Semrush：AI 引擎最常被引域名研究

Semrush 在 2025 年 11 月公布的这项研究，规模为 23 万+提示词、1 亿+引用，是目前少有的能看出“AI 引用域名格局怎么动”的动态画像。核心发现一句话：格局不仅在变，而且以季度为单位剧变——Reddit 在 ChatGPT 引用中的占比从约 60% 暴跌至约 10%，维基百科跌破 20%，LinkedIn 稳步上升。对从业者，这张时间切片打掉的是一个流行假设：“在某平台发了内容，就等于会被 AI 引用”。经验有保质期，而且比多数人预想的短。

引用格局为什么会在几个月内翻盘

Reddit 的高位崩塌与 LinkedIn 的上升，说明用户生成内容与职业性内容两种信源的相对地位在换位。至于驱动力，研究本身没有给出单一归因，我们也不替它下结论：引擎侧的检索与排序调整、产品形态变化、平台内容的结构与密度，都可能改写引用池的构成。要点在于“变”本身——引擎没有义务稳定引用任何平台，今天的高频信源不构成明天的承诺。

这种不稳定性对策略的含义是双重的。一方面，把预算押在单一平台上的风险被显性化：平台权重一朝调整，围绕它铺设的内容资产可能集体失效。另一方面，它也给了后进者机会：格局换血期，新信源挤进引用池的窗口比稳态期更宽。我们的口径是把这类变动读成“引用池的轮换”，而不是“某个平台的兴衰”——后者是社区话题，前者才是监测对象。

信源性质的角度还能把这次换位读得更深。社区讨论的价值在真实与细节，弱点在松散与口径不一；职业性内容的价值在结构化与署名责任，弱点在动机可疑。引擎在两类信源之间的权重摇摆，本质上是在“鲜活度”与“可核验性”之间找平衡，而平衡点会随引擎的反滥用策略与内容治理持续移动。把单一平台当成永久答案，等于假设这个平衡点永远不动。

UGC 平台的特殊风险也被这次崩塌显性化：社区内容的可操纵性一直是引擎的心头病，任何针对“刷社区”的治理动作，都会顺带改写引用池。围绕单一社区平台做重资产布局的团队，要给自己留出迁移路径——内容资产尽量做成平台无关的形态（原创数据、可迁移的评测方法），平台账号只是分发渠道之一。

引用窗口有多窄：进前几名才有意义

这项研究同时给出各引擎答案的引用窗口：Perplexity 平均约 21.9 个来源，ChatGPT 约 7.9 个，Copilot 只有约 2.5 个（引用窗口数据卡）。窗口宽窄直接决定竞争形态：窗口越窄，“被引用”越接近零和——要么进前几名来源，要么对这次回答不存在。同一张数据卡还显示，前五大域名就吃掉约 38% 的引用，头部集中度远超传统搜索结果页。

把窄窗口与域名格局剧变放在一起看，结论更冷：你竞争的不是“一个页面的排名”，而是几个名额里的常客资格。这解释了为什么 AI 可见度的监测要盯“是否出现在窗口内”这个二元事件，而不是笼统的内容质量分——质量是入场券，窗口内的位置才是产出。

窗口口径还改写了采样的意义：窄窗口下，单次回答的引用名单波动极大，今天在窗口内、明天被挤出去是常态。监测必须用固定提示词集多次采样，看的是“进入窗口的频率”而不是“某一次是否在窗口内”——把单次结果当结论，是这个领域最常见的读数错误。

窗口宽窄还决定了策略的容错度。宽窗口引擎一次答案容纳更多来源，中小站点与新内容有更多位置可争；窄窗口引擎接近赢者通吃，后来者的边际投入容易打水漂。资源配置因此要按引擎分档：窄窗口引擎上集中攻头部话题，宽窗口引擎上可以铺长尾覆盖——同一份内容资产，在两个引擎的用法不同。维基百科的角色变化也值得单独看：它长期是各类引擎的默认背景源，口径稳定、覆盖面广，但也因此增长乏力；占比下滑后，引擎会更多启用专业垂直来源补位，这对垂直领域的专业站点是一个结构性的进入窗口——通识问题继续归通识源，专业问题的引用池正在重新分配。

引擎之间不通兑：约 11% 的重合率

研究还援引了 Profound 口径的对比：ChatGPT 与 Perplexity 的引用域名重合仅约 11%。这与站内另一张三引擎对比数据卡的方向一致——ChatGPT、Perplexity 与 Google 三引擎的引用重合仅约 2.4%，约 91% 的引用只出现在单一引擎（三引擎引用重合）。两个口径合起来支持同一条纪律：不存在全局的“AI 排名”，必须分引擎测量、分引擎布局。

对多引擎运营，这意味着工作量的下限：ChatGPT Search 与 Perplexity 的引用池构成不同、窗口宽窄不同，同一份内容在两边的命运可能完全不同。把两边数据合并成一个“AI 总引用数”看趋势，会互相稀释信号——分列是硬要求，不是细节讲究。

这份数据不能推出的三个结论

误用警示值得单列。第一，域名占比的变化不等于流量变化：Reddit 在引用中占比下滑，不直接说明它从 AI 获得的访问减少，两个口径的分母与机制都不同。第二，单个引擎的格局不能外推到全部引擎：这份研究以 ChatGPT 与 Perplexity 为主，其他引擎的引用池构成可能完全不同。第三，“LinkedIn 上升”不等于“发 LinkedIn 帖子就会被引”——被观察的是域名池的整体构成变化，落到单个账号的内容能否进窗口，还取决于话题相关度与竞争烈度。

把三个“不能推出”排在一起，是想说明动态数据的使用纪律：它最适合校准方向与节奏，不适合直接换算成渠道投放决策。从“格局在变”到“我们该把预算挪到哪”，中间还有自己品类的采样数据这一环——这一环没人能替你做。另一个值得进季度报表的指标是信源集中度：当一个品类的引用高度集中于少数域名时，格局突变的伤害更大；分布相对分散时，单一平台失势的冲击被摊薄。它与站内 Presence·Portability·Concentration 三指标 里的 Concentration 同源，衡量的都是同一种脆弱性。

把引用格局复核做成季度动作

这项研究最大的实用价值，是把“复核”变成了例行动作。建议按季度做一轮：用固定的品类提示词集采样，统计被引域名的分布变化，重点看三类信号——高频信源的进出、平台间占比的迁移、自家内容所在域名的位置变动。发现社区类信源占比下滑时，矩阵重心要考虑往职业性内容与自有评测资产挪；发现新域名持续进入，就评估它是否值得作为赢得媒体的新阵地。

中文市场要做单独一轮，不能沿用全球结论。新榜对中文 AI 搜索信源的实测给出了另一套结构（AI 搜索信源结构研究）：第三方内容占比、体裁偏好与英文世界并不相同，且各引擎生态差异更大。更实际的做法是给中文市场单独建一张信源台账：按引擎记录品类问题的高频被引域名、体裁与占比，季度滚动更新。全球研究提供方法论——怎么采样、怎么读变化；本地数据提供决策依据——两件事各司其职，互不替代。

经验过期的速度，比报告更新的速度快，这是这份研究留给我们最实用的一课。把“引用格局复核”写进日历，比记住任何一个具体占比都值钱：占比是快照，复核机制才是资产。