吃透 AI 信源偏好：从底层逻辑到投放策略的完整指南
在 AI 搜索时代，品牌能否被大模型引用，直接决定了它能否出现在用户的答案里。这场公开课由前 TikTok 商业化 AI 产品经理向阳乔木与《AI营销：从SEO到GEO》作者姚金刚主讲，围绕「AI 信源偏好」这一核心概念，拆解了信源偏好如何形成、不同平台偏好有何差异、如何基于数据制定投放策略，以及如何让官网成为优质 AI 信源。无论你是企业市场负责人、SEO 从业者，还是刚接触 GEO 的运营新人，都能从中获得一套可落地的操作框架。
什么是 AI 信源，为什么它如此重要
AI 信源，简单说就是 AI 回答用户问题时引用的信息源头。姚金刚指出，同一个问题在不同 AI 平台搜索，引用的信息来源差异很大——豆包更偏向字节生态（抖音、今日头条），元宝更倾向腾讯生态（腾讯新闻、微信公众号），千问则高频引用 UC 资讯内容。
这种差异并非随机，而是每个 AI 平台「偏好」的体现。姚金刚强调，偏好本质上是一种条件概率：在豆包上，今日头条内容约占所有信源的 7%；在 DeepSeek 上，这个比例几乎为零。理解并掌握这种偏好，是制定 GEO 投放策略的前提——如果你想影响豆包的 AI 结果，第一步就是优先运营今日头条和抖音账号，否则影响难度会大大提升。
信源偏好形成的六大底层环节
信源偏好为什么差异这么大？姚金刚拆解了 AI 处理用户查询的六个环节，每一步的差异最终叠加成截然不同的引用特征。
第一，模型内部知识。 训练大模型需要海量高质量数据集，成本极高。为了降低成本，各家优先利用自家内容生态——百度优先学习百家号、百度知道，豆包优先学习抖音和今日头条。
第二，搜索触发与查询改写。 每个平台的改写逻辑不同，这与训练方式、智能水平甚至显卡数量有关。算力有限的平台只能尽可能降低成本，用最小代价实现还不错的结果。
第三，候选信源池构建。 这涉及爬虫能力和反爬对抗。百度做了多年搜索引擎，爬虫能力强悍，候选池质量理论上更优；DeepSeek 依赖第三方搜索公司提供候选信源，能力相对弱一些。
第四，排序目标与预算平衡。 每个平台都希望给用户最好的结果，但高质量排序意味着高成本。当检索量过大时，平台会降质来平衡成本——这就是用户偶尔遇到的「AI 变笨」现象。
第五，模型对证据说服力的判断。 候选信源可能有 50 条，最终引用哪些，取决于模型对信息可信度的判断，其中交叉校验是关键机制。
第六，引用展示执行。 最后一步的筛选与展示，同样因平台而异。
姚金刚总结道：「AI 搜索在有限的算力、时延、上下文、风险与商业预算下，从不完整的信息视界中选择少量的证据，并压缩成可用的答案。」每家机构的价值观和盈利模式，决定了它在每个环节的不同权衡，最终形成差异化的信源偏好。
信源引用评估公式：一篇内容如何被 AI 选中
基于 GEO 引用研究仓库中的论文和数据集，姚金刚归纳出一个信源引用评估公式。一篇内容能否被 AI 引用，取决于五个加分项和三个减分项。
加分项：
- 相关性（R）：内容与用户查询的匹配程度
- 时效性（F）：内容是否足够新，标题是否包含年份信息
- 权威代理（A）：域名历史、内容责任主体的权威权重——蓝 V 号比素人号权重更高
- 可抽取性（E）：证据密度，即内容中可被提取的有效信息量
- 多样性与产品适配（D 和 X）：内容形态是否多样，是否适配 AI 产品的展示逻辑
减分项：
- 风险（H）：页面或内容存在合规风险，如违法广告、违反广告法词汇
- 响应时间（L）：页面加载速度慢，对 AI 抓取不友好
- 抓取成本（C）：代码结构复杂，增加 AI 的理解和抓取成本
理解这个公式，就能解释很多数据现象。比如 70% 的高引用标题包含「2026」年份标识——时效性触发了算法权重，让页面更容易被引用。姚金刚提醒，这不是说加了年份就一定会被引用，而是相对其他页面，引用概率会大大提升。
数据揭示的引用规律：平台、内容形态与标题策略
本次分享的数据集基于 2024 年 7 月更新的 21 万条 AI 引用记录，去重后得到约 19 万条有效数据，覆盖 12 个 AI 平台、620 个跨行业测试问题。姚金刚从中提炼出几个关键规律。
信源类型效率差异显著。 平台与社区类域名仅占 4.68% 的域名总量，却贡献了 29% 的引用量，引用效率达 6.3 倍，是 GEO 投放的首选渠道。政府公共机构类域名虽然被抓取量大，但因内容适配性差，引用占比远低于预期。
内容形态影响引用率。 榜单排行、指南教程、对比评测类内容的引用率显著高于常规内容。在标题中带上「榜单」「Top 10」「指南」「评测」等关键词，能大幅提升引用概率。
标题长度有最优区间。 31-50 字的标题平均引用率最高，超过 50 字后引用率逐步下滑。组合逻辑上，「年份+榜单排行」「年份+推荐选购」是当前引用效率最高的两类标题组合。
时效性表达有讲究。 标题中包含具体年份（如 2026）的引用率远高于仅标注「最新」「近期」的标题。以 Kimi 为例，67% 的引用页面标题包含年份，而「最新」「近期」类标题的引用率普遍只有个位数。
摘要长度同样重要。 300 字以上的摘要引用率最高，平均引用在 2 以上。详细的摘要能让内容更容易被抓取和理解。
关于榜单内容的合规风险，姚金刚特别澄清：「虚假排行肯定会被打击，一举报一个准。」打击的核心是虚构事实——虚构经营数据、恶意贬低竞品。基于真实数据的客观评测和榜单不存在合规风险，无需刻意回避。「你的评价要建立在客观事实的基础上，你不能虚构。我明明没有评测竞品，我非得去写一些竞品的问题，这就容易出问题。」
从数据到策略：官网优化与多平台投放
基于以上规律，姚金刚给出了 GEO 落地的实操路径。
官网成为优质 AI 信源的三步法：
第一，提升域名权重。通过外链（其他网站指向你的官网）、内链布局、提交站点地图等方式，让域名在 AI 侧更可信。
第二，构建体系化内容网络。内容数量要多，但不是重复发布，而是围绕业务场景搭建覆盖科普、产品对比、评测、百科等维度的内容矩阵。比如做眼镜的，可以围绕眼镜科普、产品评测、选购指南等构建几万条内容的内容库。
第三，每个页面严格匹配信源引用评估公式。逐项优化五个加分项，规避三个减分项。
多平台运营策略： 不同 AI 平台的信源重合度极低，需要优先锁定核心目标用户聚集的平台重点运营。同时，单平台运营会产生跨平台溢出效应——做了豆包的 GEO，DeepSeek、元宝、千问也可能出现品牌推荐。同时布局多个平台，溢出效应会被显著放大。
效果维护方法： 不需要持续批量发布内容，盲目发内容无法有效维持排名。正确逻辑是定期监测目标关键词的 AI 排名表现，哪个词下滑了，定向分析下滑原因（竞品上升、信源变化还是算法波动），再做定向投放，形成「监测-归因-投放」的循环。
开源工具与实战演示
姚金刚介绍了一套完整的开源工具矩阵，全部托管在 GitHub 公开仓库，支持在 Codex、Workbody、Trae 等主流 AI 工作流工具中一键部署。
geo-citation-lab：GEO 引用数据仓库，包含海外 AI 引用偏好数据集、50 余篇相关学术论文、国内各大 AI 平台约 20 万条引用数据（JSON 数据 267 兆）。
GEOFlow：内容生成与分发管理系统，支持知识库管理、标题生成、多渠道分发，可绑定自有渠道或通过 API 接入第三方分发工具。
yao-geo-skills：GEO 技能包集合，包含爬虫诊断分析、效果评测等 Skill。其中 MetaScale 是「写 Skill 的 Skill」，通过意图建模、任务边界定义、标准参考等机制，帮助用户创建和迭代高质量 Skill。
实战演示中，姚金刚以「一站式建材配送」为例，展示了工具如何自动匹配相邻行业样本（家装、门窗、地域预算等），输出豆包、DeepSeek、千问、元宝四个平台的引用偏好分析、TOP 域名、内容形式、标题特征，以及分平台的信源策略和内容模板。他强调：「数据仓库里面没有建材配送，但 AI 会通过相关的问题去找行业相关的样本，所以任何细分领域都能得到参考价值极高的分析结果。」
现场问答
Q：所有的 AI 平台最后都会走向类似百度竞价的模式吗？
AI 平台大概率会有三种商业模式的组合：第一种是 GEO 与平台长期共生共存，既是博弈又是合作；第二种类似信息流竞价广告，如 ChatGPT 在回答后推荐内容；第三种是 AI 电商，如豆包内植入抖音电商、千问内植入饿了么商品，用户可直接通过 AI 下单。
Q：做 GEO 时竞争对手也在做，如何比得过？
GEO 是零和博弈，不存在投机取巧的捷径。核心是确保每一篇投放内容、每一个页面都符合信源引用评估公式，在相关性、权威代理、信源偏好等每个要素上都比竞品做得更好。这是一个系统性的胜利。
Q：如何精确知道某个城市昨天有多少人搜索了我的行业？
目前拿不到。AI 平台的用户搜索数据是黑盒状态，无法获取特定区域、特定行业的实时搜索量数据。
Q：信源比较固定，如何维持排名？是不是持续发内容？
不是。最佳策略是持续监测目标关键词在 AI 平台的表现，哪个词下滑了就定向分析原因（竞品上升、信源变化还是算法波动），再做定向投放。盲目持续发内容反而可能导致质量下降。
Q：新品牌做了 GEO 之后，外围广告投放和 SEO 还要继续吗？
GEO 是所有营销渠道之一，组合投放效果优于单一渠道。用户可能通过 SEO 搜索发现你，也可能通过 GEO 校验你，其他投放也会提升品牌词的关注度。
Q：如何选择合适的 GEO 服务商？
至少对接 3 家以上，把你的需求和对方的落地方案做交叉比对后再决策。不要只听一家之言。
要点回顾
- AI 信源是 AI 回答问题时引用的信息源头，不同平台偏好差异显著，掌握偏好是 GEO 投放的前提。
- 信源偏好由六大环节叠加形成：模型训练、查询改写、候选池构建、排序成本平衡、证据判断、引用展示。
- 引用评估公式：相关性、时效性、权威代理、可抽取性、多样性与产品适配是加分项；合规风险、响应时间、抓取成本是减分项。
- 平台与社区类信源仅占 4.68% 域名量，贡献 29% 引用，是首选投放渠道。
- 标题策略：31-50 字最优，包含具体年份（如 2026）比「最新」「近期」引用率高数倍，「年份+榜单排行」「年份+推荐选购」是最高效组合。
- 榜单内容本身无合规风险，但必须基于真实数据、客观评测，虚构信息会被平台打击并导致品牌降权。
- 官网优化三层面：提升域名权重（外链、内链、站点地图）、构建体系化内容网络、逐页匹配引用评估公式。
- 效果维护靠「监测-归因-投放」循环，而非持续批量发内容。
- 开源工具（geo-citation-lab、GEOFlow、yao-geo-skills）全部免费，支持一键部署，可自动生成信源偏好分析、内容模板、标题库和投放渠道清单。
直播回放约 134 分钟
播放器来自飞书妙记 · 在新窗口打开