品牌提及与 AI 可见性之间到底有多强的关系?Ahrefs 在 2026 年 11 月发布的一项研究,把这个问题量化了:他们对比了 1 万个美国品牌在七类站外渠道上的提及频次,和这些品牌在 AI 回答里被提及的频次,样本是 2.6 亿条不含品牌名的提示词,覆盖 ChatGPT、Google AI Mode 和 AI Overviews。结论对做外贸获客的人有直接参考价值——但它讲的是相关性,不是因果,这一点必须先说清楚。
这项研究测了什么:1 万个品牌、2.6 亿条非品牌提示词、七类站外提及
先把方法讲明白,后面的数字才好用。研究剔除了含品牌名的提示词,观察在不含品牌名的提问下,品牌是否仍会出现在 AI 回答中。相关性用的是 Spearman 系数:0 表示未呈现单调相关,1 表示排名完全一致。它是排名之间的吻合程度,不是百分比。
七类站外提及的计数口径各不相同:Reddit 提及指在谷歌结果里排名的 Reddit 帖子里点名品牌;域名提及指至少有一页点名品牌的网站数量;网页提及指点名品牌的页面数量;提及页总流量是这些页面的预估自然流量合计;新闻提及、YouTube 提及(视频文字稿)、TikTok 提及(描述或文字稿)各按对应载体计数。所有计数都排除品牌自有网站,品牌名至少 5 个字符,并排除常见词和人名以减少误配。
样本边界要留意:只有美国品牌,没有按 B2B 或外贸单独拆分。另外,品牌名不足 5 个字符的不在样本内——不少中国企业的拼音缩写或短品牌名正好卡在这条线外面,看结论时要打个折扣。
七类提及的相关性排序:Reddit 0.75 居首,TikTok 0.60 垫底
排序是这样的:Reddit 提及 0.75 最高,域名提及、网页提及、提及页总流量三项并列 0.70,新闻文章提及 0.67,YouTube 提及 0.64,TikTok 提及 0.60。三个 AI 平台的排序大体一致,ChatGPT 在七类中的六类上关联最弱,多落在 0.60–0.65 区间。
Reddit 同时也是 Brand Radar 约 5 亿条提示词库里三大平台的第二大被引来源,仅次于维基百科;据 Ahrefs 原文,Reddit 已向 Google 和 OpenAI 授权内容。我们在维基百科、播客和 Reddit 如何驱动 AI 引用一文中讲过 Reddit 为什么高频被引,这次 Ahrefs 给出的是七类提及的横向比较,角度不同,可以对照着看。
这里要插一句提醒:Ahrefs 在 2025 年 12 月还有一项针对 7.5 万个品牌的旧研究,当时排第一的是 YouTube 提及,ChatGPT 与 AI Overviews 均为 0.737,AI Mode 为 0.717,品牌网页提及在 0.656–0.709 之间。但两项研究的样本和提及定义都不同,不能把 Reddit 的 0.75 和 YouTube 的 0.737 拼成一张排名表。榜首会随定义变化,这是很实际的提醒——别看到"谁第一"就把预算全押上去。
新闻提及相关性未高于普通网页,提及页总流量系数同样是 0.70
新闻提及 0.67,略低于普通网页提及的 0.70,新闻提及的相关系数没有高于普通网页提及;以提及页总流量作为指标时,相关系数同样是 0.70。但这不能证明单条小站提及与大站提及的作用相同。
原文据此建议:做 earned media 时追求覆盖广度,不只盯几家大媒体。这是原文的建议,不是从两项总体相关系数推导出的机制结论。
至于为什么广度可能值得重视,一种解读是:模型更倾向于信任在多个独立平台上一致出现的品牌。这只是对研究结果的一种解释,原文并没有给出机制层面的定论,方向上可以和"多铺几个独立渠道"的做法相互参照。
收益递减:提及数量为原来的 10 倍,AI 提及约为原来的 3.7 倍
这是全篇最该记住的一组数字。在 1 万品牌样本中,网页提及从 1,000 页增加到 10,000 页,也就是数量为原来的 10 倍,对应的典型 AI 提及次数只从约 73 次增加到约 273 次,约为原来的 3.7 倍。分平台看,原文口径下 AI Overviews 约为原来的 3.5 倍、ChatGPT 约为原来的 2.2 倍。样本中 Reddit 提及对应的增长倍数更高:Reddit 提及数量为原来的 10 倍,AI 提及约为原来的 5.5 倍。
再补一个参照系:样本品牌的 Reddit 提及中位数为 8 条,29% 的样本品牌没有被计入的 Reddit 提及(这是按进入谷歌排名的 Reddit 帖子统计的口径)。
这些数字都是 1 万品牌样本中跨品牌比较的典型值,不是对单个企业的效果预期。原文作者的提示很实在:原文建议在较长时间和较大规模上观察变化,并按月跟踪;这些跨品牌关系不能直接预测单个企业增加提及后的结果。
只是因为大品牌本来就大吗?按搜索量分组后正相关仍然存在
看到这里,最容易冒出来的质疑是:Reddit 上被讨论得多的本来就是大品牌,大品牌在 AI 里也被提得多,这不是废话吗?研究确实做了控制:按品牌月搜索量分成五组,组内网页提及与 AI 提及的相关分别是——月搜索量低于 500 的组 0.54,500–2K 组 0.34,2K–10K 组 0.36,10K–50K 组 0.40,50K 以上组 0.46,而全样本是 0.70。进一步细分成 50 组近似同等搜索需求的品牌后,每一组内的正相关仍然成立。
组内相关明显弱于全样本,说明规模确实解释了一部分——但只是一部分。换句话说,在品牌搜索需求相近的分组内,网页提及与 AI 提及仍呈正相关。这对中小外贸企业是有意义的:体量不是唯一变量。
怎么做:先分清被提及和被引用,再建一张带分母的监测表
动手之前,先把两个概念拆开。品牌提及记录答案是否点名品牌,引用记录答案是否链接到某个页面;两者需要分开统计。Ahrefs 这项研究测的只是前者,所以别拿它来评估官网内容做得好不好。两者的区别可以延伸阅读AI 引用是怎么回事,监测指标怎么设可以看AI 可见性 KPI。
然后是建表。以下是可执行的动作:
- 固定 10–40 条买方提示词。分成发现型("中国有哪些做 XX 的供应商")、对比型("A 和 B 哪个更靠谱")、品牌事实型("XX 公司的产品线")三类,写死不再随意改。
- 记录分三列:提及、引用、推荐位次。提及是答案点了你的名,引用是答案给了链接,位次是你在推荐列表里排第几。三列分开记,别混成一个"曝光"。
- 每次用同样的方法重复采样,保存原始回答和引用 URL。AI 回答会变,不存原始记录,过两周就无法复盘。
- 结果写成带分母的形式。比如"24 条回答中被提及 7 条",而不是只报一个百分比。分母写清楚,自己和老板都不会误读。
- 提示词一旦改版,就另起一组数据重新记录。新旧口径不能混在一条曲线里比较。
这套流程来自从业者 CiteVisor 分享的方法指南,可以把它作为一套起步流程,再根据自己的监测需求调整。
怎么做:外贸企业的站外提及怎么排优先级
Ahrefs 的样本是美国品牌,没有拆 B2B 和外贸,所以下面这些是从研究结论往外贸场景的推断,不是原文结论。
- 先检查目标买家是否活跃于 Reddit、行业论坛或 YouTube,再结合内容成本选择试点渠道。Reddit 提及的相关系数 0.75 为七类中最高;样本中 Reddit 提及数量为原来的 10 倍,对应 AI 提及约为原来的 5.5 倍(样本中跨品牌比较的典型值);样本品牌的 Reddit 提及中位数为 8 条,29% 的样本品牌没有被计入的 Reddit 提及。行业论坛未被本研究单独测量,是否投入要看买家的实际聚集情况。
- 评估行业垂直站和小众媒体的覆盖价值。原文建议做 earned media 时追求覆盖广度、不只盯大媒体,可以按这条建议盘点一批行业垂直站,但不要把它当作单条提及等效的结论来推算预算。
- YouTube 讲解视频作为补充选项。相关系数 0.64,低于网页提及,但视频形态在产品演示、工厂介绍这类内容上有天然优势,是否投入取决于目标买家是否在 YouTube 上找供应商。
- 把买家提问整理成词条,逐条记录品牌是否出现及推荐位次,这是 GEO(生成式引擎优化)/AI搜索优化的一项日常工作。
- 站外分发配合官网可读化改造。选 AI 常采信的行业平台做分发,同时把官网的产品参数写成可读的文本、用问答结构组织内容,让机器读得懂。
最后回到节奏:以月为单位观察趋势,避免根据单周波动调整预算;原文建议在较长时间和较大规模上观察变化。
想知道你的品牌在买家常问的 AI 问题里出现了几次、站外提及缺在哪一类?留言给我们,我们帮你按词条做一次 AI 可见性盘点。
参考资料
- Ahrefs《Which Types of Mentions Correlate the Strongest With AI Visibility? (260M AI Prompts Analyzed)》:https://ahrefs.com/blog/mention-types-ai-visibility/
- Parse《What correlates with AI visibility》(对 Ahrefs 2025 年 12 月旧研究的汇总):https://parse.gl/blog/what-correlates-with-ai-visibility
- CiteVisor《Brand Mentions in AI Search: Track ChatGPT, Perplexity & Gemini》:https://citevisor.com/guides/track-brand-mentions-in-ai-search