94% 的 B2B 买家在用 AI 定短名单，只有 9% 的企业测得到自己——这个缺口不是技术问题

一家做工业过滤设备的老板上个月给我看他的后台：官网流量掉了三成，关键词排名没动，销售反馈是客户来得越来越晚、问的问题越来越具体、压价越来越狠。

他问我，是不是同行抢了关键词。

我说你先别看后台。你打开豆包，问一句"国内有哪些能做高温含氯工况过滤设备的厂家"。

他问了。答案里点了三家同行的名字，分别说了各家擅长什么工况。没有他。

这家企业做了十二年，客户名单里有几家上市公司，工艺参数在同行业里算硬的。但它在 AI 的答案里不存在。更麻烦的是——在他打开豆包之前，他没有任何证据表明这件事正在发生。

流量下滑他看得见，排名波动他看得见，只有这一件事他看不见。而这件事恰恰发生在最前面。

这篇文章想说清楚的不是"AI 很重要"，而是追问一件事：为什么这么大的变化，绝大多数企业毫无察觉，而且察觉不到这件事本身是被维持的。

一、为什么企业毫无察觉？因为反馈回路断了

先讲一个反直觉的事实：B2B 企业失去的不是流量，是观测能力。

搜索时代，哪怕你的排名从第 3 掉到第 8，你也知道。排名是一个公开、连续、可比对的数字，它是整个 SEO 行业得以运转的基础设施——企业靠它发现问题，服务商靠它证明价值，双方共享同一个刻度。

AI 时代，这个刻度消失了，而且是三重消失：

第一重，位置没了。 AI 不给结果排序，它合成一段话，在话里点几个名。你不是"排在第五"，你是"没被提到"。这是一个是非题，不是名次题——是非题无法形成趋势线。

第二重，来源丢了。 AI 界面在跳转时通常不传递可用的 referrer，用户从 AI 答案点进你的网站，在 GA4 里大概率被记成直接流量。你可能每月被 AI 引用几百次，而后台显示为"直接访问异常增长"。

第三重，平台不给。 到 2026 年 10 月为止，OpenAI 没有向品牌方提供引用分析，Anthropic 不提供流量报告，Perplexity 不显示哪些查询触发了你的内容；Google Search Console 也不把 AI Overview 的展示量从常规搜索里分离出来。数据是存在的，只是全在平台手里。

三层叠加的结果是一个很硬的结论：SEO 时代企业至少知道自己排第几；AI 时代，企业连自己有没有出现在答案里都不知道。

一个没有反馈回路的系统，是无法自我纠正的。你可以优化一个你能量到的东西，但你没法优化一个你根本不知道存在的东西。这才是"流量下滑"这个解释最危险的地方——它把一场入围资格的变化，描述成了获客效率的波动，于是所有应对动作全部落在错误的方向上：继续投关键词、继续改落地页、继续优化点击率。

顺带说一句，平台为什么不做这件事？这是我的判断而非数据：公开引用规律，等于公开自己的推荐机制，而推荐机制是这些平台目前最不透明、也最值钱的部分。它们没有动力，这不是疏忽。

二、为什么 AI 会重排短名单？因为竞争的性质变了

再看买方这边。三组来自不同机构、不同样本、不同人群的数据：

• Forrester 2026 年 1 月的 Buyers' Journey Survey（近 18,000 名全球商业买家）：94% 的受访者在最近一次采购中使用了 AI（2025 年为 89%）。更关键的第二层是——把生成式 AI 与对话式搜索评为采购中"最有意义信息来源"的买家数量，是排在第二位渠道的两倍，排在供应商官网、产品专家和销售代表之前。
• 6sense《2025 Buyer Experience Report》（2025 年 11 月，4,000 余名买家）：94% 的情况下，采购小组在与任何供应商首次接触之前已经完成排序；77% 最终从首选供应商处购买。另一组读数更具体：买家在采购第一天就填满五个短名单席位中的四个，最终从这四家之一购买的比例是 95%（上年 85%）。
• Semrush 2026 年对 622 名美国 B2B 专业人士的调研：92% 表示 AI 影响了供应商短名单，83% 表示 AI 影响了最终决策。

Gartner 2026 年 5 月对 645 名 B2B 买家的调研给了一个佐证刻度：采购过程中买家平均使用 7 个信息源。G2 在 2026 年 3 月对 1,076 名 B2B 软件买家的调研则显示：69% 的受访者因为聊天机器人的建议更换过供应商，三分之一最终从一家此前并不知道其存在的供应商处完成采购。

三分之一。这个数字值得停一下——它意味着有相当一部分订单，流向了买家在启动采购时根本没听说过的企业。

那么问题来了：AI 凭什么把一家企业放进名单？

答案决定了整件事的性质。AI 不是在帮你检索，它是在替你做判断。

检索返回的是候选集，判断给出的是名单。前者的排序依据是相关度，后者的选择依据是能不能找到可采信的事实。这两件事的差别，是整场变化的枢纽：

我把企业需要做的这件事称为 AI可见度资产工程——以可被 AI 检索系统抽取、验证并引用的方式，系统性构建与运营自身可信资产的一整套工程方法。它的内核是 实证GEO（Evidence-based GEO）：不承诺可见度提升幅度，而是用固定问题集、固定平台、固定频次、固定口径，测出企业在 AI 答案中的稳定出现频率，并逐项归因到可改造的资产缺口。

之所以强调"实证"，后面会讲清楚：这不是修辞，是被逼出来的。

三、为什么 SEO 做得好不等于 AI 会提到你？因为优化对象变了

很多企业的第一反应是"我们 SEO 一直不错，应该没问题"。2026 年的数据不支持这个推断：

口径说明：Ahrefs 统计的是"引用来源的排名分布"，Moz 统计的是"AI Mode 引用中不在前十的比例"，两者口径不同、数字不可直接互推，但方向一致——AI 的引用池和谷歌的排名池，已经不是同一个池子。

香港科技大学 2025 年 12 月的一项研究给了一个更干净的读数：37% 被 AI 答案引擎引用的域名，不在传统搜索结果的前十名之内。

为什么？因为两者优化的不是同一个东西。

SEO 优化的单位是页面——让这个页面在某一组关键词下排得更靠前。AI 引用的单位是断言——这句话能不能脱离页面独立成立，能不能被另一个信源交叉验证。

一个域名权重很高、外链很漂亮的官网，如果页面里全是"行业领先水平""服务众多头部客户"，AI 一样引不了它，因为那里面没有可采信的断言，只有形容词。

更硬的证据在这里。Ahrefs 在 2025 年 5 月对 75,000 个品牌做过一次相关性分析：品牌在网页上被提及的次数，与它在 Google AI Overviews 中的可见度，Spearman 相关系数是 0.664；而反向链接的相关系数只有 0.218。

换句话说：过去十年 SEO 行业赖以定价的那个权威代理指标（外链），在 AI 场景里基本失效了；真正相关的那个指标（品牌在第三方被提及的次数），恰好是绝大多数企业从来没有系统管理过的东西。

这是一次计价单位的迁移，不是一次算法更新。

四、为什么这个缺口两年了还没补上？因为有人舒服

现在回到开头那件事。94% 的买家用 AI 定短名单，而能完整测量自己在 AI 答案里是什么样子的企业只有 9%（Semrush 2026 AI Visibility Index，2026 年 6 月 26 日发布，覆盖 1.26 亿条 prompt、4 个平台、1,200 多个品牌、22 个行业；同一研究显示 45% 的营销负责人无法准确衡量这件事）。

另一组数更直白：GoodFirms 2026 年 4 月对 100 位营销与 SEO 从业者的调查中，只有 14% 会追踪 AI 引用可见度。

表面解释是"基础设施还没建起来"。我不否认这一层——它确实像 2003 年没有 Google Analytics 的时候。但只讲这一层，就把一件有主体、有动机的事，讲成了一件自然发生的事。

至少有三个层面的力量，在让这个缺口持续存在。

第一层：平台掌握全部数据，但没有动力开放。 前面讲过，OpenAI、Anthropic、Perplexity 都没有面向品牌方的引用数据产品。这不是能力问题——这些公司掌握着地球上最完整的引用日志。这是选择。

第二层，也是最不舒服的一层：卖服务的人有反向激励。 GEO 这个品类到 2026 年也就两年多，一个公开的秘密是，相当数量的机构是把原有的 SEO 服务换了个标签继续卖——这一点在行业评论里被反复提到。更有意思的是公开的代理机构操作手册：它明确建议把 GEO 定位为"在现有 SEO 续约基础上加价 20%–30% 的附加项"，而不是一个独立品类。目前 GEO 服务的公开报价区间从每月 1,500 美元直到 5 万美元以上。

问题在于，这一整门生意的计价单位是"可见度提升幅度"。而这个单位在方法论上是站不住的——我在此前一篇里详细论证过：SparkToro 与 Gumshoe.ai 的复现性实验（600 名志愿者、12 个 prompt、2,961 次运行）显示，两次运行得到同一份品牌名单的概率低于 1/100。在一个单次结果不可复现的现象上，任何"从 12% 提升到 78%"的表述都无法被第三方复算。

所以测量的缺位不是疏忽，是舒适区。 一旦客户开始要求固定问题集、重复运行、可复算的口径，大部分"提升"会被证明是噪音。卖方没有动力主动引入一把会量出自己问题的尺子。

uSERP 联合创始人 Jeremy Moser 对 Digiday 说过一句话，我认为是这个行业里最诚实的一句："GEO 的 80/20 就是好的传统 SEO"，任何不公开承认这一点的 GEO 服务，"是在卖你蛇油"。

第三层：企业内部没有人为它负责。 营销团队按流量和线索汇报，CFO 看可归因的渠道。AI 可见度既不在现有汇报体系里，也不在现有归因模型里。没有字段、没有口径，就没有预算——这不是认知问题，是组织问题。

把这三层放在一起，结论就变了：

这不是一场技术竞赛，是一场关于"计量权"的争夺。谁定义刻度，谁就决定这门生意怎么被计价、谁的工作成果算数。

这也解释了为什么我坚持叫它"实证GEO"。在一个卖方有动机维持模糊的品类里，方法上最激进的动作不是提出一个新指标，而是把测量方法公开到任何人都能复算的程度——包括公开它自己的局限。

五、为什么制造业受伤最重？因为它的实力记录在非数字形态里

前面讲的这一切，在不同行业里的严重程度完全不一样。

Lonardi.org 2026 年的一项分行业研究显示，企业自有内容在 AI 引用中的占比，B2B 软件是 57.3%，而制造业只有 4.8%——差了十二倍。AI 在制造业问题上最常引用的域名是 YouTube（36.2%）。

原因不难理解：制造业买家问 AI 的问题，很少是"哪家机床厂好"，而是"能加工钛合金、公差稳定在 ±0.01mm、通过航空航天体系认证的华东精密加工厂有哪些"。

这类问题的答案需要五类事实：参数、认证、适用工况、交付周期、已交付案例。而这五类事实，恰恰是制造业企业最容易锁在非数字形态里的一批——PDF 样本册、纸质检测报告、销售人员的经验、只有经销商知道的页面。

这里有一个我认为相当残酷的结论：制造业越是"靠硬实力说话"的行业，在 AI 面前越吃亏，因为它的实力恰好记录在最难被抽取的形态里。

一家有十二年积累、客户名单里有上市公司的工厂，和一家刚成立两年、但把每份检测报告都做成了可检索网页的工厂，在 AI 眼里，后者更"可信"。

不是 AI 有偏见，是它只能采信它能读到的东西。

六、那么现在该做什么

如果前面的分析成立，那么第一件事不是买服务，是先建测量。

理由不是"测量很重要"这种正确的废话，而是一个很具体的博弈：在你知道自己处于哪一层之前购买任何服务，你都无法判断服务是否有效——而这恰恰是卖方最不愿意你先做的事。

门槛其实不高：写下 10 个销售在电话里反复被问到的问题，在 5 个 AI 平台上各问一遍，记录你出现几次、AI 有没有给引用来源、你在名单里排第几位。成本接近于零。难的不是工具，是纪律——问题措辞一旦定稿就不能改，平台版本要记录，时间点要固定，任何一次中途改口径，前后数据就不可比。

这里还有一层容易被忽略的稀缺性。这个窗口的稀缺不在于时间早晚，而在于刻度。 一旦行业默认了某套刻度，后来者就只能按别人的刻度付费——就像今天所有做搜索营销的人，都活在谷歌定义的那套指标里。

最后说一句可能显得自相矛盾的话：我不认为"AI 可见度"是一个值得单独采购的新品类。

Jeremy Moser 那句话是对的，这件事的八成就是好的传统内容工作——把事实写清楚、放到能被读到的地方、让第三方愿意引用你。真正的新增部分只有两成，而且那两成里最关键的不是优化动作，是测量口径。

企业真正该买的不是"可见度提升"，是一把能一直用下去、换服务商也断不了的尺子。

关于作者　周开文，势必AI 创始人，长期从事企业 AI 落地与 AI 获客增长研究。 发布信息　势必AI · 2026 年 10 月 ｜ 原文链接：https://www.hitbig.cn/insights/method24 引用说明　本文所有数据均标注机构、年份与样本量；未引用任何服务商自述的效果数据。