AI 引擎在“引用谁”上意见一致吗？三项学术审计说：基本不一致。
同一个问题问两个助手，返回的来源大体不同；而同一家公司基于同一索引做出来的两个界面，同样如此。这一个事实就决定了 AI 可见性必须怎么测、怎么报。
本页内容
AI 引擎在“引用谁”上基本不一致，所以某个引擎上的一次引用，对其他引擎来说是很弱的证据。最刺眼的一项测量来自同一家公司基于同一索引做出的三个界面：SIGIR 2026 上发表的一项 11,500 条查询的研究报告称，Google 自然结果、AI Overviews 与 Gemini 之间 URL 层面的平均 Jaccard 相似度低于 0.2。1
关键要点- Jaccard 是交集除以并集，不是“你被引用的 URL 占比”。0.18 意味着两个界面返回的来源合起来，只有 18% 是两边都返回的。
- 分化在内容质量被评判之前就开始了：引擎用不同的令牌抓取网页，把问题展开成不同的子查询，引用的来源数量和类型也不同。
- 单一的综合 AI 可见性分数，恰好盖掉了唯一可执行的信息。请按“一个引擎一个界面一行”来报，写明日期与语区，行与行之间不做任何算术。
两个 AI 引擎的重合度到底有多少？
两个 AI 引擎之间的重合，比大多数人以为的小得多：哪怕是同一家公司基于同一索引构建的两个界面，URL 层面的 Jaccard 也只有 0.11 到 0.18；而在唯一测过这件事的那项审计里，两个互不相干的助手只共享了 26% 的域名。
四项独立的学术测量，方法各异、分母各异、采集时间窗也各异。先读最后两列，再读数字。
| 研究 | 样本与采集时间窗 | 结论 | 它测的是什么 |
|---|---|---|---|
| Grossman 等，SIGIR 2026 | 11,500 条查询 | URL Jaccard 0.11–0.18 | Google 自然结果、AI Overviews 与 Gemini 之间的集合重合 |
| Kirsten 等，Findings of ACL 2026 | 4,706 条查询，2025 年 9 月采集 | 53% 不在自然结果前十；27% 不在前一百 | 按 AI Overviews 查阅过的域名计，对同一查询的自然结果 |
| Xu、Iqbal 与 Montgomery，2026 预印本 | 55,393 条查询，2026 年 3 月 13 日至 4 月 21 日采集 | 29.8% 不在自然结果首页上 | 按 AI Overview 引述的域名计，对同一查询的首页 |
| Li 与 Sinnamon，2024 | 672 条回答，355 个唯一域名 | 26% 被两者共同引用 | 两个助手之间的域名重合 |
0.15 的 Jaccard 到底意味着什么？
Jaccard 相似度是交集的大小除以并集的大小，这和“你被引用的 URL 占比”是两个不同的量，却经常被当成同一件事转述。如果对同一个查询，AI Overviews 引用了十个 URL、Gemini 也引用了十个，0.15 的重合度意味着大约有三个 URL 同时出现在两边，两边合起来约有十七个不同的 URL。Grossman 等对重合最高的那一对给出了自己的说法：“平均而言，AIO 或传统 SERP 返回的来源中，只有 18% 会被两个搜索引擎同时检索到。”1
这三对的糟糕程度并不相同，而摘要不会告诉你这一点。摘要只给出“平均 Jaccard 相似度小于 0.2”；两两之间的具体值在表 2 里：AI Overviews 对自然结果是 0.18，自然结果对 Gemini 是 0.16，AI Overviews 对 Gemini 是 0.11。1 大多数人当成可以互换的那一对，也就是两个生成式界面，恰恰是最不一致的一对。
靠重复测量也救不回来。那篇批判性综述转述 Schulte 等的结果：在四个引擎、45 天里，按天计的来源层面 Jaccard 约为 0.34 到 0.42，24 小时内的重复测量水平也差不多；综述正是据此建议每条 prompt 跑七到八次。11 请把这个数字连同它的限制一起读：综述写明该结论来自一个很小的瑞士查询集合。即便如此，已发表的最紧的一种比较，也没有到一半。
读的是同一个网络，为什么分歧这么大？
引擎之所以互不一致，是因为在“内容质量”被考虑之前就已经有四件事不同：怎么抓取、怎么展开问题、引用多少来源、偏好哪种来源。
这四种差异叠加在一起，没有一种是你能一次性为所有引擎修好的。
它们读到的不是同一个网络
每个引擎用自己的令牌抓取，各家厂商分别写在文档里：OpenAI 把 GPTBot 与 OAI-SearchBot 分开，Anthropic 把 ClaudeBot 与 Claude-SearchBot 分开，Google 把 Google-Extended 与 Googlebot 分开。5 一条 robots.txt 规则挡住其中一个，其余不受影响，所以在排序开始之前，候选池就已经不同了。
它们展开问题的方式不同
Google 的文档写明，AI Overviews 和 AI Mode 可能使用“查询扇出”技术，跨子话题与数据源发起多次相关搜索来生成回答。6 子查询是各引擎各自生成的，所以在任何一方开始排序之前，两个引擎检索的其实是不同的问题。
它们的引用预算不同
在 602 条受控 prompt 上，每条回答的平均引用数为：ChatGPT 6.88，Google 的 AI 界面 12.06，Perplexity 16.35。7 引用 16 个来源的引擎会比引用 7 个的引擎在候选清单上探得更深，所以边缘位置上的那个来源天然就不一样。
它们偏好的来源类型不同
在同一份数据集中，论文标为“官方”的来源占 ChatGPT 引用的 34.22%，占 Google 的 46.35%；而新闻类在 ChatGPT 是 31.17%，在 Google 是 18.99%。7 一个页面对某个引擎是“对的类型”，对另一个引擎可能就是“错的类型”。
这四种差异是相乘而不是相互抵消的，这就是观测到的重合度如此之低的原因。它也解释了大多数团队当成谜题的一种现象：一个页面可以被某个引擎持续引用、在另一个引擎里从不出现，而页面本身没有任何问题。在归咎于内容之前，先确认那个无视你的引擎到底能不能抓到你。这是技术 GEO 的主题，和“把答案写得更好”是两件不同的调查。
Google 排名还能预测“是否被引用”吗？
排名依然是“是否被引用”的最强单一预测因子，且它本身已经不够。但你无法把这句话表达成某一个重合百分比，因为已发表的那些数字回答的是两个不同的问题。「有多大比例的 AI 回答里至少包含一个也有排名的页面？」和「有多大比例的单条引用来自也有排名的页面？」在同一份数据上的答案天差地别。一项 2025 年 10 月覆盖 362,000 条美国查询的商业研究同时报出了这两个数：94% 的 AI Overviews 至少包含一个自然结果前二十的 URL，而单条引用中只有 56% 来自前二十。8 同一份数据，两个数字，都对，相差三十八个百分点。
学术数字一旦读清分母，也落在同一个位置，而且它们合起来是一个带着两个日期的区间，不是一个点值。Kirsten 等的 4,706 条查询审计采集于 2025 年 9 月的美国与德国，按“系统查阅过的域名”计：“平均有 53%（27%）被 AIO 查阅的域名不在自然结果的前十（前一百）之内。”2 Xu、Iqbal 与 Montgomery 在 2026 年 3 月 13 日至 4 月 21 日采集了 55,393 条趋势查询，报告 AI Overview 引述的域名中有 29.8% 在对应的首页上根本不出现。10 正确的做法是把它当作区间引用：大约 30% 到 53%，并写明两个采集时间窗；同时把动词分清楚：Kirsten 测的是系统“查阅过”的域名，这和它“引用”的域名并不是同一回事，而且这两个数字都不是在说“AI Overviews 里通常有没有一个有排名的页面”。通常是有的。
这些数字变动得很快：某个提供方发布过两个按引用计的重合率，2025 年 9 月为 54.5%，2026 年 2 月约为 17%，同一个工具、同样的九个行业，对这个落差没有给出任何解释。9 任何超过约六个月的重合数字都按过期处理，没有日期的则按虚构处理。
这里的每一个重合数字都是一个移动系统的快照，而没有任何一项学术研究覆盖了创业者真正关心的全部引擎。SIGIR 那项比较的是 Google 的三个界面，ACL 那项只做 Google，双助手那项测的是 2024 年时的 Bing Chat 与 Perplexity。至今没有人用同一套方法、在同一个时间窗内测量过 ChatGPT、Perplexity、Google、Copilot 和 Claude 之间的跨引擎重合，所以“引擎之间分歧很大”这个一般性结论有充分支撑，而任何具体的两两数字都不能迁移到你的 prompt 集合上。请测你自己的集合，不要照搬这些数字。
为什么单一的综合 AI 可见性分数没有意义？
跨引擎取平均，恰好毁掉了决策所需要的那部分信息，因为两条只有松散相关的序列，其平均值并不构成对任何一条的摘要。一个在某引擎 40% 的运行里被引用、在另一个引擎 0% 的品牌，和一个在两边都是 20% 的品牌，综合分数完全相同，而这两种处境要做的事恰好相反。前者是某一个引擎上的访问问题，后者是“到处都弱但都在”的位置。
加权只会让情况更糟而不是更好，因为跨引擎时“一次引用”不是同一个单位。在那份 602 条 prompt 的数据集里，每个被引页面的平均影响力，ChatGPT 是 0.2713，Google 是 0.0584，Perplexity 是 0.0646，也就是说一次引用能塑造多少答案，差了大约四倍。7 把一次 ChatGPT 引用加上一次 Perplexity 引用，等于把两个不同单位相加，任何单一标量都修不好这一点。
综合数字只有一个很窄的用途：以季度为粒度的粗略趋势线，此时你只关心整体画面在不在动。它撑不起排优先级、竞品比较，也判断不了某个具体改动有没有奏效，而大多数人拿它去做的恰恰是这三件事。
那应该怎么报告 AI 可见性？
一个引擎一个界面一行，行与行之间不做任何算术。用一张表格就能跑。
把引擎和界面写进每一个数字里
不是「AI 可见性 18%」，而是「Google AI Mode，en-US，2026 年 8 月，40 次运行中被引用 7 次」。AI Overviews 和 AI Mode 是不同的界面，必须分行：毕竟同一家公司自己的几个界面之间重合度也只有 Jaccard 0.11–0.18。
记录被引用的 URL，而不只是“你在不在”
每个引擎反复引用的那组来源，就是你在那里的竞争对手地图，而且各引擎不同。在多数商业问题上，这张清单的大部分属于别人。
预期修复会落得不均匀，并且提前说明
一个提高了某引擎引用率的改动，可能在另一个引擎上好几个月毫无动静，甚至永远没有。在发布之前就定好“按引擎的目标”，可以避免这被读成失败。
挑你的买家在用的那一两个引擎
分化意味着“平均覆盖五个引擎”要为同样的置信度付出五倍成本。把两个引擎测扎实，胜过把五个都测得潦草；而选哪两个，应该跟着你的流量已经来自哪里走。
上面这套报告纪律就是全部方法，它不需要任何软件。AI 搜索如何工作这一阶段 提供了解释这种分化的管线阶段；衡量 AI 可见度这一阶段 把按引擎分行的表变成完整的测量计划；姊妹篇《AI 答案为何变化》讲的是每一行内部的运行间波动。
上面那张按引擎分行的表，你完全可以手工跑：固定 prompt、每个引擎一个标签页、统计运行次数和被引用的 URL、不做平均。Bavior 自动化的正是这件杂活：它按计划把一组固定的 prompt 打到五个引擎上，记录每条答案引用了哪些来源，按引擎分别报告而不是混合。它不产出单一可见性分数，无法告诉你两个引擎为什么对你的判断不同，也左右不了你的买家在用哪个引擎。免费 AI 可见性检测和免费 GEO 体检不需要付费方案；付费追踪为按月支付每月 99 美元起，或按年支付每月 79.17 美元（截至 2026 年 8 月 29 日）。
- Grossman 等，《How Generative AI Disrupts Search》，SIGIR 2026，11,500 条查询；摘要写的是“平均 Jaccard 相似度小于 0.2”，两两之间的 0.18、0.16、0.11 在表 2 中：arxiv.org/abs/2604.27790
- Kirsten 等，Findings of ACL 2026，对 Google AI Overviews 的 4,706 条查询审计，数据采集于 2025 年 9 月，覆盖美国与德国；原文为“on average 53% (27%) of domains that AIO consults are not contained in top-10 (top-100) Organic search results”：aclanthology.org/2026.findings-acl.526
- Li 与 Sinnamon，《Generative AI Search Engines as Arbiters of Public Knowledge》，Proceedings of ASIST 61(1)，2024；跨 Bing Chat 与 Perplexity 的 672 条回答，355 个唯一域名，26% 被两者共同引用：arxiv.org/abs/2405.14034
- 《Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026)》，2026 年 7 月 15 日，arXiv:2607.14035（综述预印本）：arxiv.org/abs/2607.14035
- 关于“训练令牌与搜索令牌”拆分的第一方爬虫文档：OpenAI developers.openai.com/api/docs/bots，Anthropic support.claude.com/en/articles/8896518，Perplexity docs.perplexity.ai/guides/bots
- Google Search Central，《AI features and your website》（查询扇出，第一方文档，最后更新于 2025 年 12 月 10 日）：developers.google.com/search/docs/appearance/ai-features
- Zhang、He、Yao，《From Citation Selection to Citation Absorption: A Measurement Framework for GEO Across AI Search Platforms》，2026 年 4 月 28 日，arXiv:2604.25707（预印本，602 条 prompt 的开放数据集）：arxiv.org/abs/2604.25707
- 2025 年 10 月一项 362,000 条美国桌面端查询的研究，同时报出「94% 的 AI Overviews 含一个自然结果前二十的 URL」与「单条引用中 56% 来自前二十」。厂商发布；按本课程出处规则，只描述、不链接。
- 某提供方用同一工具、同样九个行业发布的按引用计重合率：2025 年 9 月 54.5%，2026 年 2 月约 17%，两者未作调和。厂商发布；按本课程出处规则，只描述、不链接。
- Xu、Iqbal 与 Montgomery，2026；55,393 条趋势查询，采集于 2026 年 3 月 13 日至 4 月 21 日；原文为“29.8% of AIO reference domains do not appear anywhere on the corresponding first page”（预印本）：arxiv.org/abs/2605.14021
- Schulte 等，2026；在四个引擎、45 天里，按天计的来源层面 Jaccard 约为 0.34 到 0.42，样本为一个很小的瑞士查询集合；按出处 4 的批判性综述转述引用。
你想知道的，都在这里。
如果 ChatGPT 引用了我，Perplexity 也会引用我吗？
按现有证据看，通常不会。一项对 Bing Chat 与 Perplexity 共 672 条回答的审计发现 355 个唯一被引域名，其中只有 26% 在两边都出现。哪怕是同一家公司基于同一索引构建的两个界面，URL 层面的 Jaccard 相似度也只有 0.11 到 0.18（SIGIR 2026 上发表的 11,500 条查询研究）。请把某个引擎上的一次引用只当作关于该引擎的证据，其他引擎要分开验证，不要默认它们会跟进。
AI 引用和自然结果前十的真实重合率是多少？
不存在唯一正确的数字，因为已发表的各个数据回答的是两个不同的问题。按“每条 AI 回答”计算，也就是问“这条回答里是否至少有一个页面同时也有排名”，某项 362,000 条查询的商业研究发现 94% 的 AI Overviews 含有一个前二十的 URL。按“每次引用”计算，也就是问“被引用的页面中有多大比例同时也有排名”，同一份样本给出的是前二十占 56%，而一项 4,706 条查询的学术审计在 2025 年 9 月的数据上发现，AI Overviews 查阅的域名中有 53% 不在自然结果前十。2026 年 3、4 月采集的一项 55,393 条查询的预印本，在可比的“首页”口径上测到 29.8%，所以要引用区间而不是点值。在转述任何一个数字之前，先问它用的是哪个分母、哪个采集时间窗。
我应该只针对一个 AI 引擎优化，还是全都做？
挑你的买家真正在用的那一到两个，因为分化会让“全都做”变得昂贵而不是周全。要把五个引擎覆盖到同样的置信度，采样成本大约是五倍；而在一个界面上奏效的修复，在另一个界面上经常毫无作用：同一家公司自己的自然结果、AI Overviews 与 Gemini 三者之间的 Jaccard 只有 0.11 到 0.18。唯一的例外是技术可检索性，它是同时对所有引擎生效的那一层，因为可被索引、够快、服务端渲染在哪里都有帮助。
单一的综合 AI 可见性分数有没有用？
只在作为季度间的粗略趋势线时有一点用，做决策时绝不可用。一个在某引擎 40% 的运行里被引用、在另一个引擎 0% 的品牌，和一个在两边都是 20% 的品牌，综合分数完全相同，但这两种处境需要的工作恰好相反。加权也救不了它：在一份 602 条 prompt 的学术数据集中，每个被引页面的平均影响力，ChatGPT 是 0.2713，Google 是 0.0584，Perplexity 是 0.0646，可见不同引擎上的引用根本不是同一个单位。
为什么某个引擎在 Google 上引用我，ChatGPT 里却从来没有？
最常见的原因是：在做任何排序之前，这两个引擎读到的根本不是同一个版本的网页。每家厂商都在文档里区分了各自的爬虫令牌，OpenAI 把 GPTBot 与 OAI-SearchBot 分开，Anthropic 把 ClaudeBot 与 Claude-SearchBot 分开，Google 把 Google-Extended 与 Googlebot 分开，所以一条 robots.txt 规则、一条 WAF 规则或一个渲染要求，可能把你从某个引擎的候选池里剔除，而另一个引擎毫发无损。在重写页面之前，先按引擎逐个检查可抓取性。
负责调研与维护 Bavior 关于 Reddit 营销和 AI 搜索可见度的全部内容。文中每一个数字都注明了来源出处与核查日期，所有外链均非联盟推广链接。
发现数字有误？告诉我们，我们会重新核查：support@bavior.com