博客

大模型是台时间机器:你官网的旧信息正在误导 AI

AI 的知识冻结在训练截止那一刻,却不告诉你回到了哪一年。你的官网旧信息,可能正被 AI 当成今天的事实。

很多做外贸的老板最近都在问同一个问题:AI 搜索对外贸获客的影响,到底有多大?大家已经知道 AI 摘要会抢走点击,但真正麻烦的地方不在这里。真正麻烦的是,AI 在给出答案的时候,把"这个答案有多可靠"的线索也一起抹掉了。买家来的时候,一脸"我已经研究完了"的笃定,实际上只读过一段话。

机械手握住红色沙漏的照片,象征时间

从图书馆到 AI 摘要:答案越来越快,但"它值多少"的信号没了

有人打过一个很妙的比方:大语言模型就是一台时间机器。它把"有问题的你"接上车,直接送到"能做决定的你"面前。起点一样,终点一样,路程几乎为零。

问题是,以前那段路程本身就是在给你发信号。你为了搞清一个问题,去图书馆翻书,翻完发现只有三本书提到这件事、没有一篇期刊论文——这本身就说明话题很冷门。你查资料时看到几个来源互相打架,就知道这事有争议、没有定论。你花了四个小时查出来的结论,和花四分钟搜出来的结论,分量在你心里是不一样的。

没有人会坐下来认真分析这些信号。它们只是自然地存在于过程里,悄悄影响你对结论的信任程度。而现在,这段过程被压没了,信号也跟着没了。AI 摘要不管你背后的证据是厚是薄,都用同样自信的语气给你一个结论。压缩是有方向的,它恰好压掉了你原本用来判断"这东西值不值得信"的那部分。你抵达了答案,却没有评估答案的工具。

研究怎么说:用 AI 摘要学习的人,懂得更少,却更自信

这件事以前只能靠猜,现在有数据了。

宾夕法尼亚大学沃顿商学院的两位营销学教授 Shiri Melumad 和 Jin Ho Yun 做了 7 项实验,共 10,462 人参与,研究成果于 2025 年 10 月发表。参与者学习一些日常话题(比如怎么种菜、怎么识别金融诈骗),一部分人看 AI 摘要,另一部分人看传统的 Google 搜索结果链接。之后,他们要基于学到的东西给别人写建议。

结果显示:用 AI 摘要的那组,学到的东西更少。即便两组人看到的事实内容完全一样,结论依然成立。他们在内容上停留的时间更短,写出来的建议更单薄、更缺乏原创性,也更容易被读到的人忽略。

更关键的是接下来的发现。研究者做了一轮变体实验,让 AI 在给出答案的同时附上真实的网页链接。结果显示,附上来源链接并没有明显促使参与者继续点击。摘要一到手,旁边那些来源链接就变得没那么有吸引力了。

另一项来自 Pew 的研究在真实环境里看到了同样的行为。他们追踪了 900 名美国成年人在 2025 年 3 月的 68,879 次 Google 搜索记录:当页面上出现 AI 摘要时,人们点击普通搜索结果的概率是 8%,没有摘要时是 15%;点击摘要内所引用来源的概率大约只有 1%;在有摘要的页面上直接结束浏览的比例是 26%,没有摘要时是 16%。需要说明的是,Pew 明确把这称为相关性而非因果证明,而且这项研究只覆盖 2025 年 3 月、只针对美国用户、只看 Google。关于 Google AI 摘要里的链接展示方式,可以看我们之前的分析。

还有一块拼图比 AI 更早。2015 年,耶鲁大学的三位研究者发现,上网搜索会让人高估自己懂多少。人们把"能接触到信息"和"自己真的理解"混为一谈了。即便两组人看到的内容一样,这种效应照样出现;甚至连什么都没搜到的搜索,也会让人变得更自信。

最后一项研究需要带个说明:2025 年一项调查询问了 319 名知识工作者在工作中真实使用 AI 的 936 次经历。结果发现,越信任 AI,批判性思考越少;越信任自己的能力,批判性思考越多。这是一项自评数据,只能证明相关性,不足以证明因果。

真实浏览数据:有 AI 摘要时,点击几乎只剩零头

把上面这些放在一起看,一个从没被设计过的机制浮出水面。

过去,如果 AI 或者某个平台对你的公司描述得太浅、甚至描述错了,这件事是可以自己修复的。买家读到一段不准确的说法,会继续往下点,点进你的官网,看到你真实的产品、案例和资质,然后把脑子里那个错误版本替换成你的版本。没人专门设计过这个流程,但类似的进一步核查一直在自然发生,相当于整个信息经济的免疫系统。

但当摘要来源的点击率在这项研究中只有约 1% 时,这套依赖进一步点击的纠错机制会明显减弱。时间机器不只是跳过了路程,它还跳过了路程中原本会自动发生的那些修复。

这就是代价最贵的地方:过去的纠错是免费的、自动的,靠的是别人的好奇心。现在要替换它,你必须自己掏成本。AI 回答问题时,一部分靠训练时学到的旧资料,一部分靠实时检索网页。你今天发布的更正,要么等下一轮训练,要么等被检索到,时间不由你决定,而且你也不会收到"已经生效"的确认。

以前"免费纠错"的机制,失灵了

很多分析到这里就停了,说一句"AI 会写错你"就结束了。但真正值得外贸企业注意的是:这套纠错机制失灵之后,会改变买家到你面前时的状态。

海外采购商发来询盘的时候,往往带着一种"我已经研究过了"的自信。但在很多情况下,他所谓的研究,就是问了一次 AI,读了一段摘要。他自认为已经跨过了认知阶段,实际上掌握的信息量非常有限。

这时候,你原来那套内容体系就尴尬了。入门级的内容——什么是这个品类、有哪些基本参数——会让他觉得你把他当新手,不够专业。而高阶内容——工艺细节、合规要求、供应链对比——又默认了他其实并不具备的背景知识。两头同时落空,不是因为你写得不好,而是因为你假设的读者状态,和真实的读者状态错位了。

"更靠后的买家"不等于"更懂行的买家"

这里必须说清楚一点:以上关于"买家带着自信却信息不足而来""内容阶梯失效"的判断,是本文的推论,上述研究都没有考察营销内容。但从外贸实操的角度看,这个推论值得认真对待。

它意味着一个很实际的转变:B2B 场景下怎么做答案引擎优化,已经不是"怎么让买家点进来"的问题了。

外贸企业该怎么调整:让答案本身替你说话

那具体该怎么办?以下是我们的观点。

第一,不要删掉那些入门内容。很多企业一听"买家嫌入门内容太浅",第一反应是把基础文章下架。别急。这些内容除了服务买家,也可能成为 AI 检索和组织答案时参考的公开信息。删掉它们,等于让 AI 更没东西可参考。

第二,把目标从"拿到引用点击"改成"出现在买家据以做决定的那段答案里"。以前做谷歌排名,是让客户搜到你;现在要让 AI 在买家提问时,把你写进答案本身。对用 AI 搜索的买家来说,不在答案里,就等于不存在。这件事可以系统化地做,通过 GEO 生成式引擎优化,提高品牌信息被 ChatGPT、Gemini 等 AI 检索、理解和引用的机会。

第三,从买家的真实提问场景出发,反向规划内容。先弄清海外买家会怎么问 AI,比如"某个品类的供应商怎么选""从中国采购要注意什么",再针对这些问题准备有据可查的内容。问题词条比关键词更接近买家的真实决策现场。

第四,纠错现在要主动付出成本,而且见效慢。你能做的就是发布可验证的证据——检测报告、认证、真实参数、行业数据——然后等它被抓取和引用。原创数据在 AI 答案里的优势,在这件事上体现得尤其明显,因为有明确方法、样本和来源的原创数据更容易形成可核验、可追溯的差异化证据。

写在最后:AI 引用不是流量渠道,是决策现场

把这件事想透,你会发现 AI 引用不是一个新的流量渠道,而是一个新的决策现场。买家在那里形成对你的第一印象,而你可能根本不知道 AI 说了你什么。

想知道海外买家问 AI 时,AI 是怎么描述你的品牌的?留言告诉我们你的行业和主营产品,我们帮你看看 AI 答案里有没有你。

参考资料

相关阅读

同一个词贵了约两成:14家B2B广告主同关键词点击成本同比涨约21%

Grey Matter追踪14家B2B广告主1349个非品牌词:控制花费、位置与质量得分后同词点击成本同比涨约21%,附同词自查三步。

阅读全文

YouTube剪辑工具转Shorts:播客切片自动回链原片,先对10国7语名单

YouTube Studio剪辑工具扩展到Shorts:按字幕选段转竖版并自动回链原片,AI推荐只覆盖10国7语,不处罚不等于不影响推荐。

阅读全文

AI智能体流量10月涨到8月的8倍:Muse一家占59%,八成半只逛不买

HUMAN10月报告:智能体请求约为8月的8倍,Meta与OpenAI占近九成,85%落在商品与搜索页;签名目录迁到muse.ai,黑五前先做三件事。

阅读全文

聊聊你的外贸获客现状

不用先准备材料,把现在最头疼的事说清楚就行。