在 Perplexity 热门中文回答的引用来源中，新闻媒体、Wikipedia 与品牌官网合计占比接近七成，品牌官网却往往是三者中最小的一块。这个结果与许多营销团队的直觉相反：预算大多投向官网内容，却没有同步建设新闻报道和百科引用路径，品牌在 AI 回答中的曝光潜力也因此被系统性低估。
这项调查是怎么做的？
2026 年上半年，我们参考台湾 B2B 与 SaaS 读者经常提出的问题，向 Perplexity 发出一系列较复杂的中文查询，覆盖四类意图：产品对比、术语解释、选型建议和行业趋势。我们逐一检查每个回答的实际引用链接，并将域名归入七类来源：“新闻媒体”“Wiki／百科”“品牌官网”“论坛与社群”“政府与学术机构”“电商与比价网站”“内容农场与聚合站”，再计算各类来源的引用占比。这是 Tenten 自有样本的观察结果，并非全网调查；比例也会随查询主题变化。因此，这组数据适合用来判断方向，不应视为精确地图。
三大来源：新闻、百科与品牌官网
把引用来源分进七个类别后，可以看到引用高度集中在前三类。按本次样本的平均值，大致分布如下。
- 新闻媒体约占 38%：包括财经、科技和垂直行业媒体，是占比最高的单一来源。
- Wikipedia／百科约占 17%：以 Wikipedia 为主，其次是专业词典和百科网站。
- 品牌官网约占 14%：包括企业自己的产品页、博客和文档。
- 其余来源合计占 31%：论坛与社群、政府与学术机构、电商与比价网站，以及各类内容农场；其中任何单一类别都不超过 10%。
前三类合计接近 70%。如果希望获得 Perplexity 引用，真正需要争取的并不是散落在全网的每个渠道，而是新闻、百科和品牌官网这三条传播路径。
为什么新闻媒体占比最高？
新闻媒体占比最高，主要有三个实际原因。首先，媒体更新频率高、时效性强；面对趋势或近期事件类问题，Perplexity 自然更倾向采用较新且便于交叉核验的来源。其次，主流媒体通常权威性较高、页面结构清晰，机器更容易提取段落和数字。最后，同一事件往往会被多家媒体报道，形成相互印证，模型引用其中一两篇的概率也随之提高。对品牌而言，这意味着：一款产品如果获得 3 家财经或科技媒体报道，其进入 AI 回答的潜力，可能高于官网上 10 篇彼此缺少关联的博客文章。
Wikipedia 的隐性影响力
百科来源的占比经常被低估。它不像新闻那样持续制造新话题，但只要问题涉及定义、历史、规则或人物背景，Wikipedia 几乎就是默认引用来源。对 B2B 品牌来说，启示并不是“赶快为自己建一个词条”。多数公司达不到收录标准，生硬的宣传内容也会被删除。更实际的做法，是检查与你所在品类相关的百科条目是否准确，并确认其外部引用指向可靠的一手资料。模型读取 Wikipedia 后，往往还会继续追踪参考资料；你的官网或白皮书便有机会进入这条引用链。
品牌官网：占比不高，却是唯一完全可控的来源
品牌官网只占约 14%，听起来不算亮眼，换个角度看却很重要：新闻报道取决于媒体关系，Wikipedia 取决于社区共识，官网则是唯一能由品牌 100% 决定内容、结构和更新节奏的渠道。根据我们的观察，官网能否获得引用，重点不在内容数量，而在“可提取性”。同一项产品信息，如果埋在销售话术里，机器很难引用；如果改写成清晰的答案、表格，或包含明确数字的定义句，被引用的频率会明显更高。
落地时，应优先处理这些事项：把每个页面的核心结论放到开头；用读者真实提出的问题作为标题；为关键信息补充可核验的数字和日期；为常见问题添加 FAQPage 结构化数据。这些调整不会改变品牌语气，却会直接影响机器能否准确提取你的内容，并将其写进回答。
品牌官网占比小，并不等于它不重要。在这场竞争中，它是唯一不必征得他人同意，就能持续优化的阵地。— Tenten GEO content team
如何把这组数据转化为行动？
如果只做一件事，就找出品牌在这三类来源中的最大缺口。新闻方面：过去 6 个月，你是否获得过第三方媒体报道？百科方面：你是否出现在品类相关条目的引用来源中？官网方面：重点页面是否仍然只有宣传话术？三个问题分别对应三条修复路径，资源应优先投向缺口最大的一项。
想知道品牌在 AI 回答中被引用了多少次、缺口又在哪里，可以使用 Brand Radar 追踪真实引用，也可以预约一次 30 分钟的 GEO 诊断。我们会实际运行查询，展示品牌在新闻、Wikipedia 与官网三类来源中的表现，再一起判断下一步是否值得投入。
