AI引用广度与深度分化：2.1万条引用的测量

结论先说：被 AI 引用只是入场券，答案里实际用了你多少内容，是另一个独立的结果。

一项覆盖 602 组受控提问、21,143 条有效引用的预印本研究把这件事拆成了两个阶段——引用选择与引用吸收——并测出一个反常的分化：平均引用来源最少的平台，单条引用的实际影响力反而最高。

如果你的监测面板只统计"有没有被引用"，那它量的是门口有没有挂牌，屋里用了谁的东西，它并不知道。

现象与数据：广度与深度的反向分化

结论：21,143 条有效引用显示广度与深度反向分化：Perplexity 平均引用 16.35 条、ChatGPT 仅 6.88 条，但深度指标 ChatGPT 为 0.2713、Perplexity 仅 0.0646。

先交代研究底细。这篇题为《From Citation Selection to Citation Absorption》的论文由 Zhang Kai、He Xinyue、Yao Jingang 于 2026 年 4 月提交至 arXiv（预印本），基于公开的 geo-citation-lab 数据集：602 组受控提问，横跨 ChatGPT、Google AI Overview（Gemini）与 Perplexity 三个平台，得到 21,143 条有效搜索层引用、18,151 个成功抓取的页面、72 个引用级特征。(arXiv:2604.25707)

分化出现在两组数字之间。引用广度上（平均每个答案引用多少来源）：Perplexity 16.35 条，Google 12.06 条，ChatGPT 只有 6.88 条。引用深度上（成功抓取页面的平均影响度，0 到 1 的复合指标）：ChatGPT 0.2713，Perplexity 0.0646，Google 0.0584。引得最少的 ChatGPT，单条引用的深度是 Google 的四倍多。10 月初多家分析机构对这篇论文做了二次解读，结论方向一致。(Auspia 解读，2026-10)

这里的影响度不是拍脑袋的分数，作者用五个可观测信号加权合成：页面被答案引用的次数占 20%、在答案中出现的早晚占 15%、覆盖答案段落的程度占 20%、与答案的文本相似度占 25%、词语重叠度占 20%。

它衡量的是"答案在多大程度上长成了你的样子"——一个只被挂名、内容没被取用的来源，即便进了引用列表，这项分数也会很低。

平台	平均引用数（广度）	平均影响度（深度）
Perplexity	16.35	0.0646
Google AI Overview	12.06	0.0584
ChatGPT	6.88	0.2713

广度策略的平台把十几个来源挂在答案末尾，每条都被用到一点点；深度策略的平台只挑六七条，但答案的语言与论据明显向其中少数来源倾斜。两个指标衡量的根本不是同一种"被看见"。

机制拆解一：选择阶段，拼的是权威信号

结论：选择阶段决定引用归属，官网、新闻与垂直站合计约占引用池的 80%-87%，拼的仍是域名权威、来源类型等老信号。

选择阶段决定的是引用归属：平台触发搜索，从候选池里挑出要挂的来源。这一阶段的规律相当传统——论文统计显示，官方网站、新闻媒体与垂直站点合计约占引用池的 80%-87%。

也就是说，能不能被选中，仍然主要看域名权威、来源类型、语言与领域匹配这些老信号。这一层与过去几年 SEO 积累的经验高度重叠，多数认真做过内容建设的站点并不陌生。

值得注意的是语言变量：ChatGPT 对中文提问的平均引用数反而更高（7.77 对英文的 7.03），Google 则相反（英文 11.57 对中文 7.53）——不同平台处理中文内容的检索习惯并不一致，做中文内容不该默认套用英文市场的经验。

机制拆解二：吸收阶段，拼的是证据密度

结论：吸收阶段才是分化的来源：被挂上答案之后，内容有多少真正进入答案的表述，这一阶段拼的是证据密度。

第二阶段才是分化的来源：被挂上答案之后，你的内容有多少真的进入了答案的表述。论文给每条引用算了一个影响度——由被答案提及的频次、出现位置、段落覆盖、与答案的文本相似度等五个可观测信号加权合成。对照页面有无某类证据后的平均影响度，差距相当直白：

页面包含的证据类型	有该类型的平均影响度	无	相对差异
代码	0.1747	0.0988	+76.9%
数字/统计	0.1171	0.0725	+61.6%
定义	0.1252	0.0795	+57.3%
对比内容	0.1389	0.0894	+55.3%
操作步骤	0.1296	0.0918	+41.2%
问答格式	0.0947	0.1005	−5.7%

域类型上还有一层印证：新闻页面被选中的频次很高，平均影响度却只有 0.0726，而百科类页面达到 0.2144——常被挂出来，不等于常被用上。这解释了很多团队的困惑：监测工具显示自己"被引用了"，把答案点开细看，却发现里面一句话都没有来自自己的页面。工具量的是选择，用户读的是吸收。

我们在服务中看到的情形是：同一个客户的两类页面，一类是参数齐全的对比页，一类是情绪化文案的推广页，前者频繁出现在 AI 答案的表述里，后者常常只挂个链接。差别不在文笔，在于哪一页给答案提供了可搬运的论据。

反直觉观点：问答格式本身不加分，这是被滥用最多的 GEO 建议

过去一年几乎所有 GEO 指南都会建议"把内容改成 FAQ 结构"。这篇数据给出的答案是不留情面的：问答格式页面的平均影响度 0.0947，反而低于非问答页面的 0.1005，相对差 −5.74%。标题带问号不是证据，问答只是包装，决定吸收的仍然是包装底下的答案有没有密度。

需要说明因果方向：这不能推出"FAQ 有害"，只能推出"FAQ 无用"——如果问答底下的回答本身短而薄，套上格式也救不了它。但把 FAQ 化当作默认动作的团队，基本是在给薄内容换马甲。

我们的判断更直接：与其把预算花在格式改造上，不如花在给页面补可提取的证据——数字、定义、对比表、步骤。这与此前基于复现研究的判断一致：能被 AI 独立摘录的段落，才是有效段落。

(哪些GEO技巧真有效？新研究指向同一答案：相关性优先)

可执行做法：把页面从格式包装改成证据容器

1. 挑三类核心页面先做：产品对比页、参数/规格页、常见问题深答页——这三类最常进入 AI 答案的证据链，改造收益最直接。
2. 每页补足四类证据：至少一组带出处的数字、一段清晰定义、一张对比表、一套分步骤说明。对照上表，每类证据对应一档影响度差距。
3. 把答案写厚再谈格式：FAQ 页每个回答至少给出一个可核验的事实加一句解释，写不到这个密度就先别上问答格式。判断标准很简单：把问句遮住，剩下的内容还像不像一段有论据的说明。
4. 自测摘录性：随机抽一段正文，问自己"AI 能否把这段原样搬进答案且自洽"——需要上下文才能读懂的段落，等于不可摘录。
5. 监测口径换轨：把"是否被引用"升级为"被引用后答案里出现了我的哪些表述"，哪怕先靠人工抽查，也比只看引用计数接近真相。具体操作可以是：每周挑十个核心提问在各平台各问一遍，存档答案全文，标注其中来自自己页面的表述数量。

边界与不适用

结论：论文的边界是：影响度是自建代理指标、非模型内部机制测量；结论属描述性统计、不能外推到中文平台。

这篇论文自己就把边界写得很清楚，正文引用时不应越界。其一，影响度是作者自建的代理指标，不是对模型内部机制的直接测量，文本相似度高的页面也可能只是措辞恰好贴近答案。

其二，全部结论为描述性统计，不构成因果推断——"补数字就能提升吸收"是合理假设，不是被证明的定律。其三，样本为三大海外平台的 602 组提问的单一快照，不能直接外推到豆包、千问、文心等中文平台的引用逻辑。

其四，代码项 +76.9% 的读法要克制：它说明"代码恰好是正确证据形式的页面"吸收更好，不意味着所有页面都该塞代码。

页面在被引用之前还要先过检索与抓取的关卡，那一段的机制可以看此前对引用前流水线的拆解。(浏览器里正常不等于AI读得懂：页面被引用前的八级流水线)

想看证据容器思路在实际行业页面里的落地，可以看灵曦GEO的GEO优化服务页。