AI 引用你，靠的不是罗列事实
依据本人 17 年搜索获客实战经验整理。
一句话结论：AI 不是在数你有多少事实，它在看这些事实有没有落进它已经接受的框架里。所以做 GEO 的胜负手不在「写得多全」，而在「你是不是那个先开口定标准、又被第三方佐证、最后把结论留给对方自己走完的人」。
五年几百个「说了等于没说」的复盘
这五年，我复盘过几百个说服失败的场景。不是那种吵架输了的小事，是真的花了钱、花了时间、最后没成的：销售丢了单、提案被拒、团队带不动、内容发出去没人问。
反复看下来，有个共同点特别刺眼：所有人都在用同一套动作——摆事实、讲道理、谈利弊。
这套动作为什么没用？因为人的判断其实不是这么发生的。心理学里有个被反复验证的结论：情绪的初步反应比理性判断快得多——先有一个近乎瞬间的感受，理性再花几秒钟赶上来，替那个感受找一个说得通的解释。所以当你摆完事实讲完道理，对方心里那个结论早就定了，你说的每一句，都只是在给他的既有结论做补充说明，或者做靶子。
那 AI 吃不吃这套？
吃，而且比人更纯粹。AI 没有一个「情绪」，但它有一个等价物：上下文。模型在生成答案之前，其实已经先被检索到的那批材料定了一个调子——什么算相关、什么算权威、什么问题该谨慎。这个调子，就是它的「情绪」。你后面写得多完整、数据多齐全，如果不在这个调子里，基本就是白写。
接下来我想把当年那套说服里的四个变量，一个一个搬到 AI 搜索里。这四个变量在我看来说明力很强，因为它们解释的是「判断是怎么被形成的」，而这件事，人和机器惊人地相似。
谁先开口，谁就在替 AI 定标准
第一个变量：谁先开口，谁定标准。
第一次接触到的信息，会成为后续所有判断的基准，这就是锚定效应。心理学里有个被引用了无数次的经典研究，问的是同一个问题——是否同意器官捐献——但在「默认加入」和「默认退出」两种制度下，同意率出现了极端反差：前者大约只有 12%，后者高达 99%。选项的呈现方式不同，人的行为几乎反转。这不是说人愚蠢，而是说人在面对复杂决定时，会默认接受那个已经摆好的框架。
在 AI 这边，这个「先摆好的框架」是什么？
是它检索到的第一批信源。
客户问「南京装修怎么避免增项」，AI 第一轮捞到的三五个页面，就决定了它接下来怎么组织这段答案：如果它先读到的是报价陷阱的拆解，整段答案的框架就是「避坑」；如果它先读到的是公司排名软文，框架就变成「哪家好」。你后来的内容能不能进这个答案，取决于它跟这个框架合不合。
这就解释了一件事：为什么很多老板觉得「我也写了，写得还不错，为什么 AI 不提我」。不是写得差，是不在那个已经被定好的框架里。
所以第一个可执行的动作是：别去抢大词，去抢那些「框架入口」型的问题。客户问「南京 装修 哪家好」，这个入口的框架早就被平台和榜单占死了；但客户问「南京装修增项一般从哪几项来」，这个入口的框架还没定，谁先写清楚，谁就在替 AI 定标准。
AI 也有「紧张」的时候，那时候它只敢引权威
第二个变量：人在紧张的时候，说什么都白搭。
这不是修辞。人在高压状态下，负责理性推理的那部分大脑会退居二线，先接管的是负责警报的那部分——这时候你讲的道理再对，也进不去。
AI 的「紧张」是什么？
是高风险、高时效的问题。
医疗、金融、法律，还有保险、贷款、医美这几类贴着红线的行业，都是 AI 最紧张的场景。这些场景里它有一个非常明确的倾向：不敢自己下结论，只敢转述权威。注意这个词是「转述」——它不做判断，它找一个能替它判断的来源，然后把那个来源的话复述给你，再补一句「建议咨询专业人士」。
这对做生意的人意味着什么？
意味着在这些行业里，你写的「我认为」几乎没用，你写的「根据某某规定」「参照某某标准」「按某某条款」才有用。不是说你的经验不重要，而是你的经验必须挂靠在一个 AI 敢引的支架上。同样一句「小额贷款要先看综合成本」，写成「很多客户吃了亏」，AI 不敢引；写成「综合成本要按年化口径折算，把服务费、担保费一并计入，这个算法在监管要求里是明确的」，AI 就敢引。
所以第二个动作是：给你的判断找支架。每写一个观点，问自己一句——这句话如果被 AI 单独摘出去引用，它敢不敢为它负责？不敢，就去补一个出处；补不了，就把它改成事实描述。
第三方说一句，顶你自己说一万句
第三个变量：社会证明的权重，大于内容本身的权重。
同一句话，从你嘴里说出来，对方会本能防御；从一个他信任的人嘴里说出来，对方会本能接受。
这一条在 AI 那边的证据，比在人情世故里更硬。
有研究追踪过 AI 引擎引用的内容构成，在汽车这类决策复杂的领域，AI 引用的第三方内容占比高达 69.1%，而同期谷歌自然结果里，品牌官网还占着 36.6%。这两个数字放在一起，意思很清楚：AI 对「你自己说自己」这件事的信任度，被大幅压低了。
所以在内容上，直接自夸是最不划算的写法。真正有效的做法，是把第三方引进来：媒体报道、行业规范、公开的检测报告、客户的原始反馈、你在别处的访谈记录。哪怕只是一句「某客户的原话是这么说的」，也比你自己夸十句管用。
话说回来，这也解释了为什么「内容好但没人引」的情况经常发生。因为很多人写的是「我怎么怎么样」，而 AI 想找的是「别人怎么评价这类事」。你把自己写成了广告，就不能怪它把你当广告处理。
让 AI 自己走到结论，而不是把结论塞给它
第四个变量，我认为是这四个里最重要、也最少人做到的：结论让他自己走到。
先看人在两种模式下的反应差别。
你直接告诉对方「你应该这么做」，他第一反应是评估：凭什么、有没有坑、是不是在推销。你换成一个问题「如果这块瓶颈解决了，你明年的空间有多大」，他的第一反应是思考：对，那会怎样。前一种模式里，他在捍卫自己的位置；后一种模式里，他在参与建构。
关键在于：人对自己推导出来的结论，有一种本能的捍卫欲。你给的答案是「你的」，他自己推出来的答案是「我的」。这就是为什么真正高明的说服，最后一步永远是把话头留空。
搬到 AI 上，这件事的表现形式特别直白。
如果一段内容通篇都在下判断——「你必须要做 GEO」「不做就完了」——AI 引用它是有风险的，因为它是在替客户做决定，而这种决定很容易跟客户的实际情况不符。
但如果一段内容是给出一条判断路径——「如果你符合这三个条件，这件事值得做；如果符合那两个条件，先别急」——AI 就可以放心地拿它来用，因为它是让客户自己走完最后一步的。
所以我在给客户改稿时，最常删的不是形容词，是结论。特别是那种一上来就「必须」「一定」「唯一正确」的结论。删完改成条件式，AI 的引用意愿会明显不一样。
这不是话术上的花样。给路径的内容，容错率高；给结论的内容，容错率为零。AI 在为你背书之前，会先掂量这个风险。
这套东西是中性的，往哪用是你的选择
说到这儿，我得多说一句。
上面这四个变量，本质上是中性的工具。同样的手法，可以让人更容易接受一个对他有益的建议，也可以让人更容易接受一个对他有害的诱导。区别不在技巧，在发心。
我在实操里给自己立了一条很简单的线：内容如果能让客户做出对他自己更好的决定，就写；如果只是为了让客户更快掏钱，不写。
这条线在 GEO 里其实还带着一层实际好处。短期话术能骗到一次点击，但骗不过时间——AI 拿到的材料越多，越容易发现前后矛盾；客户看到的版本越多，越容易察觉被带节奏。任何一次短期操控，最终都会在信任上留下账。只有长期主义的内容，才会一直待在那儿替你说话。
这件事跟 AI 搜索获客到底什么关系
我把这四条拉回生意上看。
做 GEO 的人最容易犯的错，是把这件事理解成「把我的知识点全铺上去，铺得越多越容易被引」。这是把 AI 当成一个检索机，而不是一个判断者。
但真正的机制是：AI 不是在数你有多少事实，它在看你的事实有没有落进一个它已经接受的框架里、有没有第三方替你说过、有没有把判断的最后一环留给客户自己。这三件事，和说服一个人的机制，是同一件事。
所以我才说，AI 引用你，靠的从来不是罗列事实。
入口为什么会迁移到现在这个位置，背后的数据我在入口迁移的三组数据（白皮书第三章）里列过，那部分偏宏观，这篇偏机制，两篇可以接着看。至于「上事实、上数字、上出处」具体怎么落笔，上事实、上数字、上出处（白皮书第五章第二节）给的是写法层面的规则；而「敢引权威、敢引原话」这一条，我在敢引权威、敢引原话（白皮书第五章第三节）里单独拆过。
另外提醒一句：这一整套东西最容易走歪的地方，是越写越杂。什么话题都碰，什么行业都写，最后 AI 认不出你到底是谁。这个坑我专门写过，见内容主题分布是怎么稀释实体的（另一篇第二节）。