可引用性审计

1. 审计什么，交付什么

可引用性审计以一个范围明确、内容相互关联的对象为单位（一个页面、一个模板或一组内容簇），逐段检查：AI 引擎检索到这段内容后，能否直接将整段用于合成答案。可引用性 定义了七项结构信号（内容块自包含、直接答案／TL;DR 块、问答／FAQ、步骤／HowTo、可引用的表格／列表、清晰的标题层级、可单独引用的论断句），审计时逐段对照这七项信号；人工内容块抽取测试（见 §4）则用真实引擎检验选取的段落，判定每项信号是否通过。

交付结果不是单个数字，而是一份逐段、逐项列出通过／部分通过／不通过判定的矩阵；每项问题都要标明严重级别，并附一句改写方向。完整的改写方法见 为 AI 引用而写，这份审计只负责明确问题并排定优先级。相关论文的量化结果显示，扎实改善内容比堆砌关键词更能提升呈现度；这为本方法提供了学术依据，但解读时必须考虑研究的边界条件，见 Aggarwal et al. 2024。

Microsoft 在 2026 年 5 月明确表示：「价值的计量单位，正在从文档转向可被采信的信息」（见 Bing — Evolving role of the index）。顺应这一变化，审计单位也应是段落，而不是整页。

需要说明的是，「可引用性审计」是通用说法，并非 GEO Wiki 自创。这里采用的「七项信号 + 内容块抽取测试」是 GEO Wiki 依据 可引用性 §4 整理出的具体方法；完整 GEO 审计 将其用于第 4 层的内容问题排查。

2. 开始审计前：对象、抽样、引擎、基线

下面四项选择会影响后续对所有问题的解读。任何一项设定不当，整份报告都无法正确解读；这与 完整 GEO 审计 §2、AI 引用追踪 §2 强调的「先确定统计口径，再开始度量」是同一个道理。

决策	选项	经验法则
对象	单个页面／单个模板／一组内容簇／某个语言版本	一次只审一个范围明确的对象，所含内容也应彼此相关；混合审计不同对象，问题就无法落实到具体改动。审计模板时，选择流量最大的那个实例
抽样	整页／一组 5 到 8 个有代表性的段落	从 TL;DR、某个 H2 的首段、表格里的一行、一条 FAQ 答案，以及正文中段一条明确的论断中各取一段；不要只审页首
引擎	写明目标受众实际使用的引擎	不同引擎偏好的内容块形式不同，明细见 §6。在 Perplexity 上通过，不代表在其他引擎上也能通过
基线	首次审计／与上一次审计结果比较	没有基线，结果只能反映当时状态，无法显示趋势；报告开头必须写明属于哪种情况

多久审一次。 当 完整 GEO 审计 第 4 层发现内容「被读到却没被引用」时，用本手册做一次深入检查；头部页和常青页则按季度定期检查。遇到以下事件时也应加做一次：内容结构调整、CMS 或模板迁移、答案块大幅修改，或者新一期追踪数据显示竞争对手在目标查询中被引用，而你没有。

开始前先备齐这几项。 一份爬虫实际获取到的页面 HTML（而不是渲染后的 DOM；这一规范与 AI 爬虫 一致）、一份按出现顺序列出的页面标题清单，以及一个新开的无痕浏览会话。测试时使用 §2 确定的引擎。

3. 七项信号的审计阶梯

审计沿用 可引用性 §4 定义的七项结构信号，顺序和定义都保持一致。每一项都要回答两个问题：这一段是否具备这项信号？；缺少这项信号，会在多大程度上妨碍采信？ 下面的七行表列出完整框架，§5 的每个 H3 分别对应其中一行。

#	信号	审计问题	定义出处
1	内容块自包含	任取一段，脱离上下文后还能读懂吗？	可引用性 §4.1
2	直接答案／TL;DR 块	答案是否写在该节开头的一两句里？	可引用性 §4.2
3	问答／FAQ 结构	提问形式的标题是否对应真实用户的子问题？	可引用性 §4.3
4	步骤／HowTo 结构	页面里如果有流程，是不是一组编号的、命令式的步骤？	可引用性 §4.4
5	可引用的表格／列表	每一行能单独读懂吗？有没有题注？列标签是否自解释？	可引用性 §4.5
6	清晰的标题层级	H2 到 H3 嵌套干净吗？有没有跳级？有没有纯装饰用的标题？	可引用性 §4.6
7	可单独引用的论断句	每个 H2 下面是否都有一句明确、有力，能被原样取用且经得起署名的论断？	可引用性 §4.7

实际审计中，第 1、2、7 项最能区分内容质量；这三项决定整页是否存在任何一个可以引用的最小单元。第 3、4 项取决于页面形式：并非问答型或流程型的页面如果硬套这两种结构，反而会成为 §7 所说的伪改写。第 5 项的重要程度取决于页面使用表格的程度；第 6 项检查和修改的成本都较低。七项应按顺序全部检查，但问题要按严重级别排序，而不是按信号编号排序（见 §8）。

七项信号中有六项可以在单页范围内自动检查：免费的可引用性检测工具根据不执行 JavaScript 的原始 HTML 判定信号 1 至 6，并在每条负面结论中引用问题段落原文。第 7 项以及下文表格中明确保留给审计者的判断，仍需人工完成。

4. 第 1 步：内容块抽取测试（每次从这里开始）

每次审计都应先做内容块抽取测试。将一段内容与原上下文分离，单独贴进新开的 ChatGPT search 或 Perplexity 会话，让引擎仅凭这一段完成总结或回答。如果引擎自行补充明显缺失的背景、追问上下文，或错误补全缺失的设定，这一段就不具备自包含性。 其余检查都在从不同角度回答同一个问题：这一段脱离上下文后，能否独立成立？ 内容块抽取测试则让真实引擎按实际使用方式直接给出结果。

操作流程：

1. 抽样。 按 §2 的抽样规则选取 5 到 8 段有代表性的内容：TL;DR、某个 H2 的首段、表格里的一行、一条 FAQ 答案，以及正文中段一条明确的论断。
2. 原样取出每一段。 去掉周围段落和标题，也去掉*「如上所述」或「见 §3」*这类指代。检索触发后，AI 引擎实际看到的正是这种脱离上下文的内容。
3. 单独贴进新开的引擎会话。 不要带入上一轮对话、历史记录或系统提示词；这类会话得出的测试结果无法复现。提问：「这一段在讲什么？」 或 「只用这一段，回答：[这页对应的目标查询]」。
4. 判定测试结果，分为三种：
   • ✅ 可单独引用：引擎仅凭这一段就能给出完整、清楚的答复。
   • ⚠️ 部分通过：引擎回答含糊、追问背景，或错误补全缺失的铺垫。记录它具体缺少什么。
   • ❌ 不通过：引擎完全无法解析这一段（代词链、没有题注的表格、嵌套从句深到无法概括）。
5. 将失败方式对应到具体信号。 把每一条 ⚠️ 和 ❌ 都归入 §3 表中的某项信号；每次归类都会形成一条审计问题。

下面是标准日志格式（手工测试结果按这些字段汇总到 §8 的报告中）：

audit_date          UTC 审计日期
page_url            被审页面的 URL
chunk_excerpt       被测段落的前 120 个字符
signal_n            这条失败对应七项信号里的哪一项（1 到 7）
outcome             可单独引用 | 部分通过 | 不通过
failure_shape       简短记录（代词指代 / 表格无题注 / 嵌套从句过深 / …）
severity            阻断级 | 重大级 | 次要级（见 §8）

4.1 实战演练：同一段事实的三个版本

下面用 robots.txt 的三种写法演示测试方法。将每一种写法分别贴进新开的 ChatGPT search 会话，并使用同一条提示：「这一段在讲什么？」。对比三种结果，即可看出判定方式。

版本 ✅，可单独引用。 「robots.txt 是位于域名根目录下的纯文本文件，用来告诉爬虫它们可以抓取哪些 URL。每条规则给出一个 user-agent 和一个路径。」 引擎给出完整、清楚的复述：定义、位置和结构都说明到位，没有追问，也没有含糊之处。判定：✅，第 1 项信号通过。

版本 ⚠️，部分通过。 「它告诉爬虫它们可以抓取哪些 URL；具体匹配规则见前面的图。」 引擎含糊地说：「这一段似乎在描述一个用来控制爬虫访问的文件，但主语不清楚：它指的是哪个文件？」 代词指代不明，「前面的图」又脱离了原文，导致引擎只能追问。判定：⚠️，第 1 项部分通过；代词和外部指代破坏了自包含性。

版本 ❌，不通过。 「如上所述，它适用；但正如我们在 §2 提到的，优先级规则也会反过来覆盖它。」 引擎无法判断主语和动作，要求提供原始文档。判定：❌，第 1 项不通过；整段只有连续代词，没有说明任何代词对应的对象。

再用同样的方法分别测试 TL;DR、某个 H2 的首段和表格里的一行，结果就构成 §8 判定矩阵中对应段落的记录。不做这项测试就给可引用性打分的工具，只能根据表层特征预测；内容块抽取测试给出的则是直接判定。

5. 第 2 步：逐项检查七项信号（检查表）

下面每个 H3 都采用同样的四行检查表：审计问题／合格表现／常见问题／改写方向，便于直接比较不同信号的审计结果。定义见 可引用性 §4，示例见上文 §4。

5.1 第 1 项：内容块自包含

审计问题	脱离上下文后，这一段还能独立成立吗？
合格表现	一段话明确交代主语和论断，必要时附上署名
常见问题	代词指代不明、使用*「如上所述」／「见 §X」*，或指向脱离上下文的图表
改写方向	为 AI 引用而写：自包含的内容块

5.2 第 2 项：直接答案／TL;DR 块

审计问题	答案是否写在该节开头的一两句里？
合格表现	采用倒金字塔式导语：先写结论，再补充背景
常见问题	先铺垫两三段，最后才给出结论
改写方向	为 AI 引用而写：倒金字塔式段落

5.3 第 3 项：问答／FAQ 结构

审计问题	提问形式的标题是否对应真实用户会输入的查询？
合格表现	### 我的页面被检索到了，却没被引用，为什么？ 这类符合真实查询习惯的标题
常见问题	标题不符合用户的搜索方式，或 FAQ 问题完全凭空编造（即 §7 所说的伪改写）
改写方向	为 AI 引用而写：提问式标题

第 3 项视页面形式而定；本身不适合 FAQ 的页面，强加这套结构反而出问题。提问式标题对应的是查询扩展，见 Answer Loop §3.1。

5.4 第 4 项：步骤／HowTo 结构

审计问题	页面里如果有流程，是不是一组编号的、命令式的步骤？
合格表现	每一步只完成一件事，脱离周围铺垫也能读懂
常见问题	使用*「首先需要考虑……然后也可以尝试……」*这类写法，把步骤埋在散文中
改写方向	为 AI 引用而写：步骤列表

5.5 第 5 项：可引用的表格／列表

审计问题	每一行能单独读懂吗？有没有题注？列标签自解释吗？
合格表现	每一行都能独立理解，表格带有题注，列标签含义明确，引擎可以直接取用整行
常见问题	表格行脱离周围段落后无法读懂
改写方向	为 AI 引用而写：可自解释的表格

Microsoft 对此有明确说明：「清晰的标题、表格和 FAQ 段落，有助于凸显关键信息，也让 AI 系统更容易准确引用」（见 Bing AI Performance）。

5.6 第 6 项：清晰的标题层级

审计问题	H2 到 H3 嵌套干净吗？有没有跳级？有没有纯装饰用的标题？
合格表现	每个 H2／H3 都对应一个实际内容单元；按顺序列出后可以直接作为目录阅读
常见问题	标题跳级（H2 → H4）、仅为改变视觉大小而使用标题，或出现重复的 H1
改写方向	为 AI 引用而写：标题层级

5.7 第 7 项：可单独引用的论断句

审计问题	每个 H2 下面是否都有一句明确、有力，能被原样取用且经得起署名的论断？
合格表现	「检索决定你能不能进候选集；采信决定你能不能被用上。」 这类简短明确的论断
常见问题	使用*「也许可以认为，在某些情形下，检索未必总能导向被使用。」*这类含糊、层层限定的句子
改写方向	为 AI 引用而写：可引用的论断

6. 不同呈现端的审计差异：共性与区别

七项信号在各类呈现端都适用，区别在于哪类问题对每种呈现端的影响最大；这项差异也决定了 §2 应该如何选择引擎。

呈现端	最关键的几项信号	为什么
Perplexity	1、5、7	引用密度本身很高，尤其看重结构紧凑、可以单独引用的内容块和论断句
ChatGPT search	2	实时抓取；最看重抓取后页面顶部那一块直接答案
Google AI Overviews	3、6	基于索引，最重视与查询扩展相对应的标题结构和问答结构

在某个呈现端上顺利通过，不能直接推断在其他呈现端上也会通过。跨语言审计同样不能直接套用相同结论：中文和英文的内容块、答案块在可引用性上存在差异，见 多语言 GEO。

7. 伪改写：修复反而触发另一种过滤器

审计发现某项信号缺失后，从业者常会采用下面几种「修复」方式。它们看似补齐了相应信号，实际却可能触发另一种 AI 反垃圾或可信度过滤器。概念层面的过度优化案例见 可引用性 §6，下表列出操作层面的对应问题。

伪改写	看似修复哪一项	为什么实际会失败
把整页切成一句话一段	第 1 项（自包含）	碎片本身就丢失了意义，没有任何一段是连贯、能整段引用的完整答案
凭空补出真实用户根本不会问的 FAQ	第 3 项（问答）	会被识别为模板化内容，并按低质内容降权
为了「看起来可被引用」编造统计数据	第 7 项（可引用论断）	无来源的数字通不过可信度过滤，见 E-E-A-T
把自家另一页的模板化段落直接搬过来	第 1 项（自包含）	近重复内容会被识别，见 AI 内容检测

Google 在 2026 年 5 月的优化指南中明确表示：「并不需要把内容切碎成极小的片段，AI 才能理解。Google 的系统有能力理解一张页面上多个主题之间的细节差异」（见 AI Optimization Guide）。内容切分过细之所以是最常见的伪改写，是因为它表面上模仿了第 1 项信号，却破坏了第 1 项真正衡量的属性：在保持连贯的前提下做到自包含。

可引用性是必要条件，但不是充分条件。缺少内容支撑的结构会被识别并受到惩罚；内容块即使切分得当，也无法弥补可信度不足。当竞争对手也开始针对同一个引擎优化时，这类改写中相当一部分还会失效，见 C-SEO Bench。

8. 评分与报告交付物

真正能指导行动的产出，是逐段、逐项列出通过／部分通过／不通过判定的矩阵，并在每格标明严重级别。第 1、2、7 项失败时默认归为重大级；第 3、4、6 项默认归为次要级，除非页面整体采用了不合适的形式；第 5 项的级别取决于页面使用表格的程度。这套严重级别的判定逻辑与 完整 GEO 审计 §5 一致：明确是哪项信号出了问题，而不是只给整页一个综合分。

本手册不采用 0 到 100 的「可引用性分」。市面上这类分数都没有公开算法：Topify 给出*「a 0–100 grade of how AI-ready your website is」（站点 AI 就绪度的 0 到 100 评级），但不公开算法；Citability.ai 给出「Combined Score: 62」（综合分 62），由三个子分加权而成，但不公开权重；Mangools 的 AI Search Grader 说明其分数「weighted by market share」*（按市场份额加权），但不公开具体权重。看不到算法的孤立数字只能算一种说法，不能算一次度量；GEO 指标 对公开数字所要求的统计口径，在这里更应严格执行。逐项信号判定可以复现，综合分则不能。

每次报告固定交付以下内容：报告信息（审计日期、被审对象、抽样方案、所用引擎）、逐段 × 逐信号的判定矩阵（每格一个 ✅／⚠️／❌）、按严重级别排序的问题清单（每项附 §4 记录的失败方式），以及每项问题对应的一句改写方向，并链接到 为 AI 引用而写 的相应小节；如果此前做过审计，还要补充与基线相比的变化。复审只需对改动过的段落重新做一次内容块抽取测试；未改动的信号沿用上次判定。

9. 容易踩的坑

提交报告前，逐项检查以下问题：

• 审计渲染后的 DOM，而不是抓取所得的 HTML：客户端渲染的内容可能根本无法被爬虫获取；应另外测试禁用 JS 后实际抓取到的页面（见 面向 AI 爬虫的 SSR）。
• 只抽样页首：第 1 项信号最常在长页的中段失败；H2 首段应在全文中均匀抽样，不能全部集中在页面顶部。
• 在带有个性化信息的会话中测试：已经登录或保留历史记录的会话，给出的回答无法复现。
• 七项通过六项就判定整页通过：第 1 项一旦失败，其余六项表现再好也无法弥补；最小内容单元的失败比其他问题更严重。
• 根据单个引擎的结果得出普遍结论：§6 所述差异确实存在；在 Perplexity 上通过，在 AI Overviews 上仍可能出问题，因此报告信息中必须注明所用引擎。
• 跨语言套用结果：见 多语言 GEO；中文页面的审计结论不能直接套用到英文页面，反之亦然。
• 未核实引用内容就判定通过：引擎引用的段落未必真的支持旁边那句话；这是常见现象，Liu et al. 2023 专门指出过，结果层的对应做法见 AI 引用追踪 §4.1。

10. 延伸阅读

• 概念层：可引用性（七项审计信号的定义）、E-E-A-T（采信中的可信度因素）
• 配套手册：完整 GEO 审计（用本手册深入检查第 4 层内容）、为 AI 引用而写（按信号给出的改写方法）、AI 引用追踪（结果侧的度量方法）
• 逐引擎呈现端：Perplexity、ChatGPT search
• 学术参考：Aggarwal et al. 2024 — GEO: Generative Engine Optimization；后续的边界解读见 C-SEO Bench

参考资料

学术：

1. Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K. & Deshpande, A. (2024). GEO: Generative Engine Optimization. KDD ‘24. arXiv:2311.09735 · ACM DL · 论文条目
2. 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
3. Liu, N. F., Zhang, T. & Liang, P. (2023). Evaluating Verifiability in Generative Search Engines. Findings of EMNLP 2023. arXiv:2304.09848

平台官方文档（2026-05 已核对）：

• Google Search Central — A new resource for optimizing for generative AI in Google Search · AI Optimization Guide · AI features and your website · Succeeding in AI search
• Microsoft Bing — Evolving role of the index: From ranking pages to supporting answers · AI Performance in Bing Webmaster Tools
• OpenAI — ChatGPT search Help Center
• Perplexity — What is an answer engine, and how does Perplexity work as one?