问 AI「降噪耳机哪家好」，它给出的答案背后是一批网页：知乎的回答、什么值得买的测评、可能是某个测评机构的横评、也可能是竞品官网的产品页。
AI 引用谁，决定了谁能进入答案。 这篇梳理主流 AI 搜索的信源格局，以及不同信源类型的进入策略。
信源格局：AI 偏爱的几类站点
对大量 AI 回答的引用来源做归类，高频出现的总是这几类：
1. 社区问答（知乎、Reddit 类） 真实用户的讨论、长尾问题的覆盖度、时间的沉淀。AI 偏爱它们因为「口语化、有细节、看起来中立」。
2. 测评与榜单（什么值得买、导购站、垂直媒体） 结构化对比、参数齐全、更新及时。商业型问句的最大受益者。
3. 官方与百科（官网、百科词条） 事实性信息（参数、价格、归属）的主要出处。AI 转述「这是什么」时优先采信。
4. 电商详情页 价格、规格、在售状态的实时来源。购买建议类回答几乎必引。
5. 视频与图文平台（B 站、小红书类） 场景化、体验向内容的来源，在「使用感受」类问题上权重上升明显。
一个反直觉的发现
被引用最多的，往往不是质量最高的，而是「最可抽取」的。
模型没有审美，它只有抽取效率。一篇结构清晰、数字明确、术语一致的普通测评，比一篇文笔飞扬但信息密度低的长文，被引用的概率高得多。原因很直白：前者喂给模型的是干净的数据，后者是一团需要理解的话语。
分信源打法
社区问答：打「长尾 + 时间」
- 盯具体问题，不写软文写答案：「500 元通勤降噪耳机」比「降噪耳机推荐」有效
- 回答要有细节和数字，避免形容词堆砌
- 持续出现在同一话题下，形成「这个人懂行」的账号权重
测评榜单：打「结构化」
- 主动提供参数表、对比维度、适用场景
- 争取进入横评：一篇横评的引用价值超过十篇单品种草
- 更新要勤，过期数据会被模型逐渐降权
官网与百科：打「准确 + 一致」
- 官网是事实的锚点：参数、价格、品类、场景必须准确且全站一致
- AI 转述出错时，官网是最优先被重新抓取的纠偏阵地
- 结构化数据（Schema）能提升机器可读性
电商页：打「信息完整度」
- 标题、参数、详情、问答区都是模型素材
- 详情页里含糊其辞（「超长续航」而不写小时数），模型转述时只能猜
视频图文：打「场景词」
- 「通勤」「女生」「送礼」「租房」这类场景词在体验类内容里权重高
- 文案稿、简介文字是主要被抓取的部分，别浪费
怎么找到自己该攻的信源
三步：
- 监测你的目标问句，记录 AI 回答的引用来源
- 统计频次：哪些域名反复出现？哪些从未出现？
- 对照竞品：竞品占据的信源里，哪些你也有布局但内容弱？哪些你完全缺席？
输出一张「信源-竞品-你」的三维表，内容预算的分配就从拍脑袋变成查表。
警惕两个陷阱
陷阱一：只经营官网。 官网是必要非充分条件。AI 的社区与测评信源占比远高于官网，只守官网等于把主战场让给竞品。
陷阱二：追求「被引用」本身。 被引用是过程指标，最终要服务「被正确推荐」。如果某信源只把你放在「其他品牌」里带一句，投入产出要重新算。
小结
信源策略的本质：把 AI 当成一个胃口固定、阅读习惯独特的读者。 它不读情绪读结构，不记文笔记数字，不看品牌看频次。顺着这个阅读习惯布置内容，被引用是水到渠成的事。