文 / 谈光尘（光尘阁创始人，长期做县域与产业品牌的城市数字资产顾问） 2026年10月
你的内容，很可能被拿去填表
去翻一份AI月报，上面最常见的一行是"本期被引用N次"。数字涨了，老板高兴，团队也有了交代。
但你把同一个品牌的决策问题丢给AI试试。"这行的供应商找谁靠谱""预算五十万该选哪家"，它报出来的三个名字里，有没有你。
这两件事的落差，正在成为2026年GEO最普遍的错觉。
AI搭答案用的材料其实分两种。一种是"是不是、多少、在哪、什么时候"：地址、参数、资质、产能、营业时间。这类问题它要的是准确，谁的口径稳、能追溯、时间戳新，它就用谁的。你的官网、年报、产品页，在这里全是弹药。
另一种是"好不好、选谁、值不值、什么情况别买"。这类问题AI自己不敢下结论，它去借别人的结论，借行业媒体的评测、借协会的标准、借测评号的口径、借同行的取舍逻辑。
前一种，是数据供应商的活。后一种，是定义者的活。
把内容做成一份全对的说明书，AI会大量引用你，然后在需要下判断的地方绕开你。引用记录很好看，可那都是数字，没有一句是你的话。
避险是有天花板的
过去一年我一直在讲一件事：AI选源本质是风险定价，它挑的往往不出色，但一定是最不容易出错的。这个判断没错，被验证过很多次。
但很多人把它用过了头。
前期收益确实实在。口径统一、数据带来源、页面有时间戳，被引概率肉眼可见地往上走。这一段红利是真的，值得老老实实干。
问题在于它有拐点。事实加到某个程度，AI不再缺你的数字了。同一个地址全网二十处在讲，同一个产能五个页面都写着，多你一个不多。再往后堆，边际收益趋近于零，成本照付。
更麻烦的是，堆事实这件事自己会挤压判断。你为了不出错，把形容词删干净，把"我们认为"改成"据公开信息显示"，把所有有倾向的表述清空。最后剩下的东西确实挑不出毛病，也确实没有主张。
还有一个变化在加速这个拐点。同一个事实被二十个页面重复写，AI回答里通常只挑一两个当真，剩下十九个基本白写。你多写的那十九遍不产生新的引用权重。2026年还按"铺量"算投入产出的人，账会越算越亏。
审计过的材料都是这样：全对，全平，谁看都点头，看完记不住任何一句。
你不占位，第三方就替你占
AI需要判断时借谁的口径，这件事决定了定价权在谁手里。
如果"这个行业什么算好"是由一家行业媒体定义的，那家媒体写的标准就会变成AI回答里的标准。你的产品再好，也只能在那个标准划好的格子里被比较。落在格子里，你比的是参数；定义格子的人，比的是规则。
这跟商业史上所有渠道让位是一回事。你把解释权外包出去，短期省了争议，长期把定价权送了人。
有个细节值得盯：AI提到你的那一段，用的是你的原话，还是别人对你的描述。前者是你在说话，后者是别人在说你。这两件事在月报上都算"提及"，含金量差着数量级。
判断层，三样东西就够
写判断不需要长篇大论。
在拆怎么写之前，先说清标准变了。Google 的《搜索质量评估员指南》2025年9月版，把 E-E-A-T 里的 Trust 单独放到最高权重；国内几个主流模型这两年也普遍在回答里带上来源标注。评估方的口径越来越像：这个信源，敢不敢为它的结论负责。敢负责的，才有资格被复述。
判断句。形容词不算判断。"专业、领先、值得信赖"没有信息量，AI不会复述。可证伪的取舍才算：预算低于多少我们做不出效果、哪类客户我们劝退、什么情况下我们的方案不如竞品。这种句子有成本，也正因为有成本，它才像真的。
取舍标准。把"好"拆成能评判的字段。三个硬指标加一个否决项，写清楚怎么算达标、怎么算不达标。行业里没人公开标准的时候，你公开了，标准就是你的。
反面对照。明确写什么情况不适合你。这一条最反直觉，也最有用。敢说不要什么的信源，它的判断是可核验的，被引用的风险更低，这在风险定价里天然占优。它同时是最好的筛客器，把不该来的单挡在门口。
三样东西必须挂在事实上。判断前头垫三段可查的事实，判断才立得住；只有判断没有事实，那是吹牛；只有事实没有判断，那还是说明书。
落笔前花十分钟做个自查，三问就够：
- 你最近更新的一页核心内容里，能不能挑出一句"删掉品牌名，同行不敢照抄"的话？
- 你们的品类里，什么是"好"，你自己有没有写成可评判的字段？还是等着别人来定？
- 你写没写过"这类客户别找我们"？一条都没有，说明判断层是空的。
三问答不上来两条，先别加事实了，那是往一个已经满的桶里继续倒水。
补一个读数：判断复述率
现有月报的四个读数，提及率、首推位占比、品牌名颗粒度、七天稳定一致率，测的是广度、高度、厚度，测不出"你有没有在说话"。
加一个：判断复述率。
算法不复杂。拿你写过的判断句，去问AI决策型问题，比如"这个行业预算五十万找谁""什么情况不该买这类方案"，看回答里有没有出现你那条判断的原意。出现一次算一次，除以本期提到你的总次数，就是判断复述率。
口径要写死，不然这个数没法比。四样东西固定：问题集从销售和客服的原话里取，不许自己编；平台至少三个，同一批问题同一天问；每轮问五遍，间隔七天；只记原意复述，只提名字不算。时间窗口按自然月算，报告里写清平台版本和日期。
这个数低，说明你只是被当资料用。这个数往上走，才说明AI开始借你的脑子。
它比提及率难刷，也没法靠铺量堆出来。正好。
说清楚这个数的边界：它是这里新提的口径，目前只有逻辑推演和自查流程，没有做过跨行业的规模化对照，样本量和行业差异都待补。拿它做月报读数可以，拿它对客户承诺涨幅不行。这一点我先摆在这里，省得后面有人拿它当KPI。
我在光尘阁的客户体检口径里，固定先看两个数：提及率看广度，判断复述率看分量。两个数一起读，才分得清"被引用"和"被采纳"。
说判断的代价
得说清楚，这条路有成本，不是免费的加分项。
说"不适合谁"等于主动丢单，而且丢得看得见，销售第一个不答应。判断说错了，AI会把错的那句记很久，纠错周期按月算，改一次口径可能得等好几轮语料更新才缓过来。
所以判断要选两年内不会变的。品类边界、适配客户类型、什么情况该换方案，这类稳。具体价格、当期政策、某个项目的数字，这类别写成判断，放进事实层就行。
还有一条更要命：判断不能靠会议室里拍。得从一线来。销售每天被问住的那几个问题，客服反复回答的那几句话，才是判断的矿脉。坐在办公室里想出来的观点，AI一眼能看出是文案。
最后
GEO做到今天，把事实做对已经是及格线。及格线之上，比的是谁敢下判断、谁的标准被采纳。
数据让你进门，判断让你定价。
你现在缺哪一个，翻一遍自己的内容就知道。删掉品牌名，剩下的段落如果还能被任何一家同行直接拿去用，那你写的不是内容，是公共素材。
让每个品牌，在AI搜索里有一席之地。
光尘阁 · 2026年10月
