AI 回答是怎么挑信源的

2026-10-30 · 桐灼GEO · 公开记录

问 AI「XX 行业哪家靠谱」，它给出的答案背后有一批被读过的页面。理解这批页面是怎么被挑出来的，比研究「怎么写爆款」更接近问题本身。这篇按四个环节拆开讲：检索、筛选、组织、引用——每个环节给出企业能做的动作和自查方法。

第一步：检索——候选池里得先有你

生成式 AI 在回答前，通常会先从自己的索引里检索出一批候选页面。进入候选池的前提很朴素：页面能被抓取、正文在 HTML 里（不是只有一张空壳加脚本）、站点结构清晰、sitemap 和链接能把页面带进来。

这一步的读数叫「抓取」，在服务器日志里就能看。有两个常见假信号要先剔掉：一是新站首抓、扩站或改版带来的总量翻倍，和效果无关；二是把 robots.txt、sitemap.xml 这类「来访必抓」的请求算成内容被读。正确口径是按每个 URL 每天归一化后再看趋势。

第二步：筛选——三类页面更容易被选中

1. 事实具体：名称、型号、金额、时间、地点写清楚。「为某医院做过 UPS 项目」和「2025 年 5 月，菏泽市第三人民医院 UPS 电源采购，成交 51.8 万元，公告见文末」不是一回事。
2. 来源可核对：数字能指回公告、检测报告、公开看板。AI 不负责替你求证，但它更愿意采用看起来可核对的句子。
3. 表述一致：同一件事在官网、平台页和宣传册上是同一个版本。版本打架时，AI 可能抓到旧版本，而且它不会告诉你。

反例我们也写过：2026-10-24 的记录里，一家客户 19 个城市发了同一篇文章，最后删掉 73 篇——批量近似页不只是「没效果」，它会把整个站群的可信度一起拉低。

第三步：组织——AI 念出来的是句子

回答里出现的是它组织的句子。句子能不能被独立摘出来，取决于原文是否写得像一个可以独立成立的答案：主语明确、结论在前、数字带单位、边界说清楚。

这也是「一页回答一类问题」比「一页塞满关键词」有效的原因：首页回答你是谁、做什么；产品页回答型号、参数、适配场景；案例页回答做过什么、什么结果；FAQ 回答多少钱、多久、坏了找谁。每页只做一件事，AI 抽取时就不容易拿错。

第四步：引用——来源列表是结果，不是承诺

部分平台会在回答下列出来源，部分不会。被列为来源，只说明那个页面在这一次检索里被采用；它随问题、平台和时间波动，单次观察不能当结论。

可复查的做法是：固定一组问题、固定的平台与轮次、固定时间窗，记录「有没有提到你、说错了什么、引用了谁」。这就是见度GEO 这类检测工具的工作方式——只记录，不承诺。

我们观察到的一组读数

以桐灼的城市站群为例（2026-10-30 读取公开看板，窗口自 9 月 5 日起）：字节的 661 次验证请求里，绝大多数落在 robots.txt 与 sitemap.xml 上，栏目页每个约 20 次，文章页几乎为零；同期 Googlebot 1,882 次、GPTBot 1,742 次，都在读正文。

这组对照说明两件事：第一，站点可抓可读，内容本身没有问题；第二，「抓到了」和「被 AI 引用」之间还隔着筛选与取用两层，不能把抓取量当成绩单。这也是我们坚持四层分开报的原因。

A FAQPage is a WebPage presenting one or more “Frequently asked questions” (see also QAPage).

Schema.org · schema.org/FAQPage

把这条标准原文反过来读也成立：结构化数据只是在告诉机器「这页在回答什么问题」，它不替你判断答案对不对。答案对不对，还是事实与口径的事。

这对企业意味着什么

• 先把事实整理成台账，统一版本；
• 把关键页面改成一页回答一类问题，补结构化数据；
• 用问题地图组织内容，持续更新让爬虫有理由回来；
• 观察四层指标，把过程与结果分开报。

来源与出处：案例读数来自 桐灼官网公开案例页；抓取口径与检测方法见 见度GEO；城市站公开看板见 tz.tongzhuo.ink。数字均标注时间范围，单次观察不作为稳定结论。

本文为桐灼GEO 的公开方法说明，事实与案例读数来自桐灼官网公开页面及项目记录；数字标注时间范围，不承诺排名或引用次数。