AI 搜索怎么挑信源：四阶段管线，以及页面到底在哪出局

一个页面可以在 Google 排名不错、被 ChatGPT 检索到、话题完全对口——却始终得不到引用。原因藏在多数 GEO 建议不会提的一个环节里：在检索和写答案之间，AI 搜索会跑一个重排序器（reranker）——它唯一的工作，是把每个候选段落对照查询打分，决定哪些配得上喂进答案。理解这一层，就能解释 AI 可见度里最让人抓狂的现象：明明"就在那儿"，却还是输了。

这是 GEOly AI 的实操指南：信源选择的完整四阶段管线、页面到底在哪一关出局、以及一套「先诊断再动笔」的工作流——它能阻止团队为了修一个其实出在别的阶段的问题，去反复改写段落。

核心要点

• AI 搜索分四个独立阶段选信源——查询规划、检索、重排序、生成——页面可以过三关、死在第四关。一个笼统的"可见度分数"会把杀死你的那道闸藏起来。
• 重排序器给段落打分，不给页面打分。话题相关的页面会输给一个段落"长得像答案"的竞品——论断先行、实体点名、自成一体。
• "榜单效应"不是偏见：榜单赢，是因为一个段落能同时回答多条 fan-out 子查询。解法是答案形对齐，不是把官网改成榜单农场。
• 先诊断后编辑：页面压根没被检索到时，为重排序器改写段落救不了它。把检索暴露、段落强度、引用率拆成三个指标，别合成一个。
• 不要做"分块优化"。写自成一体、主语写全名的小节——那能在任何切块方案下存活。

四阶段管线——以及你在哪出局

阶段 1——查询规划。引擎把用户问题改写成多条隐藏子查询（fan-out）："小团队最好的 CRM"会派生出价格、集成、替代品、吐槽等多路搜索。在这里出局，下游一切无关紧要——话题的侧面根本没有指向你。

阶段 2——检索。关键词检索（BM25 族）与向量检索各拉候选，融合成一个池子。这里仍是经典 SEO 的天下：可抓取、已收录、有排名。Google 公开说过它的 AI 面用同一套索引同一套系统做检索。死法：爬虫被挡、纯 JS 渲染、或者干脆排不上。

阶段 3——重排序。一个 cross-encoder 把候选段落与查询放在一起读，然后打分。这一关对格式非常直白：公开实验里，一段描述性的产品介绍在"what are the best AEO tools"下得分趋近于零，而一段直接点名清单的段落在几乎所有模型族上都拿 99%+。同样的话题、同样的事实——答案形状不同，结果相反。

阶段 4——生成。LLM 写答案，并从幸存段落里挑出真正被引用的。此处由权威度、佐证与实体识别来破平——也就是引用指南的领地。

战略要点：四道闸由不同的模型、不同的信号控制。优化了这关、却死在另一关，表面上就是零变化——这就是"我们改了页面但什么都没发生"背后最常见的误诊剧本。

答案形对齐：第 3 关的打法

重排序器奖励「形式匹配查询预期」的段落：