更新：38% 的 AI Overview 引用来自前 10 名结果

AI 概览引用来自哪里AI 搜索与 GEO

去年我们分析了 190 万条引用，试图回答这一问题。但与所有与 AI 相关的事情一样，此后发生了诸多变化。例如，截至 2026 年 1 月，AI Overviews 改由 Gemini 3 驱动，以更好地回答搜索者的长尾问题……

SERP 中排名的页面有多频繁会被 AI Overviews 引用？

为回答这一问题，我们去年分析了 190 万条引用。

但与所有与 AI 相关的事情一样，此后发生了诸多变化。

例如，截至 2026 年 1 月，AI Overviews 现在由 Gemini 3 驱动，以更好地回答搜索者的长尾问题——此前它依赖的是更早的 Gemini 模型，包括 2.5 等版本。

自上次研究以来，我们还改进了 Ahrefs 中的解析方法，因此能看到 AI Overviews 中出现的更多引用。

于是我们决定更新研究结果，以更好地回答最初的问题。

这一次，我们分析了 86.3 万个关键词的 SERP，以及总计 400 万个 AI Overview 引用的 URL——是上次分析的两倍多。

所有这些数据都取自 Ahrefs Brand Radar，我们的 AI 可见度工具。

以下是研究发现……

被 AI Overviews 引用的页面中，有 38% 同时排在前 10

分析中，我们考察了同一 URL 同时出现在 AI Overview 与常规 SERP 中、且针对同一个查询的情况。

第一项测试研究了页面上返回的全部结果，包括常规蓝色链接和 SERP 特性。

例如，我们把广告、精选摘要（Featured snippets）、PAA 模块、视频包以及自然结果列表都作为独立的区块来追踪。

由此发现，被 AI Overviews 引用的 URL 中有 37.9% 也出现在前 10 个区块内。

其余的则几乎平均地分在第 11–100 位（31.2%）和前 100 个区块之外（31.0%）。

第二项测试只关注标准的蓝色链接，忽略广告和其它 SERP 特性。分布结果基本相似：

唯一细微的差别是，更多被 AI Overview 引用的页面落在前 100 之外。

这说明，AIO（AI Overview）有时会引用未出现在常规搜索结果中、却出现在 SERP 特性里的页面。

这些数据究竟意味着什么？

至少与我们最初的研究相比，它表明 Google 直接从原始 SERP 中挑选的页面少了很多（2025 年 7 月约为 76%，而如今约为 38%）。

在我看来，这说明 AI Overviews 对直接搜索结果的依赖下降，更多依赖在扇出查询（fan-out query）SERP 中出现的来源。

Google 已确认，每当用户发起搜索并触发 AI 时，其系统都会执行一次“查询扇出（Query fan-out）”。

也就是把最初的查询拆分成多个相关的子查询。

随后，在这些子查询 SERP 中出现最频繁的页面就会被 AI Overview 引用。

因此，Gemini 3 到来后，扇出查询在来源选择中可能正扮演更重要的角色。

它可能比以前更激进地扩展查询，或者扩展得更加宽泛——从那些针对原始查询排名页面更少的相关 SERP 中拉取内容。

18% 的未排名引用来自 YouTube

研究还揭示了关于 YouTube 一件相当有趣的事。

在那些针对同一关键词未能进入 Google 前 100 结果、却被 AI Overview 引用的页面中，18.2% 是 YouTube 的 URL。

而这些 YouTube URL 占了整个数据集中所有被引用的 AI Overview URL 的 5.6%。

也就是说，尽管 YouTube 在直接查询的 SERP 中并不排名，但它在 AI Overview 的总引用量中占据了相当可观的一块。

根据 Ahrefs Brand Radar 的数据，YouTube 如今是 AI Overviews 中被引用最多的域名，在过去六个月里增长了 34%。

我们其它一些研究也印证了 YouTube 对 AI 可见度的重要性。

例如，我们对 7.5 万个品牌的研究显示，YouTube 上的提及——出现在视频标题、字幕和描述中——是与 AI Overview 可见度相关性最强的因素。

综合来看，把 YouTube 纳入 AI 搜索策略是明智之举。

可以在 Brand Radar 中看到具体是哪些 YouTube 视频提到了你的品牌。

而且，还能通过查看 “Cited in AI”（被 AI 引用）列，看到这些视频中哪些被吸入了 AI Overviews。

如何被 AI Overviews 引用

如果与某个 AI Overview 出现在同一个 SERP 中已不再足以赢得 AIO 引用，那什么才行？

我最近写了一篇文章，讲如何进入 AI Overviews 排名。

文中我谈到，SEO 从业者正从针对关键词优化内容，转向针对扇出查询进行优化。

SEO 顾问 Ethan Lazuk 在他那篇出色的文章《Google 的查询扇出技术以及 SEO 从业者应当了解的内容》中，讲的确切就是这一点：

问题在于，Google 并不公开它为每次 AI 回应生成的模拟扇出查询。

而且，即便公开了，AI Overviews 也是概率性的。

它们的内容、引用、实体和扇出会随每一次查询而变化。想了解更多，请阅读我们的研究《AI Overviews 每 2 天变一次（但从不改变主意）》。

不过，可以借助一些工具自行复现查询扇出的过程，包括：

来自 iPullRank 创始人 Mike King 的 Qforia
来自 GoFishDigital 联合创始人 Dan Hinkley 的这套 Gemini API + Screaming Frog 工作流
由 WordLift 提供的 AI Visibility Fan Out

无论选择哪条路线，都要确保从各个角度覆盖主题。

下面还有几种用 Ahrefs 做到这一点的更多方式：

用 Parent Topics 覆盖每一个面

Ahrefs Keywords Explorer 中的 Parent Topics 会展示你可能用一份内容去覆盖的所有关键词、问题和意图角度。

用它围绕相关主题（而不仅仅是单个关键词）寻找并聚类内容。

研究其它 AI 工具生成的扇出查询

扇出查询是模拟出来的，每次运行都会变化。

是否能完美复刻 Gemini 内部的查询扩展，其实并不那么重要。

更重要的是，能够规模化地分析大量扩展示例，从而识别出 AI 在构建答案时可能会考虑的反复出现的主题、话题和意图角度。

可以在 Brand Radar 的 AI Responses 报告中，研究数以百万计的 ChatGPT 和 Perplexity 扇出查询示例——它们既关联数据库中的提示词，也关联自定义的提示词。

用 AI Content Helper 创建全面的内容

我们团队设计了一个 AI Content Helper，让你能专门针对 AI 搜索来优化内容。

它会生成相关的扇出查询，然后测量内容所覆盖的主题与 SERP 或 AI 回应可能希望涉及的主题之间的余弦相似度。

写作过程中会出现彩色高亮，展示覆盖每个主题的充分程度。

可以用它把内容与 SERP 的前 10 名结果对标——但正如这项研究本身所清楚表明的，你真正与之竞争的页面并不总排在首页；有时它们排在更靠后的位置，有时它们出现在丰富的 SERP 特性里，有时它们则是从另一个完全不同的 SERP 中挑选出来的。

正因如此，现在可以在 Ahrefs 的 AI Content Helper 中把自定义竞争对手（包括那些经常赢得 AI Overview 引用的）作为内容对标对象。

在 Brand Radar 中查看你的 AI Overview 引用情况

研究自身的 AI Overview 引用情况能帮助争取更多可见度，因为它会明确揭示系统已经在哪些方面信任你，以及哪些方面你差一点、却没被选中。

例如，可以：

看清哪些页面和主题已经在被引用，从而揭示 Google 认为你在哪些角度具有权威性。
找出竞争对手被引用、而你未被引用的缺口，并逆向分析他们额外覆盖了哪些背景、实体或子主题。

发现那些容易被吸入 AI 回答的格式规律（定义、数据、分步说明、视频嵌入）。
加强那些有排名却未被引用的页面——这往往是主题覆盖或清晰度没有完全契合扩展意图的信号。

简而言之，引用分析让你从“排名好”走向“被选为来源”——而正如我们所知，这两者并不总是一回事。

结语

AI Overviews 已经发生变化，针对用户确切查询的排名已不再能保证可见度。

如果想理解 Google 到底信任什么、以及如何赢得更多引用，先从研究自身数据中的规律开始。

一如既往，若对这项研究有任何疑问，欢迎在 LinkedIn 上找我。