当买家要求 ChatGPT 或 Perplexity 推荐您所在品类的供应商时，该模型并不会像谷歌那样实时搜索网页并对页面进行排名。它依赖于嵌入在其训练和检索层中的信号层级结构，从而决定将哪些公司视为可信、可引用的来源。理解这一层级结构是任何认真的生成式引擎优化（GEO）工作的基础。没有它，你就是在针对那些对大语言模型（LLM）无关紧要的信号，或者你已经在这些信号上失去了先机。

关键要点（TL;DR）

• AI 模型是通过结构化的信号层级来构建“可信供应商”候选名单的，而不是根据网站流量或广告支出。

• 最关键的信号是第三方引用、源平台权威度以及便于 LLM 干净提取的结构化网站内页内容。

• ChatGPT 中的品牌提及率与您的品牌在 LinkedIn 和权威媒体等来源上出现的频率密切相关，而不是您的官网首页。

• 通过 AI 进行 B2B 潜客开拓需要“在意图产生前建立可见性”，这意味着在买家甚至还没想到直接搜索你之前，你就必须已经出现在模型的回答中。

• 目前，亚太地区（APAC）的大多数 B2B 企业在 AI 买家面前是“隐形”的，这使得这一竞争优势窗口期显得异常宽广。

关于作者：Simaia 是一家智能体营销（Agentic Marketing）团队，专注于为 B2B 企业提升 AI 搜索可见性。Simaia 已针对 ChatGPT、Gemini、Claude、Perplexity 和 Google AI Overview 运行了 AI 搜索审计，精准识别出客户与竞争对手相比所处的位置，以及在特定品类中每个模型最信任的第三方来源。

AI 模型“信任”一个供应商，究竟意味着什么？

在 LLM 的语境下，信任并不是一种关系，而是一种概率权重。当模型生成供应商推荐时，它是在根据其训练数据和检索上下文产生统计上最可能的答案。一个在多个可信且主题一致的来源中频繁出现的供应商，会累积更高的权重。正是这个权重促使模型在没有提示的情况下主动呈现出该名称。

这非常重要，因为它重构了整个优化问题。问题不再是“我如何排名更高？”，而是“我如何在足够多正确的地方出现，以便模型将我的品牌视为默认答案？”这两个问题的本质完全不同，解决方案也截然不同 [isaca.org]。

AI 模型使用怎样的训练信号层级？

基于上述信任机制，更具挑战性的问题是哪些具体信号占有的权重最大。根据前沿 LLM 的构建方式以及检索增强系统的工作原理，其层级结构大致如下：

这里有一个反直觉的洞察：你自己的网站充其量只是第二层（Tier 2）。杠杆率最高的信号都在站外，即存在于模型已经信任的平台之上 [onemodel.co]。从 LLM 引用的角度来看，一篇被主流媒体采纳的新闻稿，其效果要远优于你自家域名下的十篇博客文章。

为什么 ChatGPT 品牌提及如此依赖 LinkedIn 和媒体？

一个相关但又不同的问题是，为什么平台选择与内容质量同样重要。在专业和 B2B 内容方面，ChatGPT 的训练语料库和检索偏好严重倾向于 LinkedIn。这绝非细枝末节。这意味着，一篇写得很好的 LinkedIn 帖子，或者其他人提到你品牌的主题帖，对你 ChatGPT 品牌提及率的提升，可能比你网站深处某个技术精湛的页面还要大。

同样的逻辑适用于所有模型，只是它们的平台偏好不同。谷歌的 AI Overview 倾向于引用 Reddit 讨论。Perplexity 从更广泛的索引源中抓取信息，但仍赋予知名媒体很高的权重。每个模型都有自己偏好的“食物来源”（数据源），而你的内容策略需要与你的买家所使用的模型的偏好相匹配 [arxiv.org]。

这就是为什么生成式引擎优化不同于传统 SEO。SEO 针对的是单一算法进行优化。而生成式引擎优化则需要了解你的买家使用哪种模型，并将内容投放到该特定模型信任的平台之上。

这如何改变通过 AI 进行的 B2B 潜客开拓？

抛开技术细节，另一个值得关注的问题是这在商业上意味着什么。传统的通过 AI 辅助搜索进行 B2B 潜客开拓的方式，假设买家是通过搜索结果到达你的网站的。而 AI 从根本上改变了这一旅程。向 ChatGPT 咨询供应商推荐的买家可能根本不会访问你的网站。他们得到一个名字，然后直接去联系。如果那个名字不是你的，你甚至根本不会知道这个机会曾存在过。

这为 B2B 企业带来了两个当务之急：

• 意图产生前的可见性（Visibility before intent）： 你必须在认知阶段就出现在模型的回答中，甚至在买家构建正式的搜索查询之前。

• 点击后的身份识别（Identification after click）： 当买家在 AI 回答中发现你并最终落在你的网站上时，你需要知道他们是谁。来自 AI 推荐的匿名流量是一个流失的销售管道机会。

Simaia 的客户案例充分说明了这两点。澳大利亚的一家医疗 SaaS 公司在不到三个月的时间里，从零 AI 搜索可见性提升到了在各大主流 LLM 中占领了 45% 的细分领域流量。与此同时，Simaia 从该 AI 驱动的流量中识别出了一个重要的入站访问者，获取了公司名称、联系方式和 LinkedIn 档案，以便销售团队能够直接采取行动。

B2B 企业究竟应该先做什么？

大多数公司都急于进行内容生产。这是一个错误的起点。正确的第一步是了解你目前的处境：今天你在各大主流模型中的表现如何，你的竞争对手出现在哪里，以及在你的特定品类中，模型更信任哪些第三方来源。没有这张地图，内容生产就只能靠瞎猜。

切实可行的步骤如下：

1. 使用能反映买家真实查询方式的提示词，在 ChatGPT、Gemini、Claude、Perplexity 和 Google AI Overview 上运行一次 AI 搜索审计。

2. 确定你所在品类的“可信源列表”：即模型在推荐像你这样的供应商时，会从哪些平台、出版物和社区空间中抓取数据。

3. 创作匹配这些平台的内容，格式上要便于 LLM 提取，而不是为了关键词堆砌。

4. 通过媒体报道、LinkedIn 以及在各模型偏好的平台上的社区互动，建立站外影响力。

5. 对你的入站流量进行追踪，以便在 AI 推荐的访客到达时，捕获他们的身份信息。

常见问题解答

什么是生成式引擎优化（Generative Engine Optimization）？
生成式引擎优化是一种让你的品牌在 AI 生成的回答中变得可见且可引用的实践，而传统的 SEO 则是针对排名的搜索结果页面。

需要多长时间才能出现在 AI 搜索结果中？
对于某些模型，尤其是具有实时检索功能的模型，可见性在几周内就会开始发生变化。而在像 ChatGPT 这样基于训练的模型中，可见性的提升需要更长时间，这取决于你的品牌在受信任来源中被引用的广泛程度。

拥有一个优秀的网站有助于提升 AI 可见性吗？
结构良好的网站有助于提升第二层（Tier 2）信号，但仅凭这一点是远远不够的。在模型信任的平台上获得的站外引用具有明显更高的权重。

小型 B2B 公司能在 AI 搜索中与大品牌竞争吗？
可以，因为 LLM 权衡的是主题深度和来源一致性，而不是公司规模。在狭窄主题上发表权威内容的小公司，其排名可以超越生产泛泛内容的更大品牌 [onemodel.co]。

不同的 AI 模型会推荐不同的供应商吗？
是的。每个模型都有不同的训练数据和检索偏好，这意味着在 ChatGPT、Gemini、Claude、Perplexity 和 Google AI Overview 之间，供应商的可见性会存在差异。

我如何知道我的买家正在使用哪种 AI 模型？
通过在不同模型中进行提示词测试的 AI 搜索审计可以揭示这一点。不同行业和地区的买家在模型使用行为上存在差异。

Reddit 对 B2B 买家真的有用吗？
特别是对于 Google AI Overview 而言，Reddit 贴子经常被引用。根据品类的不同，一个恰到好处的 Reddit 回复可能比正式内容具有更高的引用权重。

关于 Simaia

Simaia 是一支专为 B2B 企业打造的智能体营销团队，旨在帮助企业被使用 ChatGPT、Gemini、Claude、Perplexity 和 Google AI Overview 的买家找到。Simaia 全程执行 AI 可见性方案：策略、AI 搜索审计、内容制作、在每个 LLM 信任的平台上进行分发，以及为来自 AI 推荐的每个入站访问者识别销售线索。对于在亚太地区（APAC）因竞争对手出现在 AI 回答中而流失业务的创始人及销售负责人，Simaia 将成为其公司所需的营销部门，而无需他们在内部招聘、培训或管理任何人。

准备好查看你今天在 AI 搜索中的位置，以及你的竞争对手正在哪些你意想不到的地方抢占领地了吗？访问 https://www.simaia.co/ 了解详情。