AI 名单上没你,多数外贸老板还不知道
先说三组数。
Gartner 2026 年 5 月问过 645 名 B2B 买家。其中 45% 的人,在最近一次采购里用生成式 AI 收集供应商和产品信息。
同一次调研里还有两个数。一次采购平均查 7 个信息来源。69% 的人拿到 AI 给的结论之后,还要找销售代表再核实一遍。
Forrester 的数字更硬。他们 2026 年 1 月公布的买家调研覆盖近 1.8 万名全球商业买家,94% 的人在最近一次采购中用了 AI。2025 年这个数是 89%。
G2 在 2026 年 3 月问了 1076 名 B2B 软件买家,51% 说自己更习惯从 AI 聊天机器人开始调研。11 个月前,这个比例是 29%。这一组问的是软件采购,跟咱们卖货不完全是同一件事,但方向一致。
三组数说的是同一件事,买家还没打开你的网站,已经先问过一遍 AI 了。这三家问的都是 B2B 买家,不是我拿消费品的数来凑。
我在外贸获客这个服务侧待了 16 年,帮企业找客户、上工具、做培训。2025 年 10 月我自己下场做外贸,出了几个小单,询盘一直有。真正让我坐直的是另一件事。某天我自己拿 ChatGPT 问了一句「中国的某某类供应商哪家靠谱」,翻出来的那串名单里,没有我们。
我们那个站不算糙。产品页有,参数有,博客也堆了两百多篇。AI 就是没读它。
后来我把这件事拆开看了一个多月,结论比我想的难受。AI 跳过你,跟你内容写得好不好,关系没你想的那么大。它在五件事上做了判断,而这五件事,大多数出口企业一件都没做对。
在说这五件之前,得先搞清楚一个更基础的问题。AI 到底是怎么读你的网站的?
它不是读者,是个赶稿的记者
你想象一下,一个记者还有二十分钟截稿,要写一篇稿子,手上有三百个网站。他会怎么读?
他不会从头读到尾。他扫,找那一句最清楚、最方便直接拿去用的句子,抽走,放进稿子里。
AI 引擎读你的站,就是这个姿势。
这个判断有个官方证据。Google 在自己的搜索文档里承认,AI Overviews 和 AI Mode 会用一种叫 query fan-out 的技术,把用户的一个问题拆成一串相关的搜索,分别去查,再拼成回答。
这句话的分量在于,它解释了为什么你的「关键词排名」那套东西会失效。买家问一句话,AI 在后台派出去十个八个子问题。你的页面只要在那十个问题里一个位置都没占住,整段回答就跟你没关系。
平台之间还各读各的。有机构统计过三大平台引用最多的域名榜单,同时挤进三个榜单的只是极少数。
同一个页面,在 Google 的 AI 概览里可能被引,在 ChatGPT 里可能一次都不出现。
所以「怎么让 AI 引用我」这个问题,一开始就问错了。这是五个开关,缺一个就漏。
下面五个,我按能不能马上动手的顺序排。前四个决定 AI 想不想引你,最后一个决定它到底需不需要引你。最后那个最要命。
先让它能抓走,再谈它愿不愿意引你
我见过太多企业的站,最长的那一段有两百多字,把产品优势、交期、认证全塞在里面。人读着累,AI 直接跳过。
AI 抽不走的东西,不会被引用。就这一句。
Neil Patel 的团队问过 1000 名营销人,得 AI 引用最多的内容形式,排第一的是列表和摘要,占了全部引用的接近 22%。
不是因为列表写得多漂亮。是因为它天生由一段一段干净的、能直接拿走的话组成。
这不是孤证。普林斯顿那篇 GEO 论文(KDD 2024)在 GEO-bench 的 1 万条查询上做过对比实验,摘要给出的结论是,几种改写手法最高能把可见度提升约 40%。有效的方向很集中,加权威引用、加具体数字、标注来源,这三类在实验里都比原始写法更容易被生成引擎选中。
分项各提升多少我不给。论文摘要里没拆这个数,网上流传的几个百分比我对不上原文,摆出来反而经不起查。
同一篇论文还有个反向结论更值得记住。关键词堆砌这类传统 SEO 手法,对生成引擎不但无效,在实验里还比基线更差。
能落地的改法有四条。
一个小标题只讲一个观点。 别写「产品优势与服务体系」,写「交期为什么比同行短三天」。
一条要点只放一个事实。 一条里塞三个论点,AI 只会拿走最前面那个,后面两条白写。
数字单独给一行。 埋在第四句中间的数,AI 往往抽不干净。
该用表格就用表格。 参数、型号、价格区间、对比项,表格是 AI 最省力的读法。
结构这块有个必须纠的偏。市面上到处在传「加 schema 标记能提升 AI 引用率 44%」,我去追了这条的源头,没找到原始报告。
Google 自己的搜索文档写得很直接,AI 功能没有额外技术要求,也不存在什么 AI 专属 schema。它对结构化数据的要求只有一句,结构化数据要和页面可见的文字对得上。
schema 不是加分项,是别撒谎。你标了价格,页面上就得真写着那个价格。
最后补一句,可能会让做内容的人不舒服。分析过 AI 概览引用页面的机构发现,内容篇幅和被不被引用几乎没什么关系。写了八千字的长文,不如一个能被整段拿走的小节。
这些做完,只解决了「能不能被拿走」。它不解决「AI 想不想拿你的」。这就到了下一条,也是我这次被顶得最狠的一条。
AI 挑的不是人味,是人造不出来的东西
Neil Patel 团队分析过 100 家公司、3000 多篇内容,算出来的平均阅读时长是这样:
| 内容类型 | 平均阅读时长 |
|---|---|
| 人类撰写 | 2 分 31 秒 |
| AI 撰写加人工修改 | 1 分 59 秒 |
| 完全由 AI 撰写 | 1 分 54 秒 |
请盯住中间那行。AI 写完再找人润色,只比纯 AI 多 5 秒。
这 5 秒说明一件事。让人改几个词、顺一下句子,救不了这篇内容。人的部分得在实质上,不在措辞上。
Neil 自己的结论是,做引用的 AI 模型偏好人类写的内容,会多给它曝光。这个观察我信,因为我自己刷 AI 回答时也有同感。
但有件事不能装作没看见。
2025 年有一篇研究(arXiv 2509.14436)跟踪了大约 1 万个网站在生成式搜索和传统搜索两个渠道的表现,结论跟「偏好人类写作」正好岔开。它测出来的机制是,生成引擎偏好的是对底层模型来说可预测性更高的内容,跟「是不是人写的」这个属性没有直接关系。
说白了,模型倾向于引用句式和表达跟自己更像的东西。
这个发现乍看是在打脸「真人写」。但它往深一层推,反而把我原来的想法拧对了。
AI 缺的从来不是「人的语气」。你让 AI 加点口语、加点感叹号,一秒就加上。
AI 缺的是模型自己造不出来的东西。它在训练数据里翻不到的东西。
在外贸这个行当,那种东西长这样。下面这些是我这些年见过、听过的一类情形,细节我做过了处理,不用去对具体案子。
• 某批货在汉堡港被扣了 11 天,因为包装上少一个材质标识,客户最后多付了 3400 欧元
• 一个德国客户从询盘到下单谈了 7 个月,中间换了三次规格,最后成交的是最开始否掉的那款
• 同一个型号,发往巴西和发往波兰要改的认证不一样,改错一次重做模具
这些东西 AI 写不出来,因为它没在汉堡港被扣过货。
我现在的活儿是这么分的。选题、搭大纲、做初稿、找内容缺口,全交给 AI,能省掉我大半天。最后落笔那一遍我自己写,尤其是案例和判断,一个字都不让它代笔。
这不是为了「显得真人」。是因为那几段话,就是 AI 拿不到的东西。你替它补上了,它才有理由引你。
一条赛道挖到底,比十条话题都值钱
AI 在判断要不要引你之前,先判断一件事。这个站,有没有资格谈这个话题。
Neil Patel 举过一个例子很到位。他是营销人,AI 知道。全世界叫 Patel 的医生一大把,但 ChatGPT 和 Gemini 也知道,他这个 Patel 不该给医疗建议,没学历,也没行过医。
换个说法。一个营销网站发营销文章,合理。一个水管工网站发同一篇营销文章,还发「十大最佳代理机构」,不合理。哪怕两篇写得一模一样好,AI 也会跳过后一个。
我们运营的两个英文站,正好是这条的正反样本。一个专讲机器人品类,一个专讲园艺工具。刚开始两个站都想写得宽一点,顺手蹭点热门话题。结果就是谁也不认我们。后来把主题收窄,机器人站只写机器人这条线上的新手问题、进阶问题、安装踩的坑、选型常犯的错,园艺站同样收窄,情况才开始变。
这里有个技术侧的解释,我觉得比「专家感」这种虚词好懂。
前面那篇论文测出来的机制是,模型偏爱可预测性高的表达。一个站长期只讲一件事,它的用词、结构、讲法会越来越一致。对模型来说,这个站就越来越「好认」。
反过来,一个站今天讲 AI,明天讲招聘,后天讲税务,模型每次读到的语气和词汇都不一样。它没法给你贴一个清晰的标签。
你在一个话题上挖多深,比你铺多宽重要得多。
动笔之前问自己一句就够。这篇东西,是我该讲的,还是我在闯别人的地盘?
外贸企业容易在这上面自伤,而且伤得不知不觉。每周发几篇,一篇行业趋势,一篇公司新闻,一篇展会预告,一篇节日祝福。单看每篇都合理。合起来看,这个站没有以任何一件事闻名。
别人在外面怎么说你,权重不比你自己写的低
前面说的那些都在你自己站内。这条不在,所以它最容易被忽略。
我在服务侧这些年见过不少这样的案子。A 公司的内容更好,页面更快,外链更多,输给了一个比它小得多的对手。以前我也想不通,后来才明白,AI 在算的有一部分是你控制不了的东西。
你的品牌在网上被提到过多少次。别人提起你的时候,语气是什么样。跟对手比,谁被说得更热。
有人问 ChatGPT「凤凰城最好的空调公司是哪家」,它不会只看那家公司的官网。它去读 Reddit 的讨论,读点评网站,读论坛帖子,读 Google 商家档案,读 Yelp。
它在读整个互联网对你的看法。
Neil Patel 团队问过那 1000 名营销人最信哪些站外信号,排序是这样的:
1. 客户评论
2. 社区推荐,比如 Reddit 讨论和论坛
3. 行业奖项
行业奖项排在最后。
这句话对做外贸的杀伤力特别大。我们太习惯在「关于我们」页面挂一整面奖杯墙,CE 证书、ISO 证书、商会会员、各种金奖银奖,摆得密密麻麻。在买家眼里这是实力证明。在 AI 眼里,那是你自己说自己好。
真正有分量的是别人说你什么。我见过类似这样的一条评价,德国客户写「交期比承诺晚了两天,但他们提前一周就发邮件告诉我了,还主动给了补偿方案」,这种话的说服力,比十块奖牌加起来都强。
我的判断是,一个品牌在网上被提到得多不多,跟它在 AI 概览里出不出现,关系比反向链接、域名评级这些传统指标更紧。YouTube 上的提及尤其明显。
所以这件事得当成排名因素去管。像盯关键词排名那样定期盯。
这件事落到动作上就三件。
去问满意的客户要一句评价,别嫌麻烦,一句就够。
差评回复得比谁都快,AI 读得到你的回复语气。
让自己出现在买家真正会看的那些讨论里,行业论坛、垂直社区、Reddit 对应的板块,别只在自己的公众号里自说自话。
通用问题 AI 自己就答了,只有难的问题它才需要你
前面讲的那些,都是在提高你被选中的机会。这一条不一样。
这条决定的是,AI 到底需不需要一个来源。
这是整篇里我认为最要命的一条,也是最多人搞反的一条。
同一个引擎,同一天,你问它两个问题,它的行为会完全不同。
你问「什么是 SEO」,或者「最好的 CRM 是哪个」,它直接用训练数据里现成的东西答你,不引用,也不去访问任何网站。这类知识的答案早就被揉进模型里了,它不需要任何人帮忙。
你换个问法。「一个做宠物用品的中小品牌,想在中国找一家能接小批量、能贴自己牌、还能过欧盟新包装法规的工厂,该怎么筛?」
这种问题,模型的知识边界一下就撞上了。它必须去找一个真实来源,一个真的干过这件事、把这个问题的答案精确写下来过的页面。
机制就这么直白。通用的从模型肚子里出,具体的靠引用出。而你只从第二类里拿到客户。
Google 自己的文档里那句 query fan-out,在这里就派上用场了。它承认 AI 回答一个问题时会派出一串相关子问题去搜。反过来推,如果市面上只有一篇内容回答了那个最宽的品类问题,那串子问题的位置就全空着。
Google 在发布 AI Mode 的时候说,用户在这里可以把问题描述得比传统搜索长 2 到 3 倍。问题正在变长,变具体。这是方向。
这一条我确实没有数据可摆。海外也找不到直接统计「买家在 AI 里问的是宽泛词还是带规格的长问题」的研究,我不打算硬凑一个。
但我有 16 年的询盘可以看,还有一个刚发生不久的例子。
一个突尼斯的客户,本来就在从中国进口农用机械,在当地卖。他心里刚冒出一个念头,再开一条产品线,成立个分公司专门做这块。
注意这个时间点。念头刚成型,他甚至还没理清这条线该找什么样的供应商。
他没去谷歌搜关键词。他直接去问了 AI。
AI 给他的推荐名单里有我们。他顺着这个找到我们的 WhatsApp,加上来第一句话就把自己交代得清清楚楚,他是谁,公司做什么的,现在要开的分公司做哪条线,想找什么样的合作。
需求还没成型,AI 已经把我们推到他眼前了。
做外贸的都懂这意味着什么。我们平时抢的,是那些已经知道自己要什么、正在谷歌搜「某某产品 supplier」的人,那是需求的下游,早就有一堆同行在那儿等着。而他这种,是需求的上游,一个人刚起念,还没被任何一家供应商接触过。这种客户,以前你只能靠展会、靠老客户转介绍碰运气。
这一次,是 AI 替我们站在了那个上游。
从头到尾,他没问过一句「中国最好的某某供应商是哪家」。他具体怎么问的,我没看到原文。我猜大概是这个形状,我在突尼斯,已经在做农用机械,现在想加一条某某产品线,该怎么起步、要注意什么。
这种问题,AI 自己答不出来。它必须去找一个真的懂这条线、把这个问题的答案写下来过的地方。
这就是这一条的意思。我们把那条线上具体到某个市场、某个规模、某种起步方式的问题答过一遍,AI 在需要这个答案的时候,就翻到了我们。
真正会掏钱的客户,很少开口就问「中国最好的某某产品供应商是谁」。他问的是起订量能不能做 500 件,这个材质过不过得了他们那边的食品接触标准,旺季要提前两周提货产线排不排得开,上一批那个小色差怎么处理。这几类问题我接了这么多年询盘见得最多,没有一个是通用问题,每一个都需要你真的在那条产线上站过才能答。
回到内容该往哪儿写,我的答案是三个「绑」。
绑行业。 不写「如何选择供应商」,写「做户外家具的买家怎么验一家铝型材厂的焊接工艺」。
绑规模。 不写「小批量采购技巧」,写「起订量 300 件的时候,怎么跟工厂谈才不被排到淡季」。
绑情境。 不写「出口认证指南」,写「同一款灯具发德国和发沙特,认证和标签要改哪几处」。
还有一个最好用的题源,就是上个月最好的那个客户问你的问题。那个问题往往需要你十几年的经验才答得漂亮,而它正好是 AI 答不出来的。
这一条为什么比前面都重?因为格式规则会变,模型会变,平台会换。
但问题越难,AI 就越需要那些不是到处都能找到的经验。这件事不会变。
八年前争的是前十,现在争的是那一个答案
八年前做外贸站,游戏规则是挤进搜索结果前十。前十名有十个人,谁都能分一口。
现在的规则变了。买家问一句,AI 给一个答案,答案里点名两三个来源。范围更小,剩的人更少。
奖品变大了,能上桌的人变少了。
而这五件事,你的大部分同行一件都还没做。他们在忙着投广告、刷关键词、催业务员多发几封开发信。
我不觉得这是坏事。窗口就在这儿,谁先动谁拿。
现在说回开头那张名单。名单里没有我们,因为我们的产品没问题,东西也一直在写。问题出在那两百多篇文章,全是写给人看的,没有一篇是写给 AI 能拿走的。
后来那个突尼斯客户,是 AI 把我们推给他的。前后隔了不到一年,差的不是运气,是我们把上面这五件事挨个做了一遍。
现在我改的顺序是这样。先把每个页面拆成能独立拿走的小节,数字单独拎出来。然后把真人经验里那些模型造不出来的细节补进去。再把站的主题收窄到一条线。同时开始盯客户评价和社区里的说法。最后,专门去写那种只有干过这行的人才答得好的问题。
五件事里,没有一件靠「再写多点」解决。把已经有的东西重排一遍,换个人来讲,走出自己的站去,都能算。
最后留个自查的东西。我按这五条做了一张表,一共 15 个问题,拿它给你的站从头过一遍,能定位到具体是哪一条漏了。很多时候你以为自己死在内容质量上,过完表才发现是站的主题太散,或者缺了那句只有你能说的话。
要这张表的,扫文末二维码加我企业微信,发一句「自查」,我直接发你。表是死的,站是活的,加过来说说你的情况,我顺带帮你看看先动哪一条收益最快。

- 上一篇: AI 搜索怎么决定引用谁:一次提问,背后是十几次检索
- 下一篇: 没有了...