作者：问ChatGPT“XX行业哪家公司靠谱”，它会推荐几家——这些名字从哪来的？很多人以为AI在凭训练记忆“想”出答案，实际上多数平台在回答时会实时检索网页，再把检索到的内容组织成回答。理解了这一点，“让AI引用你”就从玄学变成了工程问题。但ChatGPT和Perplexity的检索逻辑并不相同，优化动作也要分开做。
两类平台的引用机制
Perplexity是“带引用的搜索引擎”。它每次回答都实时搜索并明确列出引用来源，点击引用就能跳到你的网页。它的引用偏好：页面结构清晰、事实密度高、时效新鲜。一篇带数据、带日期、带明确结论的页面，被引用概率远高于营销软文。
ChatGPT是“检索增强的助手”。联网回答时它用搜索工具抓取网页再总结，多数情况不展示完整引用列表。它选源的逻辑更接近“权威摘要”：品牌一致性信号（百科、官网、媒体的多源互证）和答案型内容的权重更高。
一句话分工：Perplexity优化页面，ChatGPT优化“全网对品牌的说法”。
内容改造：从“介绍自己”到“回答问题”
官网常见的内容是“我们成立于哪年、拥有什么资质”——这是自我介绍，不是答案。AI引用的是能直接回答用户问题的内容。改造方向：
答案型页面：把“XX怎么做”“XX多少钱”“A和B怎么选”这类真实问题做成独立页面，开头两三句直接给结论，后面展开依据。FAQ结构、小标题分明、数字具体。
事实可核验：价格区间标注行情时间、案例写清项目范围与周期、参数写绝对值不写“行业领先”。模型偏好可交叉验证的具体事实，模糊表述反而降低引用概率。
结构清晰：语义化HTML、表格对比、列表步骤。同一内容用极客模式看一眼：如果正文结构都对得上，机器解析就没有障碍。
技术侧的部署清单（llms.txt、JSON-LD、答案型页面的模板）在llms.txt与结构化数据里有完整做法，这里不重复。
一致性信号：AI比想象中更相信“别人怎么说”
ChatGPT回答“哪家公司靠谱”时，权重最高的往往不是官网自述，而是全网对这家公司的一致描述：百科词条、行业媒体、招聘平台、客户案例里的公司介绍是否互相印证。
实践中最常见的失分点是信息打架：官网写“成立于2016年”、百科写“2015年”；官网业务范围写A+B+C，媒体稿只提A。模型遇到矛盾信源，倾向于降低置信度——不引用或引用竞品。所以优化的顺序是先做一致性治理，再铺新内容。
实测方法：怎么知道做没做对
每周用固定问题集测一遍：每层8-12个问题（品类词、价格词、对比词、推荐词），同样的问法跑三遍，记录品牌是否被提及、描述是否准确、引用了哪些URL。重点看引用来源——Perplexity引用了竞品的哪篇文章，就告诉你下一篇该写什么。
这套监测的完整方法（问题分层、记录字段、行动优先级）在AI可见度审计里有可复用的模板。别用一次问答的结果下结论：AI回答有随机性，三遍一致才算信号。
常见的无效动作
堆关键词：AI不做关键词匹配，堆砌只会让内容更难被引用。
买“AI代发”软文：低质信源会被检索层过滤，钱花了量没有。
只改官网不治理第三方：回答里的品牌介绍常来自百科与媒体，官网写得再好，第三方信息打架照样失分。
期望立竿见影：内容发布到被检索收录需要数周，提及率变化要看月度趋势，不是周报话题。
服务层面，面向这两类平台的专项优化见ChatGPT/Perplexity优化，整体方法体系见GEO推广。国内平台（豆包、DeepSeek、元宝）的逻辑差异在国内AI搜索的GEO打法里单独讲。AI搜索的量目前还不大，但它是唯一“回答里点名你”的渠道——被点名的早晚，正在拉开品牌间的差距。