AI 推荐了别人,通常不是因为它不喜欢你,而是因为它读到的那几个来源里没有你。信源归因做的,就是把“我没出现”翻译成“我在哪个平台缺内容”。
你问 AI「杭州做 XX 哪家好」,它报了三家,没有你。
你回去把官网更新了一遍,又发了几篇文章,再问一次——还是没有你。
问题多半不在你写得够不够好,而在AI 读到的那几个地方,有没有你。
AI 不会凭空点名。它回答时,会先检索一批内容,再从里面合成答案。这句话推荐了谁、怎么描述你,取决于它读到的是谁写的、写了什么。
所以“没被推荐”至少有两种完全不同的情况:
还有一种更隐蔽:AI 用来描述你的内容,来源是别人。它对你的印象,来自竞品、平台或一篇你从没参与过的文章。
这三种,处理方式完全不同。只看“有没有出现”,你只能知道自己差;不知道差在哪,就不知道该做什么。
一句话:把 AI 那句推荐,拆回它引用的原始出处。
我们对 AI 回答里每一个被引用的来源做自动分类,找出它得出这句推荐所依据的内容来自哪里——是平台上的笔记、是竞品官网、是本地媒体,还是一份政府名录。
结果通常很具体:不是“你不够努力”,而是“AI 主要读的那几个地方,你在其中两个是 0”。
我们把引用来源归成六类:
| 类别 | 大致包括 | 对商家意味着什么 |
|---|---|---|
| 平台 | 携程、美团、好大夫、新氧等 | 你的店铺页、案例、评价有没有内容 |
| 竞品官网 | 同行的官方网站 | 竞品在讲什么、讲得够不够清楚 |
| 品牌官网 | 你自己的官网 | 官网有没有可被引用的事实型内容 |
| 媒体 | 新闻、行业媒体、自媒体 | 有没有第三方替你讲过 |
| 政府机构 | 政务网站、公示名录 | 资质、备案、名录里有没有你 |
| 未知 / 引用质量异常 | 无法归类,或引用本身有问题 | 需要人工复查,不能直接当结论 |
分类的价值不在名字好听,在于每一类都对应一种可以排期的动作。
不是每个 AI 都会返回它引用了谁。目前只有部分引擎开放引用结构,其余的我们标「不可检测」——不写成「未被引用」。
这两个词差很远:一个是“我们没看到”,一个是“你没有”。
所以信源穿透率只在能测的引擎上算;测不到的那部分,我们不编。
这也是我们建议你先问任何一家服务商的问题——见《GEO 服务怎么挑》第四问。
假设你是杭州一家医美机构(下例只说明用法,不是真实诊断数据)。
AI 回答“杭州做双眼皮哪家好”时推荐了 A、B、C 三家,没有你。归因之后可能看到:
而你:官网有内容,平台上是 0,媒体上没有,政府名录里也没有。
结论不是“你不够努力”,而是“AI 主要读的三个地方,你都缺席”。
下一步也就清楚了:不是再发十篇公众号,而是先去补那个平台。
受监管行业(如医美)还有一条:只谈可见性与事实,不碰疗效、不承诺排名。
一份归因说明:每个被引用的信源是什么、属于哪类、你有没有、差距在哪。
不是一张总分图,是一份可以照着排期的清单。
别急着问“怎么让 AI 推荐我”。
先问一句更基础的:AI 现在在引用谁?
文中关于 AI 行为的描述基于我们多引擎实测的方法论;如需引用具体数据,将以真实来源标注补充。