82%的未引用段落只是复述共识：AI搜索把「人人都有的内容」直接吸收，只给不可替代的信息挂来源

做GEO的人最近常问同一个问题：为什么我按关键词把内容写得又全又长，AI就是不引用？10月的一份段落级编码研究给出了一个不太客气、但很有解释力的答案——因为大多数段落只是把圈内共识重复了一遍，而AI对这种内容处理方式是「吸收」，不是「引用」。

被吸收 ≠ 被看见

Advanced Web Ranking的研究人员人工编码了112个被AI检索到的段落，逐段标注结构、证据类型与信息增量，结果是：82%未被引用的段落属于对共识信息的纯粹复述——把行业里人人都知道的三句话换种说法再写一遍。与之相对，被引用段落有两个稳定特征：80%带有2025至2026年的新日期（未被引用段落只有53%），96%在首次提及实体时就明确命名（未被引用段落为82%）。

arXiv上另一项覆盖21,143条引用的研究把这一现象命名为「吸收」（absorption）：引擎读到了你的页面，把你的表述融进了回答，但没有给任何来源标记。被吸收的页面并非随机——它们篇幅更长、结构更规整、可提取证据更密集，其中还包括一个反直觉的结论：Q&A格式对是否被吸收没有显著影响，网络上流传的「Q&A一定更好」并不成立。

引擎真正打开过的页面才值钱

引用链条上还有一道更硬的门槛。AirOps对548,534个页面的统计显示，约85%被检索到的页面从未被引用；Search Engine Land在8月17日的分析中进一步拆开：被引擎真正打开阅读的页面，引用率约74%，而只被检索、未被打开的页面只有7%。换句话说，「被检索」几乎没有价值，「被打开并读到可用证据」才是分水岭。

内容位置的分布也印证了这一点。Growth Memo对18,012条引用的统计显示，44.2%的引用集中在页面前30%的内容里。把这些数字放在一起看，一条清晰的因果链出现了：结论前置 → 被打开 → 段落里有不可替代的证据 → 被引用；而平铺直叙、铺垫三屏再给结论的内容，无论写多长都只是给AI免费供料。

单次答案不可信：要盯的是跨轮出现率

SparkToro与Gumshoe做了一次600名志愿者、接近3,000轮的复现实验：同一个人、同一意图、同一个问题，两次拿到完全相同的品牌清单的概率低于1/100，连顺序都一致的概率接近1/1000，清单长度也能从两三个名字波动到十几个。但另一个指标却很稳定——某个品牌在大量回答里的出现频次。

这对品牌方的方法论含义很直接：拿一张「AI这次提到了我」的截图当交付物是不成立的，因为它连抽样误差都算不上。可用的口径是固定问题集、固定引擎、固定周期，看品牌的出现率变化趋势。这也是为什么Glif 这类可以批量生成结构化内容的工具被越来越多内容团队用来做A/B测试——单次结果没有意义，批量跑出来的分布才有。

什么内容天然更容易被引用

HubSpot《State of AEO 2026》给出了一组对比数据：在ChatGPT上，对比类内容的引用率达到95%，远高于通用介绍型内容。原因不难理解——「A和B哪个更适合什么场景」是模型必须给出结论、又必须交代依据的问题，而独家测算、真实价格、一手案例恰恰是它自己编不出来的东西。

反过来，最容易翻车的写法也有共性：把官网介绍改写成三段、把行业常识列成十条、把去年的内容换个日期再发一次。这些内容在检索层过得去，在引用层几乎必死。

还有一个没人愿意承认的数字

Conductor 2026年的调查显示，98%的CMO已经在AEO/GEO上投入预算，但只有23%真正做了效果测量。付费的一端热火朝天，测量的一端几乎空白——这正是「复述共识」型内容还能继续卖出去的原因：客户自己没有尺子。

如果你要给自己配一把尺子，最小可行的方案是：选20个真实用户问题，每周固定跑一遍主流引擎，记录三件事——品牌是否出现、是否带了来源链接、具体引用的是哪一段。三周之后你会得到一份比任何服务商PPT都可靠的基线，也能一眼看出哪些页面只是被吸收、从未被引用。

可执行的六条内容清单

1、结论与关键数字放在页面前30%，先给判断再展开论证；2、每个核心段落至少带一个自己独有的证据：实测数据、真实价格、一手案例或内部统计；3、页面里出现明确的日期与版本号，让引擎能判断信息新鲜度；4、首次提到实体时用完整、统一的名称，别用「我们」「该产品」这类指代；5、结构性内容优先做对比与选型，而不是名词解释；6、别再花钱买「Q&A模板」和结构化数据插件当捷径——它们在最大规模的前后对比测试里收益接近零。

一句话总结：AI搜索不奖励「写得全」，只奖励「别人写不出来」。当82%的未引用段落都是共识复述时，内容团队的KPI应该从「发了多少篇」改成「贡献了多少条独有证据」。你可以现在就在知乎直答里问一个自己行业的具体问题，看看答案里被挂上来源链接的是谁——大概率不是官网，而是那几个拿出了真实数据的人。

（文 / AI30媒体部 ｜ 最后更新：2026年10月10日）