读 AI 引用率榜单先问分母:38,508 个域名也只说率动了
Machine Relations Index 2026-11-19 数据集覆盖 6 引擎、41,267 次回答运行、38,508 个被引根域名。读这类 AI 引用率榜单,先看分母、采样阈值与被排除的分段,再谈涨跌。
结论先说:读一份公开的 AI 引用率榜单,先问分母、采样阈值和被排除的分段,再谈谁排在前面。据 Machine Relations Research 2026 年 11 月 19 日发布的 Machine Relations Index(MRI,方法 v2.1)当前数据集,统计窗口为 2026 年 5 月 10 日至 11 月 19 日,覆盖 6 个答案引擎、41,267 次观测回答运行、275,470 条来源事件、38,508 个被引根域名。其 11 月 16 日周报写得很直白:两期累计率之差,只记录「比率移动了」,并不解释原因。把这条读明白,AI 搜索优化里不少「涨了跌了」的结论都要重写。
- 读 AI 引用率榜单先看分母、采样阈值与被排除的分段,再看排名。
- 据 MRI 2026-11-19 数据集,6 引擎 41,267 次运行计出 38,508 个被引域名。
- 周变动只是两期累计率之差,记录比率移动,不解释原因。
一、分母与计数单位,决定这个百分比能不能用
MRI 计的是「跨 6 个答案引擎观测到的根域名引用」,并按来源类别、问题类型在样本达标的分段里发布引用率。页面给出的采样阈值是 10/7,即需要足够回答运行、且跨不同观测日期才发布;151 个可测分段全部发布了比率,另有 6 个分段因无法积累证据被排除在每个比率之外,页面明确列出。这套「先达标、再发布、排除要说明」的规则,比榜单本身更值得抄。
头部域名按累计窗口的被引占比计:Reddit 6.65%(2,743 次被引运行、5 个引擎)、YouTube(仅未映射到频道或出版物的页面)5.71%、LinkedIn 4.33%、Forbes 3.19%(在 1,555 家编辑类出版物里排在首位)、arxiv.org 2.42%、G2 2.10%、NIH 1.81%。这些是「累计窗口内被引占比」,不是任一采购提问命中某站的概率,两者不能互换。
| 读一份基准要问的六件事 | 为什么问 | 不问会怎样 |
|---|---|---|
| 分母与计数单位 | 决定百分比在算什么 | 把被引占比误当命中概率 |
| 观测窗口与发布日期 | 累计率带时间惯性 | 拿不同窗口的数字谈变化 |
| 采样阈值与置信分层 | 样本不足不该发布率 | 把噪声读成趋势 |
| 被排除的分段及原因 | 反映基准是否严谨 | 只看公布的部分,结论偏乐观 |
| 引擎与端覆盖 | 各引擎引用结构不同 | 把单引擎结果外推到全网 |
| 变动的定义 | 累计率之差不含因果 | 把「率动了」写成「优化见效」 |
二、两期累计率相减,不等于效果变了
据 MRI 2026 年 11 月 16 日周报(对比 11-16 与 11-09 两期发布),跌幅居前的是 reddit.com -0.30 个百分点、youtube.com -0.21、linkedin.com -0.16;涨幅居前的是 hubspot.com +0.06、rankite.com +0.05、cdp.com +0.04;「跨过证据下限的分段:无」。页面自述:变动是两个已发布累计率之差,单位为百分点,记录的是比率移动,不记录原因。
累计率自带惯性:窗口越长,单周新增运行对累计率的拉动越小;同一个 -0.30 个百分点,可能来自新增样本的结构变化、模型版本切换、平台规则调整或站方内容改动,公告里没有把这些原因分离出来。这与此前谈过的「提及率一周涨 3 个点多为抽样噪声」是互补的两层:一层是自己小样本的置信区间,一层是公开大样本的累计口径,两者都不支持直接下因果结论。
还有一点要标注:MRI 是独立机构自建的观测基准,样本、提问集与引擎清单由其方法定义,页面也写明 6 个分段无法积累证据。它适合用来理解「引用来源大致怎么分布」,不适合当成某个品牌在某类问句上的确定比例。
三、把这份读法搬进自己的验收台账
- 固定一份采购问句清单,跑满一个月不换题,避免问题集一变就无从对比。
- 写死分母与计数单位:是全部回答、含引用的回答,还是点名品牌的回答,附一条样例计算。
- 每栏标注平台、端、采样日期与模型版本(若可知),不同口径的数字不横向相加。
- 记录被排除的问题及原因(样本不足、答案无引用、平台不可用),不悄悄从报表里删掉。
- 用等长窗口对比,把「率动了」与「为什么动」分成两栏,后者只写有证据支撑的推测。
- 口径说明单独成一页,随每期报告附上;
- 原始记录可导出:回答原文、采样时间、引用链接;
- 分母与计数单位写死,中途变更要留变更记录;
- 被排除的样本单列,并说明排除理由;
- 结论区分「观测到的变化」与「归因判断」。
38,508 个被引根域名本身说明长尾很宽;榜单前列多为社区、视频、编辑媒体与学术政府类来源,是「答案倾向于引用什么类型」的观察,不是「品牌该去哪里发稿」的清单。可落地的结论是按自己品类的采购追问,把可引用事实页补齐,而不是照抄前几名域名。
四、本周能做的一步
挑 20 个真实采购问句,按上面六列记一个月;再拿一份公开基准对照自己的分母、窗口与排除规则是否一致,不一致就先改台账,不急着谈涨跌。能复算的记录,比一张好看的曲线更经得起验收。
涌客来数字的免费 AI 品牌诊断输出提及率、首位提及、表述准确度三项基线,可作为固定问题集的起点;Yonker GEO 系统支持查看单条 AI 问答的原始答案来源,便于逐条回溯。内容侧坚持白帽合规优化路径与 AI 辅助 + 人工审核双重机制。
常见问题
Q1AI 引用率榜单上的百分比到底在算什么?
以 MRI 为例,它计的是跨 6 个引擎观测到的根域名引用,按来源类别与问题类型在样本达标的分段发布引用率,不是任一提问命中某站的概率。据其 2026-11-19 数据集,窗口为 5 月 10 日至 11 月 19 日、41,267 次回答运行、38,508 个被引域名,采样阈值 10/7,另有 6 个分段因样本不足被排除。
Q2AI 引用率涨了几个点,能说优化见效吗?
不能直接下因果结论。据 MRI 2026 年 11 月 16 日周报,变动定义为两期已发布累计率之差,单位为百分点,只记录比率移动、不记录原因;跌幅居前的 reddit.com 为 -0.30 个百分点,且当周没有分段跨过证据下限。累计率自带时间惯性,同一点数变化可能来自样本结构、模型版本或平台规则,公告里没有分离原因。
Q3看一份第三方 GEO 基准,怎么判断它可不可信?
看它有没有公开六件事:分母与计数单位、观测窗口与发布日期、采样阈值与置信分层、被排除的分段及原因、引擎与端覆盖、变动的定义。据 MRI 方法 v2.1 页面,151 个可测分段全部发布比率并列出 6 个被排除分段,这类说明比榜单名次更能反映严谨度。同时要注明它是机构自建观测基准,不宜当成某品牌的确定比例。
Q4引用榜单前列都是 Reddit、YouTube,品牌该去这些站发稿吗?
不宜照抄榜单前几名。据 MRI 2026 年 11 月 19 日数据集,Reddit 6.65%、YouTube 5.71%、LinkedIn 4.33%、Forbes 3.19%,但被引根域名总数达 38,508 个,说明长尾很宽;榜单前列反映的是答案倾向引用的来源类型,不是品牌该去哪里发稿的清单。可落地的做法是按自己品类的采购追问补齐可引用事实页。
东莞市涌客来数字技术有限公司. 读 AI 引用率榜单先问分母:38,508 个域名也只说率动了[EB/OL]. (2026-11-21)[2026-11-21]. https://www.yongkelai.cn/articles/read-ai-citation-index-denominator.html.
涌客来数字 (2026). 读 AI 引用率榜单先问分母:38,508 个域名也只说率动了. https://www.yongkelai.cn/articles/read-ai-citation-index-denominator.html
想知道你的品牌现在在 AI 答案里排第几?
我们提供限时免费的 AI 可见度诊断:固定行业样本采样,输出提及率、首位提及与表述准确度三项基线数据。
