独看。

数据与来源

• SISTRIX，GEO-Mythen im Datencheck: Was 96.418 URLs über AI-Citations verraten，2026-10-22 发布、2026-10-28 更新，样本 96,418 个 URL / 17,380 个域名 / 43 项页面特征，基座为 2026 年第二季度被引的 48,527 个页面。原文
• taismo，Optimize Your Website for AI Search: What Google Says and What 96,418 URLs Show，2026-11-01 更新，含因子表与分站点类型拆分。原文
• Chen & Koudas，arXiv:2610.15033，158,099 条答案 / 468,037 条引用，站点间差异 9%-13%、站内检索 32%、页面属性 2.8%、被引页面 100.0% 先被检索。引述
• Google Search Central，Optimizing your website for generative AI features on Google Search，2026-07-10 更新。原文

边界与不适用

一句话结论：这套结论有明确适用面，跨过样本边界就要打折。

样本来自德国、奥地利、瑞士三地，不含中文站点。它更像一个成熟市场的强信号，不能当成本地基准线直接用。

平台覆盖也不全：Perplexity、Claude 与 Gemini App 不在样本内。国内豆包、DeepSeek、千问、元宝的信源结构另有逻辑，别把这份因子表整套搬过去。

研究本身只证明相关性。目录锚点很可能是「编辑认真」的代理变量，真正起作用的是认真，而不是目录。指望只加一个目录就改变结果，大概率会失望。

另外，灵曦 GEO 在做站点结构审计时也会踩到同一类坑：客户站点内容量很大，H2 却只有三四个，一段两百多字把三个论点搅在一起。这类页面即使外链很强，也很难被切成可用的答案。

结语

域名强弱是存量，结构是变量。存量改不动的时候，变量就是唯一还能动的东西。

想先看清自己站点卡在哪一层，可以从页面被引用前的八级流水线那篇开始，按层对照一遍；结构化标记与引用的关系，在两份结论相反的研究里也有更细的拆解。

需要一套按站点类型排好优先级的诊断，可以看灵曦 GEO 的生成式引擎优化服务，里面写了每一步交付什么、怎么复核。

河南灵曦文化传媒有限公司 · 灵曦 GEO