AI引用的57%来自品牌官网：信源事实与47%免费点评

先说结论：AI 回答你的客户时，引用的内容里 57% 指向品牌自己的官网——不是媒体稿，不是 Reddit，也不是 YouTube；与此同时，约 47% 的 AI 搜索回答会自作主张加上你没请求过的编辑性内容：比较、观点，甚至排名。这两个数字放在一起，指向两件事：官网是你能直接控制的最重要信源，但它只管"事实对"，管不了"评价好"。

把这两件事分开处理，比把预算全押在发稿上有效得多。

现象与数据：57% 与 47%，先把口径看清

结论：Profound 基于 118 亿数据点的分析显示，AI 引用中 57% 来自品牌官网，同时约 47% 的回答里模型会自行合成比较与排序。

这组数据来自 Profound 基于 118 亿数据点的分析（WARC 于 2026-09-01 报道，AI cites brand websites more than press, Reddit or YouTube）。

核心发现有两条：其一，全球 AI 引用中 57% 指向品牌官网，不同引擎之间差异明显——ChatGPT 为 47%，Gemini 则高达 69%；其二，约 47% 的 AI 搜索回答包含未经请求的编辑性内容，典型形式是对品牌的比较、观点输出和排名。

此外，分行业看，第三方媒体报道类信源的依赖度从医药生物的 59% 到政府/非营利机构的 15.9%，跨度非常大。

维度	数据	口径说明
AI 引用指向品牌官网的占比	57%	ChatGPT 47%，Gemini 69%，全球范围统计
AI 回答含未经请求的编辑性内容	约 47%	比较、观点、排名等形式
第三方媒体报道类信源依赖度（高）	医药生物 59%	行业间差异显著
第三方媒体报道类信源依赖度（低）	政府/非营利 15.9%	行业间差异显著

这组数字为什么重要？因为很多企业默认"AI 引用的是新闻稿和媒体平台"，于是把全部精力放在投放稿件上。但数据显示官网才是被引用最多的信源——同一个分析里，媒体稿和社交平台的占比都排在官网之后。如果官网的事实层是空心的，等于把最容易被引用的那块阵地让了出去。

机制一：为什么官网能压过媒体稿，成为占比最高的信源

结论：官网能压过媒体稿，是因为生成式回答需要可逐条核对的事实页兜底；媒体稿与第三方平台侧重叙事与评价。

生成式回答有一个硬约束：模型需要权威、可验证的事实页兜底，才能把一个产品或服务讲清楚——参数、适用范围、价格口径、服务边界，这些内容要"有据可依"才能被组织进回答。

而全网范围内，事实密度最高的地方恰恰是品牌官网：只有官网会系统性地罗列产品规格、服务流程和官方口径。媒体稿重在叙事和时效，第三方平台重在讨论和口碑，它们提供的是"背景"和"评价"，而不是可逐条核对的事实。

这就是官网在引用占比上高于其他信源类型的结构性原因。按信源梯队来理解，官网承担的是事实底座的角色，媒体报道和社区讨论则提供佐证与背书，两层缺一不可——我们在EEAT 与信源梯队一文中对此有过更细的分层。

机制二：47% 的"免费点评"从哪来

结论：近一半的 AI 回答里，模型会在陈述事实之外自行合成比较与排序，这类「免费点评」并非品牌或媒体给出的内容。

另一半现象更让人不安：近一半的 AI 回答里，模型会在陈述事实之外，自己合成比较和排序。这些评语不是从你官网上抄来的，也不是某篇稿子里的原话，而是模型基于全网语料中的口碑内容、榜单文章和对比评测，重新组织出来的判断。

换句话说，模型的"点评"来自它见过的所有关于你的讨论——论坛帖子、测评文章、用户对比，甚至在它眼里"同类产品通常怎么排"。这里的关键结论是：品牌无法逐字控制这段评语。

你可以在官网把事实写得无懈可击，但 AI 在事实之外补的那句"相比竞品，它的优势在于……"或"用户普遍反馈……"，源头在全网语料，不在你手里。

想弄清各个平台分别引用谁、占比如何，可以参考我们对六大 AI 平台引用来源的梳理。

反直觉观点：先修官网事实层，别急着投媒体稿

结论：做 AI 可见度，头一件事是把官网事实层修对而非急着投媒体稿，「AI 只信第三方媒体」是误解，否则 57% 官网占比不会出现。

基于上面的数据，我们的判断很明确：做 AI 可见度，头一件事是把官网事实层修对，而不是急着投媒体稿。"AI 只信第三方媒体"是一个流传很广的误解——如果真是这样，57% 这个官网占比就不会出现。

媒体稿当然有价值，但在信源结构里它是佐证层，官网才是被引用最多的事实底座。底座不牢，投再多的稿也只是给一个空房子刷漆。

我们在服务中看到一个反复出现的模式：不少企业官网的产品页只有营销话术——"行业标杆""卓越体验"这类形容词堆了很多，但参数、适用条件、服务边界这些可验证的事实句一条都没有。AI 想引用也找不到可以落点的内容，只能转向第三方口径去凑事实，而第三方口径里混着错误信息和过时说法。把官网事实页补齐之后，AI 回答里"张冠李戴"的比例明显下降——不需要任何投放，改的是自己家的页面。

但要说清楚另一半：官网只管"事实对"，管不了"评价好"。那 47% 的编辑性内容源自全网口碑，口碑建设是另一条线——真实的用户讨论、第三方评测、社区里的正常声量，这些决定了 AI 补给你的"点评"是什么基调。

需要说明的是，灵曦在做 GEO 优化服务时，不做医疗、金融、K12 行业，不删真实差评，也不做跨地域排名——口碑这条线我们只帮助客户把真实的好内容沉淀到能被 AI 读到的地方，不去操纵评价。

可执行做法：四步核对，落到动作

• 动作一：核对官网产品/服务事实页是否完整可验证。逐页检查参数、价格口径、适用范围、服务流程是否写清、是否可核对、是否有明确出处。判断标准很简单：AI 能不能只凭这一页就准确说出你卖什么、不卖什么。
• 动作二：用真实客户的问法去试 AI 怎么点评你。把客户在咨询里说过的原话拿去问主流 AI 平台，记录三件事：它引用了谁、事实有没有错、评语是什么基调。这份记录就是你下一步的修复清单。
• 动作三：把第三方口径里的错误事实逐条修源。发现 AI 说错了，不要去怪模型，先找到错误信息的源头页面（可能是过时的评测文、论坛旧帖），能更正的走官方渠道更正，能补充的在官网用可验证的事实句覆盖。修的是源，不是结果。
• 动作四：行业差异大的，单独定信源策略。医药生物类第三方媒体依赖度高达 59%，政府/非营利只有 15.9%——如果你所在的行业第三方信源占比天然偏高，官网修复的优先级和媒体合作的比例就要按行业基准重新分配，不能套用通用模板。

边界与不适用：这组数据该怎么用、不该怎么用

结论：57% 与 47% 是 Profound 基于特定数据点的口径，用于判断信源结构，不宜直接换算成某个行业或渠道的确定性预期。

两点边界需要交代。其一，占比会随时间和引擎版本波动——ChatGPT 47% 与 Gemini 69% 的差异本身就说明，不同模型对信源的偏好不同，一次统计的结果不应当被当成永久不变的规律，建议按季度复测。

其二，这组数据来自海外平台的统计口径，国内引擎的信源结构可能不同——搜索生态、内容平台分布的差异都会影响引用倾向，套用海外结论前先在自己的目标引擎里实测。什么是 GEO 一文里我们对"以实测为准"的方法论有更完整的说明。

如果你希望系统地评估官网在 AI 引用中的实际表现，可以了解我们的 GEO 优化服务。