可引用性

1. 可引用性是什么

可引用性（Citability）决定一段已被检索到的内容是否会被采信（grounding）。它关注内容进入候选集之后能否使用，而非内容能否被找到。

定义（GEO Wiki 工作定义）：可引用性是一种结构属性，用来判断已被检索到的内容能否完整取用并纳入生成式答案；这项属性本身不判断来源是否足够可信。

它属于内容结构（content structure）信号。在采信阶段，它用来判断内容本身是否便于取用；E-E-A-T 则判断来源是否可信、是否具有权威性。这两项判断彼此独立，区别见 §3。简要地说，结构决定一段内容是否便于取用，可信度决定来源是否值得采用。

2. 被检索到 ≠ 被采信：可引用性是单独的筛选条件

一个页面可能已经被抓取和索引，也经检索（retrieval）进入候选集，却始终没有被使用。检索负责产生候选内容，采信则决定模型最终使用哪些候选内容作答。采信阶段会单独判断内容的可引用性。

  候选内容块集合
        │
        ▼
  ┌─────────────────────────────┐
  │  可引用性筛选                 │
  │  是否自包含？                 │  ── 否 ──►  丢弃
  │  能否直接回答问题？            │            （检索到了，
  │  能否整段取用并标明出处？       │             却从未使用）
  └─────────────────────────────┘
        │ 是
        ▼
  被采信的内容 ──► 生成 ──►（可能）标明出处

绝大多数「找到了却没引用」的问题都发生在可引用性判断这一步。页面即使被检索到，只要段落无法独立取用，就会被排除，后续阶段也无法再使用这些内容。

各阶段的先后次序很重要。系统先判断内容是否可检索：页面通过 AI 爬虫 进入候选集后，才会判断其可引用性；归因（attribution）则更晚，内容被采用后才可能标明出处，见 引用 vs 提及。如果页面没有进入候选集，可引用性便不起作用；诊断时应按 Answer Loop 的各个阶段逐一排查，分步清单见 Answer Loop §4。

3. 可引用性与 E-E-A-T：两项彼此独立的采信条件

两者都会影响采信结果，但关注的对象不同，必须分开判断。许多页面看似满足了所有要求却仍未被采用，原因就在于把这两项判断混为一谈。

	可引用性	E-E-A-T（详见）
判断重点	这段内容能不能被取用？	这个来源是否值得采用？
所属维度	内容结构（§3.2）	内容质量与可信度（§3.1）
作用对象	段落与内容块	来源、作者与域名
未通过时	被检索到，却没被选中	被判低可信，遭过滤掉
主要依据	内容能独立成立、直接作答并供整段引述	经验、专业性、权威性与可信度信号

来源即使可信，如果内容堆成长段文字、缺少清晰结构，依然可能不被采信；页面即使分块完善，如果毫无权威度，也会因可信度不足而落选。两者缺一不可，也不能相互替代。作者资历、第一手经验，以及作为质量指标的引用密度等可信度信号，见 E-E-A-T。

4. 可引用内容的七个结构信号

可引用性可以拆分为下面七个结构信号；可引用性 playbook 也用这七项信号开展审计：

#	信号	是什么	为什么更容易被采信	缺失时会出现的问题
1	自包含内容块	脱离相邻段落后仍能独立读懂的段落	采信的基本单位是一段可以直接取用的内容	段落脱离原位置后，代词和「如上」等指代失去所指
2	直接答案块	先给出答案，再补充背景与论证	筛选时更容易选中开头就直接作答的段落	答案被埋在大段铺垫之后
3	问答与 FAQ 结构	与真实子问题相匹配的问句式标题	能与查询扩展产生的子查询相匹配（Answer Loop §3.1）	话题式标题无法对应任何实际查询
4	步骤与 HowTo 结构	顺序清楚、可以整段取用的流程	完整流程可以作为一个内容单元直接取用	步骤散落在叙述中，无法作为完整流程取用
5	可引用的表格与列表	分项清楚，带有标题，每一项都有明确标签	每一项都能被单独引述	表格脱离周边文字后便无法读懂
6	标题层级规范	H2 与 H3 嵌套清楚，不跳级	标题让内容单元可定位、可检索	标题只用于装饰，或层级跳跃
7	可整段引述的句子	单独引用并标明出处后仍然成立的断言	模型更容易引述明确且独立成立的断言	句意含糊、从句过多，难以直接引述

微软对此给出了明确说明：清晰的标题、表格与 FAQ 区块有助于呈现关键信息，让 AI 系统更准确地引用（见 Bing 站长工具：AI 表现）。

4.1 自包含内容块

自包含内容块是采信的基本单位。如果一段内容必须依赖上文才能理解，引擎便难以单独取用这个段落。

• ✓「可引用性在 Answer Loop 里位于检索之后、归因之前。」
• ✗「如上所述，它就在那两者之间，参见前面那张图。」

4.2 直接答案块

先给答案，再作论证。段落采用倒金字塔结构时更容易被选中，因为可以直接取用的断言位于段首。

• ✓「GEO 并非 SEO 的新名称。关键词堆砌无法提高 AI 答案可见度，只有实质性内容改写才有效。」
• ✗ 三段背景之后，断言才出现。

4.3 问答与 FAQ 结构

问句式标题应当与查询扩展后产生的子查询相匹配（见 Answer Loop §3.1）。这些标题要对应用户会真正提出的问题，不能凭空编造。

• ✓ ### 我的页面被检索到却没被引用，为什么？
• ✗ ### 关于检索动态的若干考量

4.4 步骤与 HowTo 结构

顺序清楚的流程可以作为一个完整单元直接取用。使用编号和祈使句，每一步只写一个动作。

• ✓ 引擎可以整段引述的编号列表。
• ✗「首先你应该考虑……然后或许值得……」一类叙述。

4.5 可引用的表格与列表

每一行都应当能够独立读懂。表格需要明确的标题和列名，行内信息不能依赖周边文字才能成立。

• ✓ 本页 §4 的表：每一行都独立成立。
• ✗ 脱离前一段就无法理解的表格。

4.6 标题层级规范

清楚的标题层级让段落便于定位，引擎也能按内容单元检索与引述。标题不应跳级，也不应用作纯粹的视觉装饰。

• ✓ H2 → H3 → H3，每一级都对应实际内容单元。
• ✗ H2 → H4，或者只为改变视觉字号而设置的标题。

4.7 可整段引述的句子

可引用内容的最小单位是一项断言。断言被单独引用并标明出处后，仍然需要独立成立；表达应明确，避免含糊。

• ✓「检索让你成为候选，采信决定你是否被使用。」
• ✗「或许可以认为，在某些情况下，检索未必总会导致被使用。」

5. 现有证据及其限制

解读现有实证结果时，需要看清原始论文限定的适用范围。Aggarwal 等人测试了九种内容改写方法。结果显示，实质性内容改写真正有效：补充来源、统计数据和引文，按论文采用的指标衡量，能明显提高答案可见度；关键词堆砌等传统 SEO 手法没有效果，甚至可能有害。这项研究提供了早期证据，说明 GEO 并非只是 SEO 的新名称。

证据支持的结论	需要保留的限制
补充来源、统计数据和引文的效果优于关键词技巧	「最高 40%」是按方法和领域计算的上限，不是平均值
按论文所用指标衡量，内容改写确有成效	在真实引擎中的提升约为 22%，而且结果仅反映 2024 年当时的系统状态
基准测试已经表明内容结构会影响可见度，并非未经验证的断言	多方同时竞争时，许多此类改写会失效，见 C-SEO Bench

结论很明确：规划时可以采纳研究揭示的方向，但不应把其中的数字直接当作预期结果。论文中单方优化取得的提升只是上限，不能代表多方同时针对同一引擎优化时的最终均衡结果（C-SEO Bench，Puerto 等人，NeurIPS ‘25 D&B）。关于外部效度、基准变化，以及宣传中被放大的数字，见 论文条目 的完整评议。

还需注意，引擎可能采信内容，却不标明出处。可验证性与归因还要单独判断，见 引用 vs 提及（Liu 等人）。

6. 反模式：过度优化为何反而无效

可引用性很容易被过度优化。下面每一种反模式，表面上都符合某项结构信号；采用这些做法的页面，最终却会因可信度不足而落选，或被 AI 垃圾内容过滤器排除，因此无法奏效。

反模式	为何看起来符合要求	为何实际无效
过度分块	大量短小、看似能够独立成立的内容块	内容被切碎后失去完整语义，无法形成连贯且可取用的答案
堆砌 FAQ	大量问句式标题	问题并非用户实际会提出，因而被识别为套话并降权
编造统计数据	仿照 Aggarwal 研究中「加统计数据」奏效的做法	没有来源或纯属捏造的数字无法通过可信度筛选（E-E-A-T）
模板化与套话填充	表面上结构规整、可批量生产	被识别为低投入的批量内容，遭降权

可引用性是必要条件，不是充分条件。再完善的结构也无法弥补内容单薄或来源不可信的问题，内容还必须符合 E-E-A-T 对质量和可信度的要求。只有结构而缺乏实质，同样会被识别出来：过度优化、低价值的内容模式本身就是降权信号，见 AI 内容识别。Google 官方的表述是：除了有用、原创的内容之外，「没有特别的优化是必需的」（见 AI features and your website；在 AI 搜索中胜出）。

7. 可引用性如何随平台而变（共同要求与平台差异）

结构层面的要求在各个平台都保持不变：内容需要独立成立、形成完整答案并便于取用。平台之间的差异在于能够接受的内容块大小，以及各自偏好的答案块形态：

平台	对内容结构的偏好
Perplexity	答案的引用密度高，尤其偏好表达明确、便于取用的内容块
ChatGPT search	实时抓取，偏好出现在页面靠前位置的直接答案块
Google AI Overviews	基于索引，偏好清晰的标题层级、FAQ 结构与有用的原创内容

另外还有两个条件。第一，内容必须先被抓取，才有可能被引用。OpenAI 明确说明：若要让内容出现并获得引用，就不能屏蔽其检索爬虫（见 Publishers and Developers FAQ）；相关爬虫的访问条件见 AI 爬虫。第二，内容块与答案块的可引用性会因语言而异，见 多语言 GEO。

8. 可引用性为何对 GEO 重要，以及如何着手

据 Answer Loop §3.3，从业者最能主动改善的，是内容在采信阶段的表现；可引用性则是采信时主要考察的结构条件。前述七个结构信号的作用都很明确，每一项都会直接影响内容能否被采信。

你的意图	从这里开始
审计我的内容可引用性	可引用性 playbook · 完整 GEO 审计
写或重构内容	面向 AI 引用的写作
评估来源是否可信	E-E-A-T
了解它在循环中的位置	Answer Loop
了解完整方法	生成式引擎优化

参考资料

学术：

• Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. & Deshpande, A. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · ACM DL · 论文摘要
• Puerto, H., Gubri, M., Green, C., Oh, S. J. & Yun, S. (2025). C-SEO Bench: Does Conversational SEO Work? NeurIPS ‘25 Datasets & Benchmarks. arXiv:2506.11097
• Liu, N. F., Zhang, T. & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. Findings of EMNLP 2023. arXiv:2304.09848

官方文档（截至 2026-05）：

• Google Search Central — AI features and your website · 在 AI 搜索中胜出
• Microsoft Bing — Introducing AI Performance in Bing Webmaster Tools (Public Preview)
• OpenAI — ChatGPT search · Publishers and Developers FAQ
• Perplexity — What is an answer engine, and how does Perplexity work as one?