TL;DR 一句话要点
AI搜索引擎的本质是引用聚合器——谁被更多权威来源引用，谁就更可能被AI推荐。引用工程是一套系统性方法论，通过建设多层次引用网络，让品牌成为AI引擎的「默认信源」。
为什么AI搜索是「引用游戏」
与传统搜索引擎靠链接图谱（PageRank）不同，生成式AI引擎判断信源权威性的核心逻辑更接近学术引用：一个实体被越多权威来源提及，AI就越倾向于在回答中引用它。这意味着GEO的底层竞争本质上是引用网络的竞争。
引用网络的五个层级
第一层：知识图谱实体（基石）
至少需要在以下平台建立实体条目：Wikipedia/Wikidata（AI最信任的数据源）、Google Knowledge Graph、Crunchbase/Bloomberg。
📊 数据点
根据2025年《Nature》对LLM引用行为的分析，Wikipedia和Wikidata的实体在ChatGPT回答中的引用率是普通商业网站的7.3倍。
第二层：权威媒体引用
AI引擎将权威媒体视为高质量信源。策略：发布行业白皮书并通过PRNewswire分发、与行业垂直媒体建立内容合作、创始人接受媒体采访。
第三层：学术与政府引用
学术论文和.gov域名的权重在AI眼中极高。与高校合作发布行业研究报告、在政府公开数据平台中关联品牌、参与行业标准制定。
第四层：社交证明与社区引用
知乎、LinkedIn上的专家讨论、Reddit的品牌提及、G2/Capterra的产品评价——来自高权重平台的用户讨论也是关键信号。
第五层：自有内容网络
每篇文章明确引用其他相关词条、使用<cite>标注数据来源、提供可下载的原始数据集（Dataset Schema）。
引用工程的衡量指标
| 指标 | 定义 | 目标值 |
|---|---|---|
| 实体覆盖率 | 品牌在主要知识图谱平台中的实体条目数量 | ≥4个平台 |
| 媒体引用量 | 被权威媒体（DA>50）引用的独立文章数 | ≥20篇/年 |
| 学术引用数 | Google Scholar中被引用的品牌相关内容 | ≥5条 |
| AI引用份额 | 品牌在目标查询中被AI引用的占比 | ≥25% |
实施路线图
- 第1-2周：建立Wikidata条目、完善Google Knowledge Graph触发
- 第3-4周：发布首篇白皮书并通过通讯社分发
- 第2-3月：获取首批媒体引用和行业评测
- 第4-6月：进入学术引用循环，参与行业标准制定
- 第6-12月：引用网络自我强化，AI引用率显著提升
引用工程不是一次性项目，而是一个持续积累的飞轮：越多的引用带来更高的AI可见性，更高的可见性吸引更多关注，形成正循环。