GEO 日報|2026.07.31|AI 幽靈引用近四成、品牌熟悉度左右 AI 引用

1. AI 引擎「幽靈引用」普遍:平均近 4 成引用未提及品牌名稱

新聞概述

AI 內容工具商 Writesonic 分析近 1,600 萬次品牌在七大 AI 引擎的曝光資料,提出「幽靈引用」(Ghost Citation)概念:AI 引擎連結品牌頁面作為來源,卻在生成答案中未提及品牌名稱,平均發生率接近 4 成,且各引擎落差極大。

資訊來源

資訊可信度

中。文章為 Writesonic 創辦人 Samanyou Garg 具名投稿的 contributor 文章,Search Engine Land 於文首揭露此利益關係;樣本規模與方法論有具體揭露,但資料由具商業利益的廠商自行提供與分析,非獨立第三方或學術驗證,數字宜視為方向性參考。

事實重點

  • Writesonic 分析近 30 天內、涵蓋 Perplexity、Google AI Mode、Google AI Overviews、ChatGPT、Gemini、Grok、Microsoft Copilot 共 7 個引擎、約 1,600 萬次品牌曝光資料。
  • 「幽靈引用」定義為 AI 引擎連結品牌頁面作為來源,但生成答案中未提及品牌名稱。
  • 各引擎幽靈引用率:Perplexity 52%、Google AI Mode 49%、Google AI Overviews 41%、ChatGPT 37%、Gemini 25%、Grok 22%、Microsoft Copilot 19%,平均約 4 成。
  • 研究將引擎分為「命名者」(如 Gemini、Copilot,提及品牌名稱比例較高但引用連結較少)與「引用者」(如 Perplexity、Google,引用連結多但品牌命名比例較低)兩類。

資訊判讀

此研究提醒「被引用」與「品牌被提及」是兩件不同的事,僅追蹤連結引用率可能無法反映品牌在 AI 搜尋中的實際能見度;由於資料與方法論由具商業利益的廠商自行提供,實際比率可能因產業別、品牌規模而有落差,但「引用不等於提及品牌」這個方向性發現具有參考價值。

建議行動

  • 盤點自家品牌在 Perplexity、Google AI Overviews 等高幽靈引用率引擎中的曝光情況,檢查內容是否清楚具名品牌,而非只依賴網域權重。
  • 在內容開頭與結構化資料中明確、重複置入品牌名稱與產品名稱,降低 AI 摘要引用連結卻略過品牌名的機率。
  • 將「引用率」與「品牌提及率」分開追蹤評估,不要只用單一被引用次數指標衡量 GEO 成效。

2. geoSurge 研究:AI 模型搜尋「熟悉品牌」機率為陌生品牌 3.2 倍

新聞概述

GEO 監測平台 geoSurge 測試 66 組美國購物者提示詞、各執行 60 次,發現 AI 模型在延伸搜尋時搜尋熟悉品牌的頻率是陌生品牌的 3.2 倍,63% 的品牌指定搜尋集中在模型最熟悉的前五大品牌。

資訊來源

資訊可信度

中。方法論公開(66 組提示詞、各執行 60 次、共 3,960 筆回應、13,281 次延伸搜尋的具體樣本規模),並由 Search Engine Land 編輯 Danny Goodwin 獨立報導;但研究單位 geoSurge 為 GEO 相關商業工具供應商,測試期間僅 5 月 29 日至 6 月 9 日、樣本集中於美國購物情境,結論能否推及所有產業與地區仍有限制。

事實重點

  • geoSurge 於 2026 年 5 月 29 日至 6 月 9 日測試 66 組美國購物者提示詞,各執行 60 次,共產生 3,960 筆回應、13,281 次延伸搜尋、1,416 筆品牌層級觀察資料。
  • AI 模型搜尋熟悉品牌的頻率為陌生品牌的 3.2 倍:熟悉品牌搜尋率 55.7%,前十大品牌以外的品牌搜尋率僅 17.4%。
  • 63% 的品牌指定搜尋集中在模型最熟悉的前五大品牌;延伸搜尋中僅 31% 包含公司名稱。
  • 不同產業落差大:熟悉品牌搜尋率介於 41% 至 82%,陌生品牌搜尋率介於 9% 至 23%。

資訊判讀

此結果顯示 AI 模型對品牌的先驗熟悉度本身就是一種能見度優勢,較新或較小品牌即使內容品質良好,仍可能因訓練資料中曝光不足,在延伸搜尋階段被系統性忽略;這也與近期多篇 AI 引用研究一致指出的既有知名度在 GEO 時代持續放大現象相呼應。

建議行動

  • 中小品牌與新品牌應優先在第三方權威來源(產業媒體、評測網站、百科類網站)建立品牌提及密度,藉此提升模型訓練與檢索階段的品牌熟悉度。
  • 針對自家產業實際測試 AI 模型的延伸搜尋行為,評估自家品牌落在熟悉或陌生區間,據此調整 GEO 與公關操作的優先順序。
  • 比對同產業競品的熟悉度落差,找出結構性差距,而非僅靠單次 AI 引用監測工具的排名做判斷。