AI搜索到底引用谁?4份研究,让我重新看待 Reddit和YouTube

AI SEARCH · 来源观察

只盯着谁排第一？

先看引用来源

再看证据分工

4份研究 · Reddit · YouTube

AI微醺实验室 · 微醺一点，说点真话

当一个用户向AI询问“哪款产品更适合我”，其实有非常多的置信结果信息源。最后出现在答案里的可能是品牌官网，也可能是一条Reddit讨论、一段YouTube视频或者第三方评测。谁的内容被选中，其实谁就有机会参与这次判断。

我集中看了Ahrefs和Peec AI的4份研究。看完以后，我更关心的问题是：AI在替用户阅读互联网时到底选择了谁来解释一个产品、证明一个观点，以及补充真实体验？这也让我重新看待Reddit和YouTube在品牌内容布局里的位置。

讨论AI引用之前，有3件事需要分开：模型训练时学过什么、回答时实际检索了什么以及最后向用户展示了哪些引用。

一个页面可能参与过训练，却没有出现在这次回答里；也可能被检索到，最后没有作为引用展示出来。这几份研究主要统计的是用户能够看到的引用来源，不能据此还原模型完整的知识来源。

因此，下文说某个平台“更常引用Reddit”，更严谨的说法指的是研究样本里出现了更多Reddit引用。它不能直接证明AI更信任Reddit，更不能证明Reddit上的每个回答都准确。

先交代时间：Ahrefs的Gemini和Perplexity榜单会更新，目前页面已更新至2026年9月；Grok页面仍标注6月，Peec AI的横向研究发布于3月。它们是不同时间、不同样本的观察，不能拼成同一时期的统一排名。

Ahrefs的Mention share，指某个域名在榜单前50个来源中的引用份额，不是它占这个AI全部引用的比例，也不是有多少用户看到了它。

带着这个前提，再看具体结果：

数据来源：Ahrefs（Gemini／Perplexity 9月、Grok 6月）与 Peec AI（3月）；不同研究不能直接混算。

这些数据让我们看到两个同时存在的现象：Reddit和YouTube反复出现在头部来源里，但不同AI产品的排序和来源组合并不相同。这里的“4份研究”也来自两家机构，不能理解成4次完全独立、口径一致的验证。

我认为它们能支持的判断是：社区和视频值得进入长期内容规划。但“做了Reddit，就能被所有AI引用”，已经超出了这些数据能够证明的范围。

品牌官网擅长介绍产品有什么功能，但用户准备购买时，往往还想知道另一类问题：用了半年以后怎么样？某个功能在具体场景里是否好用？遇到问题时，客服和售后是怎么处理的？

这些信息经常藏在社区讨论里。一个帖子下面可能有认可，也有反对，有人补充自己的使用条件，还有人指出原回答没有考虑到的限制。这些内容对推荐、比较和经验类问题有参考价值。

这也是我一直重视Reddit的原因。它保存了很多带着具体条件的经验：同一款产品，有人觉得好用，有人觉得不适合，差别可能就在预算、环境或使用习惯里。品牌的卖点，只有放到这些条件下，才会变成用户能够判断的信息。

不过，引用榜单没有告诉我们，Reddit排名靠前究竟有多少来自内容质量，又有多少与页面规模、搜索可见性、主题覆盖和查询样本有关。把高频引用直接解释为“AI最认可的平台”，我觉得并不严谨。

我更愿意把Reddit理解成一个丰富的真实体验素材库。对品牌来说，值得参与的是那些具体问题和真实讨论。如果进入社区只是为了反复露出品牌名，既没有补充信息，也没有解决问题，就很难建立长期价值。

YouTube让我重新思考的，是视频内容的使用方式。我们习惯用播放量、完播率和互动衡量它，但一个视频页面上，还存在标题、简介、章节和字幕，这些文字也能承载知识。

Peec AI展示的案例中，Google AI Mode能够提取视频描述和自动字幕里的信息。这里要区分：案例说明这些文字可能成为回答材料，并不意味着所有AI都会完整观看视频，或者所有视频都能被同样处理。

Ahrefs的Perplexity样本里，约106万个不同YouTube页面被引用，也让我更重视视频页面本身。这个数字统计的是不同页面，不是播放量，也不是106万次引用事件。

假设一段视频介绍某个产品的安装过程，创作者在画面里展示了步骤，却始终用“这里”“这个按钮”来讲解，脱离画面后，字幕就可能难以理解。如果产品型号、操作名称和适用条件都说清楚，这段内容才更容易被独立理解。

所以在我看来，视频创作者值得多检查几件事：标题有没有说明对象和问题，简介有没有补充条件，章节是否对应实际步骤，字幕里的型号和专业词有没有出错。

这些做法首先提高了内容的清晰度。至于能否增加AI引用，还需要观察和验证，现有榜单没有给出“改好字幕就会被引用”的因果结论。但它至少提醒我，视频的知识价值，值得和它的观看价值一起考虑。

这些榜单里并不只有文章网站。社区、视频、百科、商品页面和评价平台都在出现，这让我更愿意把AI答案理解为一次“多来源组合”。

比如用户想判断一款产品是否适合自己，基础定义可以参考百科，规格需要核对官方资料，操作过程可以看视频，长期体验需要参考用户讨论，性能判断则可能需要第三方测试。

这里并不是说模型一定按这套步骤工作，而是用它来理解内容的作用：一个来源帮助解释概念，另一个补充证据，还有一个提供使用条件和反例。不同页面解决的问题不一样。

概念示意，不是任何一款 AI 的固定检索步骤。

因此，我认为GEO，也就是面向AI搜索与回答的内容优化，不能只停留在“文章怎么排版更容易被引用”上。更值得问的是：我的内容能为一个具体问题，提供哪一部分别人缺少的信息？

这也是我所理解的“任务层面的权威”。医学问题需要专业证据，使用体验需要具体场景，价格和规格需要明确版本与时间。网站的知名度有参考意义，但页面到底能回答什么，同样值得重视。

回到企业实际执行，我依然倾向于建设一套分布在不同平台、彼此能够核对的知识资产。不过，这不等于每个平台都要开账号，再把同一篇介绍复制过去。

官网应该保留清楚的产品事实、原始资料和方法说明；视频适合展示操作过程、效果和限制；社区可以承接真实问题，补充官方介绍没有覆盖的使用情境。评价平台和独立评测提供的外部意见，也有各自的价值。

这些内容之间需要能够对得上。如果官网写的是新版本，视频演示的是旧版本，社区回答又没有交代时间，内容越多，用户反而越难判断。明确型号、版本、日期和适用条件，是很基础、也很容易被忽略的工作。

对于资源有限的团队，我认为可以从一个经常被问到的问题开始。先把官方答案写完整，再决定它是否需要一段演示视频，以及是否值得在相关社区里进行有信息量的讨论。每一份内容都应该增加一些信息，而不只是增加一个链接。

至于品牌自己的Subreddit，我仍然更看重它承接问题、维护官方说明和沉淀公开知识的作用。它和大型行业社区的真实讨论可以互相补充，但前提是透明说明身份、尊重社区规则，并持续提供有用内容。

最后还要保留一个边界：Ahrefs使用基于搜索需求构建的查询集合，并非AI平台的官方用户日志。这些样本能够帮助观察来源结构，但不能直接代表所有用户、所有语言和所有行业。

品牌如果准备据此调整内容投入，我更建议选出自己所在行业的真实问题，持续观察不同AI产品引用了什么、引用内容是否准确，以及品牌缺少哪一类资料。不要只盯着今天排名第一的平台，也不要把一次回答当成稳定结果。

这4份研究强化了我对Reddit和YouTube的关注，但其实更重要的是它们让我重新审视内容的用途。一条有具体条件的回答、一段讲清操作的视频、一份能够核对的产品说明都可能在原来的传播周期之后继续发挥价值。

当AI开始替用户阅读互联网时，我认为品牌值得争取的，是让自己的内容成为理解某个问题时可以使用、也经得起核对的材料。这样的积累比追逐一次引用更值得长期做。

如果你也对于AI感兴趣有自己的观察和思考，欢迎在评论区分享具体问题和观察。

AI微醺实验室

微醺一点，说点真话

关注后，继续聊点真话

AI应用、社区、增长与内容创作的实操和复盘。

AI应用GEO实践Reddit增长AI视频真实案例

微信搜一搜：AI微醺实验室

长按识别 · 关注

如果觉得有用，欢迎点赞 · 在看 · 转发