你精心做的问答库，正在降低你的 AI 引用：证据类型比格式重要
本篇以 🌐↔️🇨🇳 中外对比视角展开：以 Zhang/He/Yao 2026（23745 条引用记录）、AgentGEO、Ahrefs 因果研究三组海外实证为锚点，对照中国大陆官方 GEO 服务与品牌普遍押注的「问答库 / 知识图谱 / 结构化」格式打法，讲清一件事——决定 AI 引用你的，是「证据类型」而不是「格式包装」。
GEO Labs · GEO百科第28期 · 2026年9月19日
先看一组反直觉到有点扎心的数字：
问答格式（Q&A），引用率 -5.74%；代码证据，+76.88%；统计数据，+61.55%；明确定义，+57.33%。
这是 Zhang、He、Yao 三位研究者 2026 年的一份论文（arXiv:2604.25707）给出的结果。他们分析了 23745 条真实的 AI 引用记录，试图回答一个被 GEO 圈争论很久的问题：到底是什么，决定了一个网页能不能被大模型引用？
答案让人意外——你花最多力气去做的「问答格式」，不仅没有加分，反而是拖后腿的；而那些「不起眼」的证据——一段可复现的代码、一个带出处的统计数字、一句明确的定义——才是真正拉动引用的东西。
这篇科普，就是想把这个「反常识」讲透：GEO 里，格式是壳，证据才是核。你纠结格式纠结错了方向。
我们是怎么集体迷上「问答格式」的
在正式讲数据之前，先交代一下背景：为什么几乎每个做 GEO 的人，都会本能地去做 FAQ、做问答库、做「Q&A 格式优化」？
原因不复杂，有三条：
第一，它最「像」搜索时代的正确动作。 传统 SEO 的经验是「覆盖长尾问题」，于是「用户会怎么问，我们就怎么答」成了肌肉记忆。问答格式，看起来就是「把答案喂到问题嘴边」的最短路径。
第二，它最好卖、最好交付。 对 GEO 服务商来说，「我给你搭一个问答库」是一个清晰、可量化、可验收的交付物——多少条 FAQ、覆盖多少个关键词，一眼就能看出「做了事」。而「帮你提升证据质量」这种事，既不直观、又难报价。
第三，平台和官方服务也在推。 这是最关键的一条。中国大陆这边，360 智见 GEO 的核心能力是「品牌诊断、知识图谱搭建、AI 内容生成、数据追溯」；腾讯 AnswerBit 主打「品牌可见度监测」；百度把 GEO 挂进广告体系。这些官方服务的「标准动作」里，知识图谱、结构化、内容生成占了很大篇幅——它们都在「格式层」和「结构层」发力。
于是，「做 GEO = 搭知识图谱 + 铺问答 + 结构化标记」这套公式，就被服务商、官方服务、品牌三方一起固化了。
问题在于：如果实证说这套公式里的「问答格式」部分，方向是反的呢？
三组实证，指向同一个结论：证据 > 格式
海外这边，过去一年陆续出了几组因果研究，口径越来越一致。这里挑三组最硬的讲。
第一组：证据类型才是引用的驱动变量（Zhang/He/Yao 2026，arXiv:2604.25707）。
这份研究用 23745 条引用记录做了归因，结果非常具体：
- 代码证据：引用率 +76.88%
- 统计数据：+61.55%
- 明确定义：+57.33%
- 问答格式：-5.74%（负的）
翻译成人话：AI 引用一个网页，看的是「这个网页里有没有我能直接采信、直接拿来回答用户的东西」——一段可验证的代码、一个带出处的数字、一句边界清晰的定义。而「问答格式」这个「壳」，本身不提供任何证据，甚至因为大量低质 FAQ 聚合页的存在，反而带上了「这页可能是来刷关键词的」的负面信号。
第二组：诊断优先的 Agent 系统，只改 5% 内容就 +40%（AgentGEO，arXiv:2603.09296）。
Tian 等人做的是「agentic 检索」场景——也就是 AI Agent 主动去搜、去判断、去引用的时候，什么内容更容易被选中。结论是：「诊断优先」的内容结构，能带来约 40% 的引用提升，而且只需要改动约 5% 的内容。
什么叫「诊断优先」？就是「先给出可验证的判断依据，再给结论」，而不是「先给结论再堆解释」。这恰恰是「证据在前」的另一种说法——改的不是格式，是「证据的位置和密度」。
第三组：Schema 标记几乎没用，品牌提及才是硬变量（Ahrefs 因果研究）。
Ahrefs 做过一次因果测试，专门看「结构化标记（Schema markup）」对 AI 可见度的真实影响。结果让人心凉：在 Google AI Mode 里只带来 +2.4%、在 ChatGPT 里 +2.2%——基本落在统计噪声里。 而另一个变量却异常显著：「品牌提及」与 AI 可见度的相关性是 0.664，而传统 SEO 的老朋友「外链」只有 0.218。
这三组数据放到一起，指向同一个结论，也和我们之前几期反复讲的主线咬合在一起：
AI 引用认的是「可验证的证据」和「清晰独立的实体」，不认「格式包装」。
这正好呼应了 GEO 普及率实证（GEOFlagBench 估测全网 GEO 普及率约 8.90%、2026 年新修改的页面达 16.36%）——「做 GEO 的人」已经很多了，但真正做对的人，可能没那么多。
中外两条线，卡在「格式」上的位置不一样
这是本篇最想讲的「对比」——同一个 GEO 问题，中外两边的进度条，卡在了不同的地方。
海外线：实证已经把「格式」问题说穿了，正在往「证据」上卷。 上面三组研究，全是海外学术圈/研究机构出的。海外的讨论焦点，已经从「要不要做 FAQ」进化到「什么证据类型权重最高」「诊断优先结构怎么搭」「品牌提及和实体清晰度怎么量化」。换言之，海外在「证据类型」这一层，已经有相对清晰、可复现的答案了。
中国大陆线：官方服务和品牌，还大量停留在「格式层」和「结构层」。 360 智见推「知识图谱 + AI 内容生成」、腾讯 AnswerBit 卖「可见度监测」、百度把 GEO 广告化，这些官方动作的共同点是——它们都在帮品牌「把内容做得多、做得结构化、做得像答案」，但很少直接告诉你「什么样的证据类型权重更高」。于是品牌的默认动作，依然是「搭问答库、铺 FAQ、上结构化标记」。
这里要强调一句，以免误读：这不是说中国大陆的官方服务「落后」或「错」了。 恰恰相反，「知识图谱 + 结构化 + 数据追溯」里，「数据追溯」「实体清晰」这些点，和海外实证的方向是一致的。问题只在于——当前最主流、最容易被市场买单的那部分「格式动作」，恰好是实证里权重最低、甚至为负的那部分。
一个更精确的表述是：中外两线都承认「内容要做」，但海外已经在用数据回答「做什么内容权重最高」，而中国大陆的主流交付物还停在「把内容做成什么格式」。
这两者之间，隔着一层窗户纸——捅破它，就是本篇想给决策者的价值。
这对 GEO 意味着三件事
第一，「格式」和「证据」是两个被长期混淆的维度。 问答格式、FAQ、知识图谱、结构化标记，这些都是「包装」；代码、统计、定义、可验证的第三方数据，这些才是「证据」。包装不能凭空产生证据，但证据可以没有包装。把预算和精力花在「造证据」上，回报远高于花在「改包装」上。
第二，「问答格式」可能触发「低质聚合页」的负面联想。 为什么 Q&A 会是负的 -5.74%？一个合理的解释是：网络上大量「伪问答」页面，是黑帽 GEO 批量刷词的重灾区，AI 已经把「一堆问答格式、却没有任何可验证证据」的页面，和学习到的「低质内容」信号绑定了。你精心做的 FAQ，如果里面没有可验证的数据和出处，可能正在被 AI 归到「那批刷词页面」里去。
第三，实体清晰度，比「外链」和「格式」都更接近引用真相。 Ahrefs 的 0.664 vs 0.218，把我们前几期「来源在换，品牌没换」的判断又夯实了一层——AI 引用你的前提，是「它知道你是谁、你是个可信的独立实体」，而不是「你有很多链接」或「你把页面做成了问答的样子」。
3 个现在就能做的动作
动作一：做一次「证据 vs 格式」的内容审计
先别急着生产新内容，先看看你现有的内容资产里，「证据」和「格式」到底哪个多。
做法：挑出你品牌在目标 AI 入口（豆包、DeepSeek、元宝、ChatGPT、Gemini 等）里「被引用过」和「没被引用过」的各 20 条页面，逐条打标——这条内容是「问答/FAQ/知识图谱」这类格式包装，还是「带出处的统计、可复现的代码、边界清晰的定义、独立第三方数据」这类证据？算一算「证据密度」和引用与否的相关性，你会比任何报告都更清楚自己卡在哪。
动作二：把 FAQ 从「格式包装」改造成「带证据的答案」
不是让你删掉 FAQ，而是让它「从壳变成核」。
做法：每一条问答，强制补齐三样东西——一个带出处的数字或事实、一句边界清晰的术语定义、一条可验证的第三方来源。 比如「XX 多少钱」这种问题，答案里不只写价格，还要写「价格区间 + 口径说明 + 数据来源 + 更新日期」。问答的壳可以留，但里面必须装进能被 AI 直接采信的证据。
动作三：把预算从「铺格式」挪到「造可引用的证据资产」
既然代码 +76.88%、统计 +61.55%、定义 +57.33%，那就去造这些。
做法：把原本要投「再搭一个知识图谱、再多写 50 条 FAQ」的预算，改做一件「值得被引用的事」——一份带原始数据的行业调研、一个可复现的方法论或工具、一份边界清晰的术语/定义库。你要的不是「内容看起来像答案」，是「内容本身就是别人要找的证据」。
一个 90 天内可以验证的目标
用 90 天，回答一个问题：你品牌内容里的「证据密度」，能不能提上去，并且带来可观测的引用率变化？
验收标准：先做动作一，产出一份「证据 vs 格式」的内容审计基线（记录每条内容里代码/统计/定义/第三方数据的出现频次，以及它在 AI 入口的引用表现）；然后按动作二、动作三改造，90 天后复测同一批入口的引用情况。如果「证据密度」上去了、引用率也跟着上去，你才算真正把方向从「格式」扳回了「证据」。
记住一句话：AI 不会因为你把答案「摆成问答的样子」就引用你，它引用你，是因为你给出了它能放心采信的证据。
一个值得追踪的问题
「Q&A 格式反作用」，到底是「格式本身」的问题，还是「低质 FAQ 内容」的问题？如果是后者，那么一个「装满高质量证据的问答库」，会不会反而打破 -5.74% 的结论？这是本篇留下的、最值得盯的变量。
更进一步，还有两个问题，值得放进你的观察清单：
第一，中外官方服务会不会跟着「证据类型」走？ 海外实证已经把「代码/统计/定义权重高」讲得很清楚，中国大陆的官方 GEO 服务，接下来是会继续在「知识图谱 + 结构化」的格式层加码，还是会跟进「证据优先」的算法调整？盯住头部平台（百度文小言、360 纳米搜索、字节豆包）的检索规则变动，比盯住服务商的营销话术，更接近真相。
第二，Agentic 场景会不会放大「证据类型」的权重？ AgentGEO 的 +40% 是在「AI Agent 主动检索」里测出来的。当引用入口从「用户问答」越来越多变成「Agent 自主执行」，「诊断优先、证据在前」的内容结构，会不会成为新的默认门槛？
你的品牌，是在「把内容做成答案的样子」，还是在「把内容做成别人要找的证据」？
GEO Labs 将持续追踪「证据类型 vs 格式」这一实证主线的后续研究（Zhang/He/Yao 2026、AgentGEO、Ahrefs 因果研究、GEOFlagBench 普及率估测），以及中国大陆官方 GEO 服务是否从「格式层」转向「证据层」，并在周报与月报中更新「来源在换，品牌没换」与「GEO 方法论分野」的研判。有关本话题的逐日动态，请参考 GEO Labs 监测底稿（内部）。