Similarweb 推出 AI 引用分析框架：应对“零点击搜索”浪潮！
989
【亚马逊春耕大会-武汉站】运营技巧×流量获取，点击获取中小卖家成长关键要点>>>
随着人工智能（AI）在搜索结果中扮演越来越重要的角色，用户的搜索习惯正在发生根本性变化。根据 Similarweb 此前的研究，在 2024 年 5 月 AI 概览（AI Overviews）推出后，用户在搜索结果页面上不点击任何链接就获得答案的“零点击搜索”比例，从 56% 上升到了 69%。
为了应对这个新趋势，Similarweb 的 SEO 总监 Limor Barenholtz 在 2025 年 11 月 12 日发布了一套分步框架，专门用于分析 AI 平台在生成搜索回答时如何引用网站内容。
第一部分：AI 时代的可见性新标准
🔍 AI 可见性新指标：引用监控
由于传统流量指标在各大平台上的作用减弱，Similarweb 认为，**监控“引用”（Citation Monitoring）**必须成为衡量网站在 AI 搜索中可见度的首要标准。
Barenholtz 将这种方法定位为“AI 时代的‘反向链接’差距分析——只是我们看的不再是谁链接你，而是当 AI 机器人回答与你业务相关的问题时，它们引用了你的哪些页面。”
数字智能公司 Similarweb 的分析显示：
生成式 AI 聊天机器人带来的推荐流量比传统搜索结果少 95% 到 96%。
截至 2025 年 7 月，Google 近 69% 的查询都是“零点击搜索”。
在这样的环境下，确保自己的网站内容能出现在 AI 生成答案的引用来源中，已成为少数几个能维持网站可见性的途径之一。
📚 AI 引用来源与特性揭秘
一项 Yext 在 2025 年 10 月分析了 ChatGPT、Gemini 和 Perplexity 上 680 万条 AI 引用的研究显示：
86% 的引用来自品牌控制的资产（比如自己的官方网站或商业列表）。
第一方网站（官网）占 44%。
商业列表（如 G2, Capterra）占 42%。
评论和社交内容占 8%。
像 Reddit 这样的论坛仅占 2%。
不同 AI 引擎的引用偏好也大不相同：
| AI 引擎 | 偏好的引用类型 | 引用百分比 |
| Gemini | ||
| OpenAI 模型 | ||
| Perplexity |
引用来源的易变性（Volatility）是一个大挑战：
引用的集合每月会发生大约 50% 的变化。
根据 2025 年 8 月的一份白皮书，ChatGPT 和 Perplexity 之间的引用重叠度只有 11%。这意味着89% 的引用机会是平台独有的。
🪜 框架实操：AI 引用分析步骤
Barenholtz 提出的分析流程包含以下关键步骤：
1. 目标设定与竞争对手选择
设定可衡量的目标： 例如，每季度将特定主题的 AI 引用份额提高 5%，或确保在 3 个新的高权威网站上获得引用。
选择竞争对手： 应该选择业务重叠的公司，而不是那些市场份额远超你的巨头。
2. 基准可见性收集
通过 Similarweb 的 Gen AI Intelligence 平台，在“概览”标签中查看：
可见性份额（被 AI 答案引用的百分比）。
总引用次数、在 ChatGPT、Gemini、Perplexity 上的细分数据。
按份额显示热门主题摘要。
竞争对手的声音份额对比。
3. 引用来源网站分析
识别生成式引擎在提及特定品牌时引用了哪些域名。报告会给每个来源一个影响力分数（Influence Score），表明它对总引用的贡献度。
OpenAI 案例研究： 引用 openai.com 的顶级域名包括学术资料库（arxiv.org）、出版平台（medium.com）、维基百科（en.wikipedia.org）和商业咨询公司（mckinsey.com）等。
4. 引用来源 URL（页面级别）深入分析
这是对单个页面的详细洞察。例如，维基百科上的“词嵌入”文章对 OpenAI 的影响力得分为 0.48%，被 3 个提示引用；而几篇 arXiv 论文和 EY、McKinsey 的行业报告各有约 0.95% 的影响力，被 2 个提示引用。
5. 提示和主题差距分析
发现那些生成了引用的问题（Prompt），但没有提及你的品牌。
负面差距案例： 针对 openai.com，像“哪些行业从机器学习中受益最多？”或“哪些行业在 AI 采用方面处于领先地位？”这样的查询，产生了引用，但没有提到 OpenAI 品牌。
正面提及案例： 而“用于数据分析的顶级 AI 工具是什么？”则产生了积极的品牌提及和多次引用。
6. 确定优先级
并非所有差距都值得花时间。要基于高影响力域名和高意图提示来确定优先级。相比于高影响力的普通新闻网站，一个中等影响力但受众高度相关的行业博客可能带来更高的价值。Barenholtz 建议重点攻克 5 到 10 个高影响力来源。
📈 持续监控与优化策略
1. 监控要求：应对易变性
由于 AI 引用的易变性，需要持续关注以下核心指标：可见性份额、总引用次数、按引擎细分、主题摘要和竞争对手声音份额。
2. 整合流量数据：避免“虚荣指标”
流量数据提供了引用指标之外的必要背景。有些域名引用次数多但带来的实际访问少，而另一些引用次数虽少，但带来的却是高价值访客。整合流量分析能防止团队仅为虚荣指标而优化。
3. 优化策略：SEO, AEO, 和 GEO 三管齐下
| 策略类别 | 核心要求 | 重点行动 |
| 内容质量 | 原创研究、数据和独特视角 | |
| 结构化数据 | ||
| 高影响域策略 | ||
| 对比和评论页 | ||
| 平台多元化 | ||
| 内容新鲜度 | ||
| 建立信任 |
💡 市场与未来影响
市场整合： 虽然 Lorelight 的 AI 优化平台因“缺乏实际效果”而关闭，但 Amplitude 紧接着推出了 AI 可见性工具，连接可见性指标与下游业务成果。Semrush 在实施系统化优化后，其 AI 声音份额在一个月内几乎翻了三倍（从 13% 到 32%）。
不被引用，即不存在： 一份报告指出，如果你的品牌没有出现在 AI 答案中，“你就没有存在于这个会话中。”引用竞争不再局限于传统的搜索结果邻居，品牌可能被维基百科页面、学术论文或竞争对手的定价指南取代。
追踪工具的局限性： AI 引擎的个性化功能（如 ChatGPT 基于用户历史和位置定制答案）使广义的可见性报告的准确性大大降低。市场团队需要理解，每个用户收到的定制化回答远比追踪工具能复制的复杂得多。
经济影响： 出现在 AI 概览引用中的网站往往能获得流量优势，而被忽略的页面则失去可见性。这使得建立权威性和引用位置成为比传统排名因素更重要的优化重点。
引用价值现在独立于传统的权威信号而存在：AI 搜索引擎引用的是那些被认为是事实准确、及时、结构良好和有权威性的内容。内容必须包含具体的、可验证的断言和基于事实的陈述，而不是模糊的概括。
总结：AI 引用框架速览
| 维度 | 关键信息总结 |
| 人物 | Similarweb |
| 内容 | |
| 数据揭示 | 86% 引用源于品牌自有资产 |
| 时间 | |
| 地点 | |
| 原因 |
随着人工智能（AI）在搜索结果中扮演越来越重要的角色，用户的搜索习惯正在发生根本性变化。根据 Similarweb 此前的研究，在 2024 年 5 月 AI 概览（AI Overviews）推出后，用户在搜索结果页面上不点击任何链接就获得答案的“零点击搜索”比例，从 56% 上升到了 69%。
为了应对这个新趋势，Similarweb 的 SEO 总监 Limor Barenholtz 在 2025 年 11 月 12 日发布了一套分步框架，专门用于分析 AI 平台在生成搜索回答时如何引用网站内容。
第一部分：AI 时代的可见性新标准
🔍 AI 可见性新指标：引用监控
由于传统流量指标在各大平台上的作用减弱，Similarweb 认为，**监控“引用”（Citation Monitoring）**必须成为衡量网站在 AI 搜索中可见度的首要标准。
Barenholtz 将这种方法定位为“AI 时代的‘反向链接’差距分析——只是我们看的不再是谁链接你，而是当 AI 机器人回答与你业务相关的问题时，它们引用了你的哪些页面。”
数字智能公司 Similarweb 的分析显示：
生成式 AI 聊天机器人带来的推荐流量比传统搜索结果少 95% 到 96%。
截至 2025 年 7 月，Google 近 69% 的查询都是“零点击搜索”。
在这样的环境下，确保自己的网站内容能出现在 AI 生成答案的引用来源中，已成为少数几个能维持网站可见性的途径之一。
📚 AI 引用来源与特性揭秘
一项 Yext 在 2025 年 10 月分析了 ChatGPT、Gemini 和 Perplexity 上 680 万条 AI 引用的研究显示：
86% 的引用来自品牌控制的资产（比如自己的官方网站或商业列表）。
第一方网站（官网）占 44%。
商业列表（如 G2, Capterra）占 42%。
评论和社交内容占 8%。
像 Reddit 这样的论坛仅占 2%。
不同 AI 引擎的引用偏好也大不相同：
| AI 引擎 | 偏好的引用类型 | 引用百分比 |
| Gemini | ||
| OpenAI 模型 | ||
| Perplexity |
引用来源的易变性（Volatility）是一个大挑战：
引用的集合每月会发生大约 50% 的变化。
根据 2025 年 8 月的一份白皮书，ChatGPT 和 Perplexity 之间的引用重叠度只有 11%。这意味着89% 的引用机会是平台独有的。
🪜 框架实操：AI 引用分析步骤
Barenholtz 提出的分析流程包含以下关键步骤：
1. 目标设定与竞争对手选择
设定可衡量的目标： 例如，每季度将特定主题的 AI 引用份额提高 5%，或确保在 3 个新的高权威网站上获得引用。
选择竞争对手： 应该选择业务重叠的公司，而不是那些市场份额远超你的巨头。
2. 基准可见性收集
通过 Similarweb 的 Gen AI Intelligence 平台，在“概览”标签中查看：
可见性份额（被 AI 答案引用的百分比）。
总引用次数、在 ChatGPT、Gemini、Perplexity 上的细分数据。
按份额显示热门主题摘要。
竞争对手的声音份额对比。
3. 引用来源网站分析
识别生成式引擎在提及特定品牌时引用了哪些域名。报告会给每个来源一个影响力分数（Influence Score），表明它对总引用的贡献度。
OpenAI 案例研究： 引用 openai.com 的顶级域名包括学术资料库（arxiv.org）、出版平台（medium.com）、维基百科（en.wikipedia.org）和商业咨询公司（mckinsey.com）等。
4. 引用来源 URL（页面级别）深入分析
这是对单个页面的详细洞察。例如，维基百科上的“词嵌入”文章对 OpenAI 的影响力得分为 0.48%，被 3 个提示引用；而几篇 arXiv 论文和 EY、McKinsey 的行业报告各有约 0.95% 的影响力，被 2 个提示引用。
5. 提示和主题差距分析
发现那些生成了引用的问题（Prompt），但没有提及你的品牌。
负面差距案例： 针对 openai.com，像“哪些行业从机器学习中受益最多？”或“哪些行业在 AI 采用方面处于领先地位？”这样的查询，产生了引用，但没有提到 OpenAI 品牌。
正面提及案例： 而“用于数据分析的顶级 AI 工具是什么？”则产生了积极的品牌提及和多次引用。
6. 确定优先级
并非所有差距都值得花时间。要基于高影响力域名和高意图提示来确定优先级。相比于高影响力的普通新闻网站，一个中等影响力但受众高度相关的行业博客可能带来更高的价值。Barenholtz 建议重点攻克 5 到 10 个高影响力来源。
📈 持续监控与优化策略
1. 监控要求：应对易变性
由于 AI 引用的易变性，需要持续关注以下核心指标：可见性份额、总引用次数、按引擎细分、主题摘要和竞争对手声音份额。
2. 整合流量数据：避免“虚荣指标”
流量数据提供了引用指标之外的必要背景。有些域名引用次数多但带来的实际访问少，而另一些引用次数虽少，但带来的却是高价值访客。整合流量分析能防止团队仅为虚荣指标而优化。
3. 优化策略：SEO, AEO, 和 GEO 三管齐下
| 策略类别 | 核心要求 | 重点行动 |
| 内容质量 | 原创研究、数据和独特视角 | |
| 结构化数据 | ||
| 高影响域策略 | ||
| 对比和评论页 | ||
| 平台多元化 | ||
| 内容新鲜度 | ||
| 建立信任 |
💡 市场与未来影响
市场整合： 虽然 Lorelight 的 AI 优化平台因“缺乏实际效果”而关闭，但 Amplitude 紧接着推出了 AI 可见性工具，连接可见性指标与下游业务成果。Semrush 在实施系统化优化后，其 AI 声音份额在一个月内几乎翻了三倍（从 13% 到 32%）。
不被引用，即不存在： 一份报告指出，如果你的品牌没有出现在 AI 答案中，“你就没有存在于这个会话中。”引用竞争不再局限于传统的搜索结果邻居，品牌可能被维基百科页面、学术论文或竞争对手的定价指南取代。
追踪工具的局限性： AI 引擎的个性化功能（如 ChatGPT 基于用户历史和位置定制答案）使广义的可见性报告的准确性大大降低。市场团队需要理解，每个用户收到的定制化回答远比追踪工具能复制的复杂得多。
经济影响： 出现在 AI 概览引用中的网站往往能获得流量优势，而被忽略的页面则失去可见性。这使得建立权威性和引用位置成为比传统排名因素更重要的优化重点。
引用价值现在独立于传统的权威信号而存在：AI 搜索引擎引用的是那些被认为是事实准确、及时、结构良好和有权威性的内容。内容必须包含具体的、可验证的断言和基于事实的陈述，而不是模糊的概括。
总结：AI 引用框架速览
| 维度 | 关键信息总结 |
| 人物 | Similarweb |
| 内容 | |
| 数据揭示 | 86% 引用源于品牌自有资产 |
| 时间 | |
| 地点 | |
| 原因 |
热门活动 
其他
04-09 周四
热门报告 
