AI 引擎在決定要引用哪一段文字時，會優先挑「有出處、可被交叉查證」的段落。換句話說，你頁面上每一個沒有標註來源的數字、每一句沒有連結佐證的斷言，都在告訴模型「這句話沒人背書」，於是它寧可去引用別人。引用來源與外部連結，不是學術裝飾，而是 GEO 時代決定你會不會被 AI 抽出來、放進答案裡的關鍵訊號。
AI 引擎為什麼在意你有沒有標來源
生成式引擎回答問題時，最怕的就是講錯話。ChatGPT、Perplexity、Google AI Overviews 都被使用者盯著看，一旦引用了錯誤資訊，傷的是它自己的信任。為了自保，這些系統在挑素材時會偏好「風險低」的內容：主張後面接得上出處、數字對得回原始報告、作者身分查得到。你把來源攤開，等於幫模型把查證的工作先做完了，它引用你的成本就變低。反過來，一段漂亮但孤立的文字，模型不知道該不該信，最安全的做法就是跳過。
AI 怎麼判斷一則來源可不可信
模型不會真的去點開每一個連結逐字讀，但它會綜合好幾個訊號來估算這頁內容的可信度。實際觀察下來，影響最大的通常是這幾項：
- 來源的權威性：你連到的是原始研究、政府或產業機構、還是另一篇同樣沒出處的部落格文章。連錯對象，等於幫低品質內容背書。
- 主張與來源的貼合度：那個數字、那句結論，是不是真的出現在你連的那份資料裡。牛頭不對馬嘴，模型抽取時會判定不一致。
- 出處的具體程度：寫「根據 2025 年一份產業調查」遠不如寫清楚是誰做的、何時發布、樣本多大。愈具體，愈像可查證的事實。
- 作者與網站本身的背景：有沒有作者署名、有沒有經歷、整站是不是在同一主題持續產出。這是 E-E-A-T 的底層。
內部引用與外部連結，各做各的事
很多人把「加連結」當成一件事，其實外連和內連在 GEO 裡分工不同。外部連結指向權威來源，作用是替你的主張擔保，讓模型敢引用這一段；它服務的是單一句子的可信度。內部連結則是把你自己網站上相關的深度內容串起來，告訴引擎「這個主題我不是只寫一篇，我有一整套」，服務的是整體的主題權威。兩者都要有：只有外連，你像個勤於引用別人的轉述者；只有內連，你像個自說自話、沒有外部佐證的封閉系統。健康的頁面兩種訊號並存，而且各自指向對的對象。
把來源寫成 AI 能乾淨抽取的格式
標了來源還不夠，關鍵是讓機器能把「主張」和「出處」對在一起。抽取式引擎讀的是段落結構，不是你的排版美感。實作上我們給客戶的原則很直接：
- 主張和來源放在同一段、同一句附近，不要主張在第二段、來源躲在文末的參考書目裡，模型很難把兩者接起來。
- 數字寫全：誰在何時、以多大範圍得出這個結果，一句話交代完，讓這句話單獨被抽出來時仍然成立。
- 連結文字要能描述目標，用「這份 Stanford 的 GEO 研究」而不是「點這裡」，錨文字本身就是給模型的語意提示。
- 為關鍵事實補上結構化資料（如引用、作者、發布日期的 schema），讓機器不必猜。
這幾種引用方式反而扣分
加來源加錯方向，比不加還糟。最常見的第一種是「假出處」：寫「有研究指出」卻不給任何機構、年份或連結，模型讀到這種模糊歸因，只會把它當成沒有支撐的意見。第二種是連到已經失效或內容早已改版的頁面，出處對不上主張，一旦被判定不一致，這一段的可信度會被拉低。第三種是為了衝連結數量而狂連低品質站點，把權重訊號稀釋掉。第四種比較隱蔽：整篇只引用自家頁面，形成封閉迴圈，外部世界完全沒有替你背書。引用的品質，永遠比數量重要。
與其在一篇文章裡塞十個可有可無的連結，不如替三個核心主張各配一個查得到、對得上的權威來源。
從哪裡開始盤點
如果要動手，先別急著全站改。挑出你最想被 AI 引用的三到五篇文章，逐段檢查：每一個數字有沒有出處、每一句斷言有沒有佐證、外連指向的是原始權威還是二手轉述、作者身分查不查得到。光是把這幾頁的來源補齊、把模糊歸因改成具體出處，通常就能明顯提高被抽取的機率。這件事不難，難在有沒有人系統性地做完。想知道自己網站在 AI 眼中的可信度缺口落在哪，可以預約一場 30 分鐘的 GEO 診斷，我們會用實際的引擎查詢，指出你哪些頁面正被略過、以及為什麼。
