用价值链看，当前 AI 推荐把一条原本很短的链路变长了。

过去是这样：用户搜索，引擎返回链接，用户点进官网。企业只要在最后一环做好。

现在这条链变成：用户提问，模型改写查询，检索若干页面，从页面里提取候选，核对条件，生成回答。官网被推到倒数第二环。

这个位移的直接后果是控制点转移。谁掌握候选名单，谁就掌握分发。而名单不在模型手里，在写比较文章的人手里。模型只是名单的搬运工。

这也解释了为什么“官网优化”这类服务的效果总难证明：它们优化的是链路末端，瓶颈在前端。

对企业的含义很清楚——要么进入名单的生产环节，要么接受自己只能被核对、不能被发现的处境。

现状

传统搜索把大部分筛选工作留给用户：用户输入关键词，打开多个页面，再逐一比较产品是否符合自己的需求。AI 搜索改变了这个过程。用户可以直接用自然语言描述自己的需求，AI 再据此检索和筛选信息，把结果整理成更贴合需求的回答。

这不只是多了一个搜索入口。用户过去要自己完成的比较，有一部分被转移给了平台和模型；企业面对的，也不再只是“能不能让用户点进官网”，还包括“能不能进入平台和模型检索、筛选并推荐的候选范围”。

AI 搜索的回答往往会直接呈现少量候选，并简要说明推荐理由。具体展示多少、如何排序，会因产品和问题而异，但用户通常看到的是一份经过压缩的选择，而不是一长页等待逐个筛选的链接。对商家来说，竞争因此至少分成两步：先进入候选，再让自己的优势成为选择理由。

产品质量当然重要，但它并不会自动转化为曝光。一个产品即使确实适合用户，如果平台没有检索到相关信息，或现有资料无法说明它适合什么人、满足什么条件，它仍可能进不了候选范围。产品做得好，不代表用户就能发现它。分发始终是产品经营的核心问题之一；而在 AI 搜索时代，分发越来越依赖平台和模型是否会把产品纳入推荐。

因此，企业不能只问“怎样证明自己的产品好”，还要进一步拆解分发问题：

  1. 平台和模型从哪里获取候选产品及相关信息？
  2. 企业需要提供什么信息，才能让平台和模型准确理解产品、核对产品是否符合需求，并在回答中推荐它？
  3. 平台或模型引用了企业的页面，是否就意味着它会在回答中把企业的产品推荐给用户？
  4. 企业如何判断这些分发努力是否有效，又有哪些做不到的事？

这些问题构成了 AI 搜索时代需要重新审视的竞争入口。

平台和模型会从哪里发现产品？

平台和模型推荐产品时，依据的信息来源有多种：实时检索的公开网页、商家直接提交给平台的结构化商品资料、平台自身商品库中的信息与用户评价，以及模型训练时学到的信息。本文主要讨论公开网页这一来源。

AI 回答中附上的参考网页链接称为“引用”: 一项覆盖 750 个购物类问题的研究发现，AI 引用的网页中，约 43% 是“最好的 X”类榜单文章。榜单因此是网页引用的重要来源之一，但并非所有推荐都来自榜单。

而被引用的榜单本身会被其发布者持续维护: 研究者抽查了 1,100 篇被引用榜单中，近八成当年更新过，约四分之一在最近两个月内更新过。这说明被 AI 引用的榜单中，有相当一部分内容近期仍在变化。

不过，这些常被引用、持续更新的榜单并非都来自权威媒体: 在另一组 3,000 篇榜单研究中发现，约 35% 来自流量较小的网站。

平台和模型各自做什么

一个常见的误解是：只要产品足够好，平台就能识别出来，并把它推荐给用户。实际上，平台会根据用户的查询检索相关信息，再把这些信息提供给模型生成回答。上一节提到的榜单，就是网页信息来源之一。产品是否被检索到，取决于平台能否找到相关信息；而模型会根据检索到的材料和用户需求组织回答，并不只是照搬网页上的推荐。因此，产品好不等于一定会被发现，也不等于一定会出现在回答中。

Google 的文档写得很直白。要出现在 AI 搜索里，没有额外的技术要求，网页被索引、有资格显示摘要就够了。它同时声明不承诺收录与展示。Google 不鼓励网站围绕同一个用户需求，仅针对不同关键词或问法批量创建内容高度相似的页面，试图借此影响搜索结果或 AI 回答。OpenAI 则说明，用户在 ChatGPT 中询问商品相关问题时，回答中呈现的商品推荐会参考商家和第三方提供的价格、商品描述与评价；这些推荐不是广告，但不保证用户指定的商品一定会出现。

因此，网页符合 Google 的收录与摘要展示资格，或商家向 OpenAI 提供了商品资料，都不代表网页或商品一定会出现在回答中。

有资格被收录或提供了商品资料，并不意味着平台会在每次相关查询中都取用这些信息。平台会根据用户的问题检索和筛选来源，再把相关材料交给模型生成回答。模型则依据这些材料组织答案、选择提及哪些产品。此外，模型也可能依据训练阶段学到的信息提及或推荐某些品牌；这部分影响较难追踪，也不容易测量。

把平台检索和模型生成这两个环节区分开，可以将企业未被推荐的情况拆成两种可能：一种是平台没有检索到相关信息；另一种是平台检索到了相关信息，但模型最终没有提及该品牌，或选择了其他产品。

企业能做什么？

企业可以通过付费合作，请第三方网站评测产品并将其纳入榜单，也可以在合作约定范围内影响内容呈现。但这仍不能保证相关页面会被平台和模型引用，也不能保证产品会因此出现在 AI 推荐中。企业能直接掌握的，是提供准确、清楚、可核对的产品信息，方便评测作者和检索系统理解产品。

因此，企业提供的信息应围绕购买决策来组织：产品适合谁、解决什么问题、价格如何计算、有哪些限制、与替代产品有何区别。不要只写“功能强大、灵活扩展”，而要给出可判断的事实，例如支持的用户数量、部署方式、功能上限，以及不同方案适合的团队。

在自有渠道，企业可以把这些信息整理到产品页、价格页和常见问题等页面，并及时更新。与第三方合作时，企业能做的是向评测者提供准确的产品资料和可核验的来源；付费合作则应事先约定内容呈现方式，并清楚披露合作关系。第三方最终如何编辑、发布，仍取决于合作形式和约定。

网页内容的写法会影响其信息在生成式搜索回答中的可见度。2024 年 KDD 会议论文《GEO: Generative Engine Optimization》在 GEO-bench 基准测试中发现，部分内容优化方法使网页可见度指标最高提升约 40%。作者还在 Perplexity 上进行了测试：加入出处、数字和引语等写法后，网页在“主观印象”指标上的得分提高约 37%，在“位置调整后的词数”指标上提高约 22%。但需要说明的是: 这些指标衡量的是网页内容在回答中的呈现情况，而非产品被推荐的概率。

内容推广对新品牌和成熟品牌的效果相同吗？

Ahrefs 团队于 2026 年进行的一项自我推广实验比较了内容推广对新品牌和已有知名度品牌的影响。研究团队在五个网站发布了 34 篇推广页面，并追踪 ChatGPT、Gemini、Perplexity 和 Copilot 的近一万个回答。

其中，Ahrefs Evolve 是一个此前较少出现在 AI 回答中的 SEO 与 AEO 行业会议。研究者将 2026 年 2 月 7 日至 12 日设为推广页面发布前的观察期，记录各 AI 助手对具体问题的回答，并标记其中尚未提及 Ahrefs Evolve 的组合。首批推广页面于 2 月 13 日上线后，有 72 个这样的“问题—AI 助手”组合开始提及该会议；在这 72 次新提及中，82% 出现在引用了实验推广页面的回答里。也就是说，这个比例统计的是 72 个新增提及对应的回答中，有多少引用了实验推广页面。

研究团队随后用同一批文章推广一个已有知名度的产品。新增提及中，只有 6% 出现在引用实验推广页面的回答里，94% 出现在引用第三方页面的回答里。这里的 6% 和 94% 指新增提及所对应的回答中，引用实验推广页面与第三方页面的比例，不是两类页面的数量比例。两组结果显示，在这项实验中，内容推广与新品牌新增提及的关联更直接；而对已有知名度的品牌，新增提及更多出现在引用第三方页面的回答中。

对照来看，内容推广与新品牌新增提及的关联更直接；对已有知名度的品牌，新增提及更多出现在引用第三方页面的回答中。这项实验呈现了品牌知名度不同、AI 回答中的提及来源也不同这一现象。

被提及不一定会被推荐

上一节讨论了内容推广与品牌提及之间的关系，并追踪了新增提及对应的页面来源。这一节进一步看：页面被引用、品牌被提及，是否就意味着产品被推荐给用户？

同一个实验里，在引用了会议推广页面的回答中，四成三完全没有提到这个会议，而是推荐了同一页上的其他会议。如果页面只是被后台读到、没有挂出来当来源，这个比例升到七成四。

页面是你写的，名单的控制权仍然不在你手里。这是整件事里最反直觉的一处：内容的所有权，和推荐的决定权，是两件事。

而且，页面被引用也不代表这种引用会持续。约四分之一的页面，只在某一个提问、某一个助手上被引用过一次，就再没出现；从第一次到最后一次之间，它平均只有三分之一的日子被引用。另一项盯了四万多个搜索词的观察发现，相邻两次检查之间，只有约一半多的引用链接被保留下来。

因此，单独报告“页面被 AI 引用”不足以说明产品获得了推荐或稳定曝光。它只说明页面曾在某次回答中作为来源出现，并不能证明品牌被推荐，也不能保证之后还会被引用。

AI 推荐带来的赢家、输家与行业变化

当 AI 回答依赖平台检索和外部内容时，分发优势就不只取决于产品本身，也取决于哪些内容能进入检索范围、哪些品牌已在相关话题中形成认知。

更有优势的角色包括第三方内容生产者（媒体、评测网站、目录和社区）：它们持续发布比较与推荐内容，可能因此获得更重要的分发位置。已有一定品牌认知的企业也更容易被纳入相关讨论；擅长内容经营和建立行业关系的团队，则拥有单靠技术优化难以替代的能力。

更容易处于劣势的角色，是把资源主要投向官网改版和技术标记、却忽略外部信息来源的团队。技术基础仍然重要，但不能单独保证推荐。产品定位过宽、难以对应具体问题的品牌，也更难进入相关回答。比如，实验中的 Ahrefs Evolve 出现在“最好的 SEO 会议”回答中的比例为 66%，在“最好的营销会议”回答中则为 16%。此外，若管理层要求短期见效，也可能与第三方内容形成和更新所需的时间不匹配。

接下来可能出现的变化有两类：一是榜单和评测内容继续规模化生产，低质仿制内容增加，平台也可能加强清理；二是购物平台可能更多接收商家直接提交的商品数据，使部分商品推荐不再那么依赖第三方榜单。前者对优质内容生产者的影响，后者对商家与第三方内容渠道的影响，目前都还需要观察。

仍待验证的三个问题

  1. 平台会系统性压低低质榜单吗？ 2025 年底的研究发现，被引用榜单中约 35% 来自流量较小的网站；Google 的政策表明平台不欢迎低质内容，但目前没有公开数据说明这类页面正在以多快的速度被清理。

  2. 商家直接提交商品数据，会取代第三方榜单吗？ 目前这类做法只在部分购物场景中出现，还没有证据说明它能大规模替代网页榜单。若平台扩大直接接收商品资料的范围，商家与第三方内容生产者之间的分发关系可能随之变化，但影响尚不明确。

  3. 这些观察适用于中文市场吗？ 现有研究主要针对英文的软件、产品和服务品类；中文市场的榜单、评测与社区生态不同，不能直接假定相同结论也适用。需要针对中文用户和平台另做验证。

参考资料

  1. Ahrefs， “Do Self-Promotional ‘Best’ Lists Boost ChatGPT Visibility? Study of 26,283 Source URLs”，2025-12-04。榜单页面引用情况研究。
  2. Mateusz Makosiewicz，Ahrefs，“Self-Promotional Content Works—Until It Backfires (AI SEO Experiment)”，2026-07-06；数据采集时间为 2026-02-07 至 2026-05-31。自我推广实验。
  3. Aggarwal et al., “GEO: Generative Engine Optimization”, KDD 2024。生成式引擎优化研究。
  4. Google Search Central，“AI features and your website”。Google 搜索中的 AI 功能相关说明。
  5. OpenAI Help Center，“Shopping with ChatGPT Search”。ChatGPT 商品信息来源与推荐机制说明。