直接答案
设想有人问 AI，“这家服务商能让系统自动对外发送消息吗？”回答末尾列出官网和一篇行业文章。如果官网写明外发前须经人确认，而行业文章只提到这家公司，这两条链接显然不能各算一半。真正影响判断的是哪条材料支持了答案里的哪句话。
这也是“GEO 来源权重”最容易被混用的地方。它可能指某类页面进入候选结果的机会，也可能指页面被显示为引用的频率，还可能指其中的事实有没有进入最终回答。三者的分母不同。最初提出 GEO 的研究论文讨论的是生成式回答中的内容可见度，并指出不同领域的效果有差异；它没有给官网、新闻、公众号设一张通用的占比表。
一条回答会经过几次选择
文本模型可能凭训练时形成的参数记忆回答，也可能在这次提问时检索外部资料。RAG 的原始论文把模型参数与外部可检索的段落分开讨论。它提供了理解这一过程的技术实例，并不代表每个商业 AI 产品都照同一实现运行。网页被模型过去读过、这次被检索到、最后被答案引用，是三件需要分别观察的事。
启用搜索时，用户的一句话也未必只对应一次查询。Google 公开说 AI Overviews 和 AI Mode 可能围绕子问题发起多次搜索；ChatGPT 搜索说明也写到会把提问改写为一个或多个定向查询。系统随后还要选择来源、取得可用内容、组织回答并显示链接。我们能看到最终答案和部分引用，通常看不到所有被考虑又被舍弃的候选材料。Google 的 AI 搜索说明
2026 年一项跨平台预印本研究把这个差别称为“引用选择”和“引用吸收”。它分析 602 个受控问题及 21,143 条有效搜索层引用，发现引用来源的广度与页面对答案文字的影响代理指标并不一致。不过，研究使用的是从答案和页面特征构造的代理分数，无法读取模型内部究竟给了哪篇文章多少注意力；论文也没有证明把某种格式加进网页就能提高采纳率。
已公开的来源占比，究竟在数什么
这项研究确实给过来源类型的数字。在其样本的可见引用中，ChatGPT 的官方类、新闻类、垂直站点类来源分别占 34.22%、31.17%、22.13%；Google AI Overview 的三类分别占 46.35%、18.99%、22%；Perplexity 分别占 44.07%、16.07%、18.99%。来源选择结果表
这些数不是产品给内容设定的内部权重。研究统计的是特定问题下已经显示出来的引用，未取得整个网络候选池；来源以美国和英文网页为主，分类也有未知与噪声。“官方类”还涵盖多种机构页面，不能直接等同于企业官网。拿其中的 46.35% 去承诺某家中国企业“官网占 46.35%”，分母、市场和问题全换了。更何况被引到的页面，未必支撑回答里的关键判断。
中文场景也能看到这种变化。另一项2026 年中文生成式搜索预印本对豆包、DeepSeek、腾讯元宝和通义千问的网页及 App 入口，围绕 614 个问题各采样三次。同一产品的网页端与 App 端，引用的来源集合也有系统性差别。研究集中在几个消费领域，只观察已经出现在引用列表中的网页，不能拿它为所有行业的公众号或官网定价。但它足以提醒我们，连入口都可能改变所见来源，跨平台固定比例更没有依据。
问题变了，来源承担的证明任务也会变
问“这家公司现在提供什么、边界在哪里”，官网的服务说明是企业当前声明的一手来源。问“它是否得到独立报道”，应回到新闻原文，官网自述不能代替第三方报道。问“用户遇到了什么具体问题”，有作者和时间的公开经验文章可能有价值，但还要看是否亲历、是否引用原始记录，以及平台能否取得全文。
这些来源也会冲突。假如一篇旧报道写“自动发送”，官网当前说明却写“关键外发需要人工确认”，回答今天的服务条件时要核对官网最新条款；追溯当年宣传时则保留旧报道。十篇转载只说明同一说法传播得广，并不会自动变成十份独立验证。反过来，官网在十个页面重复一句承诺，也不能证明客户确实获得了那项结果。
所以官网的重要性不在于它有一个神秘的高权重。企业能在这里持续维护身份、服务方式、适用条件和证据入口，让外部报道与用户经验有一个可核对的当前基准。本站项目页记录公开项目事实，服务页解释交付方式；两者承担的证明任务不同。如果官网缺少清楚的当前说明，AI 回答就更容易依赖零散、过期或未经核对的转述。这是风险判断，并非某个平台对官网的排名承诺。
被引了，还要问它支持了哪句话
一个带链接的答案可能仍有引证问题。ALCE 引用评估研究分别测量回答的正确性与引用质量；在其 ELI5 测试集上，即使表现最好的系统，也有约一半的回答未获得完整的引用支持。这个结果属于当时的研究数据集，不能换算成今天某款产品的错误率。OpenAI 的搜索帮助文档同样提醒，搜索结果和引用可能不完整、过时或有误。
对 GEO 来说，值得记录的不只是官网有没有出现在链接栏。更关键的是，回答有没有准确写出服务边界，是否把自述说成独立评价，是否把旧消息当成当前状态，以及点击引用后能否找到支持那句话的原文。
适用边界
上面的论文说明了可以怎样观察来源，却没有公开各 AI 产品的内部选源规则。两项 2026 年研究都是特定问题和时间窗口的预印本，其中一项主要是美国英文来源，另一项集中在中文消费场景。论文中的相关性与代理分数都不能直接证明因果关系。公众号、封闭社区或登录后内容是否进入某次回答，也要按具体产品与网址核对。
实施步骤
从几条真实买家问题开始，保留原问法，并写下官网、媒体、公众号等来源各自能证明的事实。每条记录原始网址、作者、发布日期、是否转载，以及与其他来源矛盾的地方。问题最好同时覆盖当前服务、独立佐证与具体使用体验，这样才看得出不同来源在回答中各司什么职。
再在目标 AI 产品的具体入口复问，保存时间、回答全文和引用页面。逐句标出哪些主张由官网支持，哪些来自第三方，哪些根本找不到证据。隔一段时间重复同一组问题，留意答案有没有采纳官网更新后的边界；别从一次截图推导平台长期的渠道占比。
验收清单
如果官网被引用，却没有提供回答所需的能力、限制或证据，先补齐页面事实；如果旧报道压过当前说明，核对发布日期和冲突原文；如果多篇文章只是同稿转载，把它们合并为一条证据链。记录“出现了链接”“事实被正确采用”“引用支持了具体句子”三个不同结果，才看得出下一步该改什么。
下一步
如果这些问题最终都指向官网内容缺口，可以用 Open GEO Console 对官网和目标买家问题做 GEO 检测。它检查公开页面、问题覆盖与引用证据，将发现整理成问题清单、页面修改建议和整改优先级。它不读取 AI 平台的内部权重，也不保证下一次回答一定引用官网。可先看产品项目介绍；有具体网址和问题，也可以从联系页发来，关键结论与发布修改仍由网站负责人复核。