ChatGPT 引用了 886 个页面，产品页只分到 6.4%：外贸工厂把力气投在了 AI 最不引用的地方

过去两年，我给外贸工厂做 AI 可见度诊断，第一件事永远是看产品页。数量、参数完整度、图片、Schema 标记，逐项过一遍。我一直默认一件事：产品页是外贸站的主资产，把产品页改好，AI 就会引用你。

2026 年 10 月初看到 The HOTH 发的一份研究之后，我把这个默认改掉了。

他们用 Ahrefs 的 Brand Radar，在 2026 年 9 月 8 日拉了 5 个电商站的整站数据，统计每一个页面出现在多少次 AI 回答里。结果是 886 个被引用页面、5,362 次 AI 响应。在这批数据里，产品页占被引用 URL 的 25%，却只拿到 6.4% 的引用量；购买指南和博客文章占 30% 的 URL，拿走了 61.9%。 平均到单页，指南页是 12.4 次，产品页是 1.5 次，差八倍。

先说局限：这是美国 B2C 电商样本，两家大站贡献了 92% 的被引用页面，页面类型按 URL 规则归类而非人工核对，产品 feed 驱动的商品卡片也不算引用。这些限制决定了它不能直接换算成外贸 B2B 的结论。

但我仍认为这份数据值得外贸工厂读一遍，因为它动摇的不是"要不要做 AI 优化"，而是"把力气花在站里的哪个位置"。这个判断错了，后面所有动作的效率都要打折。

一、两组样本：三万个 SKU，输给了 45 篇文章

研究里两家大站的对比最能说明问题。

Bees Lighting 是一家灯具零售商，目录超过 30,000 个 SKU。它总共有 270 个页面被 AI 引用、1,685 次响应。其中 206 个是类目页，占了被引用 URL 的 76%、响应的 54%——表面看这是个"类目页赢"的故事。

但另外 45 个被引用的页面，是 Ideas and Advice 博客上的文章。这 45 篇文章拿到了 751 次响应，占全站 45%。平均每篇 16.7 次，每个类目页 4.4 次。

再看更细的：全站被引用最多的页面，是一篇讲单控、双控、三控开关怎么接线的指南，被引用 76 次。后面是"车库需要多少盏灯"（61 次）、"轨道灯兼容性指南"（59 次）、"筒灯一体式 vs 分体式"（59 次）。表现最好的类目页是 A15 灯泡页，28 次。而 16 个被引用的产品页加在一起，总共 22 次响应。

KICKS CREW 是球鞋平台，样本结构更均衡，结论也更干净：184 篇指南、167 个类目页、191 个产品页。指南拿了 2,388 次响应，占 70%；产品页 290 次，占 8.5%。近 200 个产品页，每个都有自己的 SKU、图片、详情页，加起来被引用得比排名前两位的指南加起来还少。

排名前列的指南是 ASICS Gel-1130 选购指南（188 次）、Sp5der 品牌指南（152 次）、UGG Tasman 指南（133 次）、Adidas Campus 00s 尺码指南（108 次）——每一篇都是"怎么选"型的内容，每一篇都往下链到对应的销售类目。

还有一处细节我读了两遍：KICKS CREW 的信任页也进了引用池。 authenticity 页 74 次、shipping 信息 54 次、条款页 40 次，一篇叫"Is KICKS CREW legit?"的帖子 41 次。ChatGPT 尤其吃这套——它在 KICKS CREW 上的 393 次引用里，有 87 次（22%）指向这几页。

研究者自己给了句号：五个站里没有任何一个产品页的被引用次数超过 12 次，而每个站被引用最多的那一页，都是一篇指南。

二、为什么产品页不被选中：引用是给答案做脚注

这不是引擎偏心，是机制决定的。

AI 回答的不是"这个 SKU 长什么样"，而是"我该选哪个、这家能不能信"。它要把一段陈述塞进答案里，需要那段陈述具备两个条件：能独立成立，且能支撑一个判断。

产品页天生不满足这两条。它的典型结构是名称、参数表、图片、询价按钮。参数表是可列的，但不是"判断"——"排气量 0.9 m³/min"这句话没法被摘进任何一句答案里，它只在买家已经决定要看这个型号时才有意义。而"食品加工车间该选有油还是无油机型"这个句子可以，因为它本身就是一个判断。

所以被摘走的东西，是答案型陈述，不是陈列型信息。

第二个机制是抽取位置。模型先定位"能支撑这个断言的那一段"，找到了就走。产品页把品牌故事和参数表堆在前面，判断性内容要么没有，要么埋在最后一段 FAQ 里。指南页的结构恰好相反——第一句就在回答问题。

第三个机制是按需取用。产品页服务于"我已经知道要买什么"的人，而 AI 回答的高频场景是"我还不知道该买什么"。Seer Interactive 2026 年的数据显示，Google AI Overviews 只出现在 5% 的交易型查询上，却覆盖了 95.4% 的对比型查询。AI 搜索的主战场本来就在"X 和 Y 怎么选"这一段，而这一段里产品页没有位置。

有一个例外反而证明了规律：研究里那个白牌厨房电器站，是唯一产品页引用占比超过 20% 的站，原因是它的产品名就是品类名。当"产品即搜索词"时，产品页会被引用。这个例外对绝大多数外贸工厂不适用——你卖的不是品类本身，是品类里的一个型号。

三、平台之间分歧很大：别用一套页面打所有引擎

同一批站点，不同引擎挑的页面类型差别明显。以下是 Bees Lighting 与 KICKS CREW 合并后的分平台占比（指南 / 类目页 / 产品页）：

引擎	指南页	类目页	产品页	引用响应数
Google AI Mode	48.4%	46.2%	5.4%	1,145
Google AI Overviews	60.4%	31.9%	7.7%	960
Gemini	70.0%	22.6%	7.4%	836
Perplexity	78.9%	18.7%	2.3%	769
Copilot	77.6%	14.8%	7.7%	562
ChatGPT	63.1%	29.8%	7.1%	490

三个可以直接用的结论：

Google AI Mode 是类目页引擎。 它是唯一一个指南与类目接近对半分的平台，在 Bees Lighting 上把 662 次引用里的 451 次给了类目页。原因是它架在 Shopping Graph 之上，把类目页当成一个可推理的商品集合。如果你要投入类目页，投这里。

Perplexity 和 Copilot 几乎不看目录。 两者都是检索优先的引擎，要的是"读起来像答案"的页面。在 Bees Lighting 上，Copilot 在 120 次响应里有 117 次引用的是同一篇指南。你的目录在这两个引擎上近乎隐形。

ChatGPT 处在中间，但它最在意信任内容。 前面那 22% 就是证据：当有人问"这家能信吗"，它会去找能回答这句话的页面。多数工厂站没有这样一页。

顺便纠正一个常见误判：别指望结构化数据能补上这个差距。Ahrefs 2026 年 5 月做过一次对照实验，加 Schema 标记之后，在任何平台上都没有带来明显的引用提升。Schema 帮助机器读懂页面，不解决"这一页有没有值得摘走的判断"。

四、搬到外贸 B2B：真正要动的是页面配比

外贸独立站和电商站的结构差别很大，但错配的方向是一样的，而且更极端。

一个典型的中小外贸工厂站，产品页（含变体）往往占全部页面的 70%–90%，剩下的About、Contact、FAQ 各一页。也就是说，绝大多数站点把绝大部分内容预算，压在了这类研究里引用产出最低的页面类型上。

这里需要一个反向证据来避免误读：LLM Pulse 约 391,000 条引用的追踪数据（2026 年 10 月读取，第三方厂商口径）显示，约三分之二的引用指向品牌方和制造商自有站点。也就是说"自己的站"确实是主战场，被引用最多的不是零售平台。

把两份数据放在一起，结论才完整：主战场是你自己的域名，但在你自己的域名里，被引用的不是产品页，是答案页。

我把外贸站需要补的答案页归成六类，按买家提问频率排序：

页面类型	买家对应的问题	优先级
选型/对比页	A 型号和 B 型号怎么选、这种材料和那种差在哪	最高
认证与合规页	这个市场需要哪些认证、你们证书编号是多少	最高
交易参数页	MOQ 多少、打样周期、交期、付款方式	高
工艺与失效边界页	什么条件下会出问题、怎么控	高
信任页	你们是工厂还是贸易商、产能多少、能不能验厂	中
应用场景页	这个产品在某某行业怎么用	中

这六类有一个共同点：它们都能被单独摘出来，塞进一句 AI 答案里，并且带着具体事实。

我们之前在《外贸工厂的产品页怎么写，AI 才肯引用：一份能直接抄的页面骨架》里讲过单页怎么改，那篇解决的是"产品页本身能不能写得更好"；这篇要解决的是更上游的一件事——产品页在整个站里该占多少预算。先把配比调对，单页优化才有复利。

五、一人公司两周能做完的版本

不做大改版，只挪配比。按每天两小时算，两周大概 20 小时：

第 1–2 天：把买家问题捞出来。 翻过去一年的邮件和聊天记录，把买家主动问过的问题抄进一张表，去重、按出现次数排序。前 10 个通常占了大多数真实提问量。

第 3–5 天：合并成 6–8 个页面选题。 一个问题一篇是浪费，同类合并。比如"MOQ 多少""能不能小批量""打样要多久"合成一页《交易参数》。

第 6–10 天：写前 4 页，只写前两类。 每页 800–1,200 词，第一句直接回答标题里的那个问题，后面是带数字的事实，最后挂一条到对应产品页的链接。不写品牌故事，不放"quality first"。

第 11–14 天：建一页信任页，然后测。 把"工厂还是贸易商""产能""验厂流程""证书编号"写成一页，署名、日期、可核验编号都放上去。再用《怎么知道 ChatGPT 认不认识你的工厂：7 个自测提问模板与判定标准》里的 7 个提问跑基线，一个月后复跑对比。

预算上我建议的动作是：下一个内容周期里，把准备投在产品页上的时间砍掉 20%–30%，挪到这六类答案页。 不是停掉产品页——产品页决定买家点进来之后的转化，它照样重要，只是它不承担"被 AI 找到"这个任务。

最后提醒一句边界：这类研究全是 B2C 电商样本，B2B 的比例不会跟上面那张表一模一样。但"答案页的引用效率高于陈列页"这个方向，在 B2B 里只会更强——B2B 买家的提问本来就更接近"该选哪个"，而不是"这个多少钱"。

被 AI 找到只是前半程。买家拿到名单后来询盘、你报了价然后没回音，那是另一套功夫，我们在《报价发出去就没回音？外贸跟进的 5 次节奏、4 套话术与一条停手线》里单独写了。

常见问题

产品页是不是就不用优化了？

不是。产品页承担的是转化任务——买家点进来之后，参数、图片、应用场景决定他发不发询盘。这份研究说的是产品页在"被 AI 引用"这件事上效率很低，不等于它没价值。正确的做法是把两件事分开考核：产品页看询盘转化率，答案页看 AI 引用与进入率。用同一套指标管两种页面，才会得出"产品页没用"或者"AI 优化没用"这种错误结论。

外贸站类目页很少，还值得投入吗？

看你的目标引擎。类目页的引用几乎只集中在 Google AI Mode 上，在这份数据里它把 46.2% 的引用给了类目页，Perplexity 只有 18.7%。如果你的买家主要用 ChatGPT 和 Perplexity 做初筛，类目页的边际收益有限，不如把同样的时间放进选型对比页。如果 Google AI Overviews / AI Mode 是你观测到的主要入口，那类目页就该补——而且每建一个类目页，最好同时配一篇往下链它的指南。

加 Schema 标记能不能补上引用差距？

不能单独补上。Ahrefs 2026 年 5 月的对照实验显示，加结构化数据之后各平台的引用量没有明显提升。Schema 的作用是帮机器判断"这页是什么、谁在卖"，它不生产可摘走的判断。真正决定引用的是页面上有没有带具体事实的断言，Schema 只是让这些断言更容易被读准。两者是先后关系，不是替代关系。

这些答案页要写多少篇才见效？

从数据看是"少而深"优于"多而浅"。Bees Lighting 全站 45 篇指南拿走了 45% 的响应，其中前 5 篇占了很大的一块；单篇最好的 76 次，比 16 个产品页加起来还多三倍。对一人公司来说，我的建议是先做 4–6 篇，每篇覆盖一个高频问题，写透，然后停一个月看基线对比，再决定加不加。一次性铺 30 篇的写法，最常见的结局是全部停在半成品状态。

---

本文引用的电商引用数据来自 The HOTH 于 2026 年 10 月 1 日发布的研究，样本为 5 个美国电商域名，数据采集于 2026 年 9 月 8 日，基于 Ahrefs Site Explorer 与 Brand Radar 的美国数据，属第三方厂商口径。LLM Pulse 引用分布数据为 2026 年 10 月读取的厂商追踪数据，同属第三方口径。Ahrefs Schema 对照实验结论为 2026 年 5 月发布。不同研究使用的提问集、时段与统计单位不同，相互之间不可直接换算。本文不构成对任何具体平台排名或流量效果的承诺。

想检查你的公司在 ChatGPT、Gemini 里到底被引用的哪些页面？留下行业和目标市场，我们在 服务能力页 里列了可交付的诊断范围与口径。