AI 为什么推荐别人不推荐你：信源四层与引用率的真相

"明明我们官网做得挺好看，问 AI 却总推荐同行——为什么？"

这是我们在检测业务里听到最多的问题。答案藏在一个大多数企业没注意过的机制里：AI 回答问题时的"信源"是怎么被选择的。这篇说清楚这件事，你会明白为什么拼命发软文没用，也明白该把力气花在哪。

---

一、AI 的答案不是"想出来的"，是"引出来的"

现在的 AI 搜索（豆包、文心、千问、元宝、智谱这些）回答"哪家服务商好"这类问题时，普遍会先联网检索，再基于检索到的内容组织答案。也就是说：

AI 推荐谁，本质上取决于它检索到了什么、又采信了什么。

你的官网再漂亮，AI 检索不到、或者检索到了不采信，它就等于不存在。反过来，一个内容普通但被 AI 高频引用的页面，比一个内容优秀但零引用的页面，对"AI 可见度"的贡献大得多。

所以 GEO（生成式引擎优化）的核心判断从来不是"发了多少条"，而是——有没有 AI 愿意引用的高权重信源。这句话是我们信源分级模块的第一行注释。

二、信源四层：不是所有引用都等价

我们把 AI 常引用的站点分成四层：

Tier1 · 权威锚点：工商登记（国家企业信用信息公示系统）、政府站点、百科、权威媒体、企业自有官网。AI 最愿意把这些当"事实"直接引用。

Tier2 · 高权重平台：知乎、36 氪、微信公众号、小红书、抖音。有内容审核和社区权重机制，可信度较高。

Tier3 · 自媒体分发：百家号、搜狐号、CSDN 博客这类门槛低、可批量投放的号。

Tier4 · 长尾不明：小站、无备案行业站、内容聚合站。

关键结论一句话：一堆 Tier3 软文，抵不上一条 Tier1 锚点。 这也是"发了几百篇软文 AI 还是不推荐我"的根本原因——你的内容全堆在低权重层，AI 要么检索不到，要么检索到了也当营销内容处理。

三、报告里的四类占比：该补什么一目了然

光分层还不够，我们在报告里把信源按性质归成四类，各看占比：

判断口径也简单：A+B 权威源占比偏低，优先补权威信源。只有 D、E 撑着的信源结构，AI 很容易把你的品牌判成"营销痕迹重"，推荐意愿反而下降。

有个真实的工程细节值得分享：早期我们用人工枚举域名的方式做归类，结果每接一个新行业就整批无法识别。后来改成 AI 归类 + 三段漏斗（初筛→半精筛→精筛→收口），才让分类在不同行业间稳定泛化。信源体系不是一张静态名单，是一套持续运行的判定机制——这是很多"打分工具"和真实检测系统的分界线。

四、两个常见误区

误区一：把"被提到"当成"被引用"。 AI 在正文里顺嘴提到你的名字，和把你的官网列为信源出处，是两件价值差距很大的事。前者是品牌认知，后者才是 GEO 里最硬的资产。检测报告里这两项必须分开统计。

误区二：只看单次结果就下结论。 AI 回答是当次现场生成的，同一道题两次提问，措辞和推荐顺序都会有波动。单次"没提到你"不代表什么，趋势和跨平台对比才有意义——这也是为什么我们坚持"提及率、引用率、排序位"三个口径拆开、多轮采样后再下结论。

五、从"不被推荐"到"被推荐"的现实路径

按我们落地的经验，顺序大致是：

1. 先做基线检测——不测不知道弱在哪一维、哪一层；
2. 官方事实结构化——成立时间、资质、服务范围、案例，整理成机器易读的结构（百科、官网 FAQ、H 标签）；
3. 补 Tier1/Tier2 权威锚点——媒体报道、百科完善、知乎与公众号的深度内容；
4. 补长尾问答——覆盖真实客户问法，特别是"模糊需求"和"对比决策"场景；
5. 下一轮复测验证——看目标维度的指标有没有动，再调整。

没有捷径，但有方向。方向错了（比如把预算全砸进 Tier3 软文），越努力越偏。

---

如果你想知道自己现在在四个象限里的位置、A/B/D/E 四类占比长什么样，欢迎到睿贤品牌 AI 搜索检测助手小程序发起一次基线检测——先看见，再优化。