有个客户的品牌，在豆包里能被搜到，AI 会主动说出他们的名字，位置还挺靠前。但连续三个月，来自 AI 的询盘是零。
他们的判断是"AI 已经认识我们了，接下来就是等"。这个判断错在一个地方：AI 说出你的名字，和 AI 把你放进推荐位，是两个机制。中间隔着四道门禁，四道都过不去，等再久也等不来推荐。
先看这个差距有多大
2026 年一项覆盖 13,184 条 AI 引用的研究，把"提及"和"引用"分开统计。提及指 AI 在答案里说出品牌名，引用指 AI 把你的页面列进来源。
四个模型的差距是这样的：
| 模型 | 提及率 | 引用率 | 差距 |
|---|---|---|---|
| Claude | 70% | 40% | 30 个点 |
| Gemini | 72% | 41% | 31 个点 |
| Perplexity | 67% | 44% | 23 个点 |
| ChatGPT | 56% | 47% | 8 个点 |
Claude 和 Gemini 会大方地谈论品牌，却很少给出处。三分之一的答案里它提到了你，但读者找不到你的页面，你也拿不到流量。
把这个差距再拆一层，能看清四种状态各自占多少。另一项针对 559 组非品牌提问、1,118 个回答的研究，给出了这张分布表：
| 状态 | ChatGPT | Perplexity |
|---|---|---|
| 提到品牌，也引用了品牌自己的站 | 4.7% | 9.5% |
| 提到品牌，但没引用品牌自己的站 | 6.6% | 5.2% |
| 没提品牌，但引用了品牌自己的站 | 0.9% | 4.8% |
| 两个都没有 | 87.8% | 80.5% |
最后一行是最该看的数字。八成以上的答案里，AI 既没提你，也没用你的页面。剩下两成里，真正"提到且引用"的只有 4.7% 和 9.5%。
第三行也值得注意。Perplexity 有 4.8% 的回答用了你的页面当证据，却没写你的品牌名。你的内容贡献了答案，读者却不知道是谁说的。
另一边，一家机构的统计更直接：在 20 个采购类问题、464 条引用里，86% 的引用指向第三方，包括测评合集、对比博客、行业论坛。只有 14% 指向被推荐厂商自己的网站。
换个说法，AI 推荐了你的产品，然后引用别人的文章来证明。你的官网写得再好，也只能覆盖那 14%。
机制：为什么"被提到"不等于"被推荐"
2026 年一项覆盖 34,960 条观测的研究，把品牌出现在 AI 答案里的过程拆成两段，每一段都给了量级。
当目标品牌和它的域名都没有出现在检索路径上时，被提到的概率是 GPT 2.8%、Gemini 3.8%。
当品牌自己的域名被引用，但没有额外的品牌指向时，这个数字变成 49.0% 和 58.4%。
两者都具备时，变成 91.4% 和 100%。
从"域名被引用"到"品牌被提及"，风险比是 10.6 倍（GPT）和 9.0 倍（Gemini）。这个量级说明一件事：你的页面有没有进入 AI 的检索证据集，几乎是决定性的。
这里有个陷阱。同一份研究明确写了，这是观察性关联，不是随机实验。它还区分了"匹配"和"曝光"：页面与问题的匹配度，对 GPT 来说几乎没有区分力（AUC 0.545，接近抛硬币），对 Gemini 才有（0.641）。
意思是，你觉得"这篇写得特别对口"，在 GPT 那边可能完全不算数。真正算数的是它有没有被拉进去。
两段之后还有第三段。2026 年 4 月那份 602 条提问、21,143 条引用的研究，测了不同模型的引用深度：ChatGPT 引用的来源最少，但每条引用的平均影响力是 0.2713；Google 是 0.0584，Perplexity 是 0.0646。
被引用一百次，抵不上被用上三次。这个差距解释了为什么很多品牌曝光了却没转化。
四道门禁：一道不过，其他全白费
上面说的是"能不能进证据集"。真正决定"能不能被推荐"的，是 2026 年一份更大规模的研究。
他们搭了一个双文档的检索测试台，每次只给模型两条候选来源，两条之间只差一个因素，一共 18 个因素、6 个模型、252,000 次试验。
18 个因素里有 4 个，在 6 个模型上全部显著，效应量 OR 大于 100。这四道是：
| 门禁 | 大意 |
|---|---|
| 主题不匹配 | 页面讲的不是这个问题 |
| 没写价格 | 内容里没有明确的价格信息 |
| 时间戳陈旧 | 页面时间比对手旧 |
| 列表位置靠后 | 在候选列表里排得低 |
关键在后面那半句：这四道是乘法关系，任何一道不过，其他三项再强也可能直接归零。
"没写价格"排在这里面，值得单独说。很多公司有意不写价格，理由是怕比价、怕被抄、怕客户拿去砍价。这个决定在展厅里成立，在 AI 的检索层里不成立。它不会让你少一个客户，它让你连候选名单都进不去。
时间戳那一条也常被忽略。它比的是页面时间与竞争对手的新旧，不是有没有更新过。改一个错别字不会刷新这个信号，重新发布、改动核心数据才会。
列表位置那一条最容易被忽视，因为它在平台那边，不在你这边。同一个问题，AI 可能只看前面几个候选就决定要不要继续往下翻。研究用的是受控双文档比较，位置是唯一变量，结论是排在前面的被引用概率显著更高。对照到实际操作，同一个话题下你有好几篇内容时，先被检索到的那一篇更重要。堆十篇同质文章不会提高总命中，只会分散。
过了这四道，还有七个次级因素在起作用，效应量 OR 在 2.1 到 243 之间：规格写得全不全、措辞是不是模糊、主张有没有证据、内部有没有自相矛盾、有没有明确的对比、关键词覆盖有没有缺口。
还有七个因素没有稳定效果。其中最反直觉的一条：排版和视觉组织，完全没有影响。 研究的原话是，模型解析内容时不管你视觉上怎么组织。
这一条对很多团队是个打击。花两周做的漂亮排版、信息图、分栏设计，在 AI 这一层是零收益。
一套能自己复算的账
下面这组数是我为了说明差距搭的例子，每个假设都写出来，你可以换成自己的数。
设客户会问 100 个问题，分三类：定义类 40 个（这个东西是什么）、对比类 35 个（A 和 B 哪个好）、场景类 25 个（我这种情况该怎么做）。
给三类各设三个参数：检索命中率 r（被拉进证据集的概率）、过门禁率 g（四道门禁全过的概率）、推荐率 q（在提到的情况下被列为推荐的概率）。
| 类型 | 题数 | 检索命中 r | 过门禁 g | 推荐率 q |
|---|---|---|---|---|
| 定义类 | 40 | 0.55 | 0.70 | 0.15 |
| 对比类 | 35 | 0.40 | 0.25 | 0.55 |
| 场景类 | 25 | 0.45 | 0.55 | 0.40 |
对比类的过门禁率设成 0.25，是因为这一类问题几乎必然要谈价格和参数，而没写价格是硬门禁。
按 提到 = 题数 × r × g，推荐 = 提到 × q 算：
| 类型 | 提到次数 | 推荐次数 |
|---|---|---|
| 定义类 | 15.4 | 2.3 |
| 对比类 | 3.5 | 1.9 |
| 场景类 | 6.2 | 2.5 |
| 合计 | 25.1 | 6.7 |
100 个问题里，你被提到 25 次，被推荐 6.7 次。中间那 18.4 次就是"提到了却没被推荐"。
现在改一个参数：把价格和规格写清楚，对比类的过门禁率从 0.25 提到 0.65。
| 方案 | 改动 | 提到次数 | 推荐次数 | 变化 |
|---|---|---|---|---|
| 基线 | 无 | 25.1 | 6.7 | — |
| A | 补价格 | 30.7 | 9.8 | +46% |
| B | 再补完整规格 | 32.8 | 10.9 | +62% |
| C | 只美化排版 | 25.1 | 6.7 | 0% |
补价格把推荐次数从 6.7 提到 9.8，涨 46%。同样花两周做排版，涨 0。
这不是说排版没用，对人有用的东西对 AI 不一定有用。但如果目标是"被推荐"，这两件事的回报差了 46 个百分点。
再往下做一层敏感性：如果价格写出来之后，对比类的推荐率 q 也从 0.55 升到 0.70（有了可比的数字，AI 更容易把你放进对比表），推荐次数到 11.2，涨幅 67%。
也就是说，写价格这一件事同时抬高了 g 和 q 两个参数。它是四道门禁里唯一一个写上去就有用、并且能带来复利的动作。
这套算法什么时候不成立
有三处必须说清楚。
ChatGPT 是异类。 它的提及率 56%、引用率 47%，只差 8 个点，几乎同步。对 ChatGPT 做优化，"被引用"基本等于"被提及"，上面那套两段区分在它身上不明显。但对 Claude 和 Gemini 就不一样，差 30 个点。
有些问题类型根本没有引用层。 2026 年一项 480 个问题、8 个行业、10 种问题类型的统计发现：ChatGPT 只在 480 个回答里的 72 个给出了来源，其中 69 个集中在两类问题（找服务商、问价格）。剩下 8 类问题，它在所有行业都没有引用任何来源。这些类型里四道门禁的模型不适用，因为没有门。
中文模型没有对等的研究。 豆包、DeepSeek、Kimi、通义、智谱这几家，没有公开的、同等规模的引用行为研究。上面所有数字都来自英文模型和英文语料。拿它当方向可以，当结论不行。
如果大家都开始写了，会发生什么
这个推断没有数据支撑，只是逻辑推演，但值得先想。
四道门禁里价格最容易补，效果又最直接。如果同行陆续开始写价格，价格就会从"不透明"走向"可比"。可比之后，AI 在对比类问题上的推荐权重会更依赖具体数字，而不是品牌故事。
对买方是好事，对卖方的议价空间是一种压缩。所以补价格的节奏值得想一想：先补你本来就有优势的参数，不是全部摊开。
第二个连带影响在分发优先顺序上。86% 的引用指向第三方，说明官网能覆盖的天花板是 14%。纯靠官网做 AI 可见度，结构上就有一个上限。第三方内容的权重不会因为官网写得好而下降。
怎么查自己现在卡在哪一步
顺序很重要，跳步会白干。
第一步，查有没有被检索到。拿 20 个客户真会问的问题，去 5 个平台各问一遍，记录 AI 有没有给出任何来源链接。如果来源里完全没有你的域名，卡在检索层，先解决能被抓到的问题。
第二步，查有没有被引用。如果引用了你的页面但答案里没提品牌名，这是"被引用不被提及"，属于第二种状态。前面那张四态表可以当对照。
第三步，查被引用但没被推荐。这一步才轮到内容质量。拿那四道门禁回头核：主题对不对口、价格写没写、页面时间戳是不是旧的、在候选里的位置。
一份研究的作者给了同样的判断顺序，原话大意是：品牌被引用但没被推荐，问题在内容质量；品牌完全不在引用列表里，瓶颈在检索，该去做 SEO。
三步走完再决定改什么。顺序反了，就会在一堆没进过候选名单的页面上反复优化排版。
常见问题
AI 提到我的品牌但不给链接，是不是说明我做得还行？
说明你在品牌记忆这一层已经进去了。品牌记忆和页面引用是两个通道，前者可能来自训练数据或者其他网站提到你。这种状态不稳定，一旦别的来源消失，提及也会跟着消失。
价格必须写具体数字吗，写"面议"或者价格区间行不行？
研究里那一条是"内容里缺少明确的价格信息"，属于硬门禁。写区间至少给了一个可比的锚点，比完全没有好。具体怎么写在合规和商业上还有别的考量，但从这条门禁看，信息越明确越安全。
我们行业比较特殊，价格确实不能公开。
那就在其他三道门禁上补足，并且在次级因素上做深：规格写全、主张给证据、内部口径一致、有明确对比。另外可以去覆盖第三方内容，因为 86% 的引用本来就不指向厂商自己。
多久能看到变化？
上面所有研究都是单次快照，没有给出时间曲线。能确定的是每次改完都要重新测，因为各平台的来源集本身在变。同一份研究里，ChatGPT 引用 Reddit 的比例在半年内下降了 88%，来源结构并不稳定。