每天早上，我的第一件事是打开 GEO 情报面板，看 AI 引擎昨天引用了谁、没引用谁。这项工作做了几个月，我一度以为自己在跟踪一个叫「AI 搜索」的东西。
直到上周，我把 680M 次引用数据摊开，看到一个数字，愣了很久：
ChatGPT 和 Perplexity 引用同一批网站的概率，只有 11%。
不是 50%，不是 30%。是 11%。Google AIO 和它们的重合度也只有 13.7%。换句话说，内容营销界最近一年挂在嘴边的「AI 搜索优化」，很可能一直在为一个不存在的东西做优化。
引擎分裂：一个被「AI 搜索」这个词掩盖的事实
先看几个数字，全部来自 680M 次引用的大样本：
- ChatGPT 与 Perplexity 的引用域名重叠率：11%
- Google AIO 与它们引用同 URL 的比例：13.7%
- Reddit 占 Perplexity 顶级引用来源的：46.7%
这是什么概念？假设你写了一篇文章，被 ChatGPT 引用，那它被 Perplexity 引用的概率只有十分之一出头。你在 Perplexity 上优化出来的曝光，在 ChatGPT 那里基本等于零。
不是算法有偏好，是它们根本在看不同的东西。Perplexity 重度依赖 Reddit 和社区内容，近一半的顶级引用来自论坛；ChatGPT 的引用体系今年重构为四类引用，1500 字以上的结构化长文明显占优，官网的引用占比一路涨到 33%；Google AIO 则和传统搜索高度绑定——同一个 URL 能同时出现在 AIO 和自然结果里的概率远高于跨引擎。
连我们的监测工具都在撒谎：引用追踪工具对 ChatGPT 渠道普遍少计 20%-40%。用一个面板看四个引擎，等于用体温计测血压。
分裂不是暂时的，是结构性的
你可能觉得这是 AI 搜索的「青春期混乱」，过两年会收敛。我不这么看。
引擎分裂是训练数据、产品定位、商业模式三重差异的必然结果：
Perplexity 的定位是「研究助手」。 它的用户是带着问题来的决策者，所以它偏爱有社区共识的内容——这就是为什么 Reddit 能占它顶级引用的 46.7%。今年它还封杀了 markdown 广告，上线 trust score 惩罚机制：谁用格式化文本做植入，谁的信任分就降。它的游戏规则是「社区信任」。
ChatGPT 的定位是「通用问答」。 它服务的是泛化提问，需要的是结构清晰、信息密度高的长内容，这就是 1500 字结构化长文占优的原因。它的入场门槛也更硬：Bing Webmaster Tools 验证已经是联网引用的事实前提——没做验证的站点，大概率进不了候选池。它的游戏规则是「结构 + 验证」。
DeepSeek 走的是另一条路。 它的信源压缩到只剩 4-5 个，而且明显偏好小红书的高赞笔记——短、有情绪、有真实体验的内容。在小红书没有布局的品牌，在 DeepSeek 的引用池里天然缺席。
三个引擎，三套内容偏好，三种信任机制。这不是 bug，是 feature。
这对内容团队意味着什么
过去二十年，SEO 的核心是单一变量优化：Google 一家独大，你只需要研究一个排名算法。AI 引擎把互联网重新拖回了搜索引擎战国时代——但这次的分裂维度更多：内容格式、平台偏好、验证门槛、信任机制，全都不一样。
「为 AI 搜索优化内容」是个伪命题。你得先决定为哪台机器写。
基于我们这段时间的实测，我整理了一个四步框架：
第一步：判断你的主战场。
商业模式决定引擎优先级：
- 高客单、决策周期长（B2B、医疗、金融、留学）→ 主攻 Perplexity。它的用户是研究型决策者，引用即线索，流量质量最高
- 品牌曝光、品类教育（消费品、新品牌）→ 主攻 ChatGPT。它服务泛化提问，曝光量大，但离转化远
- 已经有稳定 Google 流量 → 先守 Google AIO。同 URL 重合 13.7% 意味着你守住的自然排名，能顺带出现在 AIO 里，这是性价比最高的防守
第二步：按引擎生产内容资产，不要一篇打天下。
- 给 Perplexity 的：社区深度内容。去 Reddit 认真回答、写有真实体验的长回复——它引用的是共识，不是广告
- 给 ChatGPT 的：1500 字以上的结构化长文，清晰的标题层级、明确的结论先行；同时把 Bing Webmaster Tools 验证做了——这是入场券
- 给 DeepSeek 的：小红书的高赞笔记逻辑——真实体验 + 情绪钩子 + 短句
第三步：分引擎监测，校准工具。
引用追踪工具的 20%-40% 少计不是测量误差，是系统性偏差。至少每个季度做一次人工抽样核对：直接问模型「你推荐哪个网站」，看看它实际引用谁。工具给的是下限，人工核对给的是真相。
第四步：白帽改写仍然有效，且是唯一安全杠杆。
GEO-BENCH 论文的结论值得记住：白帽改写（基于真实信息重组内容结构）既能提升 AI 引用排名，又能逃过两类检测器。在 trust score 惩罚机制落地的今天，任何形式的伪内容都是负资产——Perplexity 封杀 markdown 广告只是开始，其他引擎的信任机制只会越来越严。
最后
我们自己的 GEO 情报，从「一个面板」改成了「四个面板」。这个改动很痛苦——工作量变成四倍，但再也没有出现过「Perplexity 排名很好、ChatGPT 完全消失」这种让人困惑的局面。
因为困惑的根源是：我一直在用一台机器的标准，评估四台机器。
AI 搜索的分裂不是过渡期，它会越来越深。内容营销的下一步，不是优化「AI 搜索」，而是建立多引擎内容架构：先选引擎，再写内容，最后分开监测。
先搞清楚你在为哪台机器写，再开始写。这是 11% 教给我的第一课。
