被 AI 引用的内容长什么样？拆解 AI 抽取事实的四个偏好

一、先理解一件事：AI 是在「抽事实」，不是「读文章」

人类读文章是线性的：从头到尾，在脑子里建立理解。AI 处理内容的方式完全不同——它把页面切分为可独立成立的语义单元，判断每个单元里有没有可回答用户问题的事实，然后抽取出来重新组织成答案。这意味着两件事：

• 内容的「可切片性」比行文的流畅度更重要。一段前后依赖、必须读完才能理解的长段落，对 AI 来说是低效的；而一个个能独立成立的事实块，才是它想要的。
• 抽不出来的信息等于不存在。如果一项数据只出现在图片里、只在 PDF 附件里、只在视频里，AI 在检索阶段就拿不到它——无论这项数据对你的业务有多重要。

基于这个前提，我们在实际项目中观察到四个比较稳定的偏好。它们不是平台公布的规则，而是从「什么样的内容被引用了」反向归纳出来的特征。

二、偏好一：开头有一句能被直接搬走的定义句

当用户问「××公司是做什么的」或「什么是××服务」时，AI 需要一句现成的、准确的表述。如果页面的开头就提供了这样一句话，被采用的成本就降到了最低；如果没有，AI 只能从整页内容里自己拼凑，而拼凑的结果往往不准确。

对比两种写法：

判断标准很简单：把这一句单独拿出来，放到任何地方，能不能独立说明白「这是什么」。能，就是合格的定义句。

三、偏好二：每个事实都带着「四件套」

AI 在决定是否采信一个数据时，会做交叉核验。一个没有来源的数字，对它来说是高风险信息——可能是错的，可能是过时的，也可能只是营销修辞。因此我们建议所有关键数据都以「四件套」形式出现：

举个实际例子。「服务客户 1 万家」和「截至 2026 年 6 月，累计服务客户超过 1 万家（含多年度续约客户，数据来源：公司 CRM 系统统计）」——后者看起来啰嗦，但它是 AI 敢用的表述。而前者在被核验时，AI 找不到任何佐证，大概率直接跳过。

四、偏好三：结构可被切片

结构的作用是告诉 AI「这一段在回答哪个问题」。我们建议的最小结构单元是三级：

1. 小标题用问题或结论写成。「交付周期」不如「交付周期一般多久」——后者本身就是用户提问的镜像，AI 匹配意图的准确度更高。
2. 列表用于并列事实，表格用于对比。AI 抽取表格数据的准确率显著高于从段落里找；产品参数、方案对比、价格区间这类信息，能用表格就不要写成段落。
3. 每个页面配置 FAQ 块。问答形态是 AI 引用率最高的内容形态，因为它与用户的提问结构完全一致，几乎不需要转换就能使用。

五、偏好四：可核查的实体信息

AI 在回答涉及具体企业的问题时，会做「实体核验」：这家公司是否存在、叫什么名字、在哪里、做什么业务、信息是否前后一致。任何一处对不上，都会降低整站内容的可信权重。需要保持一致的信息包括：

• 公司全称与品牌名（全站写法统一，不要一会儿「××科技」一会儿「××信息」）
• 注册地址与实际办公地址（如有多个，说清关系）
• 联系电话（页面上出现多个不同号码时，说明各自用途）
• 成立时间、统一社会信用代码等可核验字段

这些信息建议以结构化数据（schema.org 的 Organization）在页面上标注，同时保证页面上的人类可读版本与结构化版本完全一致。

六、反向偏好：什么样的内容会被判定为广告

被引用与不被引用之间，还有一类更糟的情况——被判为广告内容，从而在候选阶段就被降权。我们观察到的特征包括：

七、可直接对照的自检清单

1. 页面前 200 字内，是否有一句能独立成立的定义句？
2. 页面上的关键数据，是否都带了口径、时间与来源？
3. 小标题是否写成了用户会问的问题？
4. 对比类信息（参数、方案、价格）是否用了表格？
5. 页面是否有 FAQ 块，且与页面结构化数据一致？
6. 公司名称、地址、电话在全站是否完全一致？
7. 正文中是否还残留着电话与促销话术？
8. 是否有作者署名与最近更新日期？

这八条都不涉及技术实现，属于内容层面的基础规范。先从这八条做起，比急着追求内容数量更有价值。