大多数企业内容不是"输给了竞品"，而是在被拿来比较之前就出局了。 从用户提问到 AI 给出带引用的答案，中间有五道关卡，每一道都会淘汰一批内容。搞清楚自己死在第几关，比盲目多写十篇文章有用得多。
本文把 RAG 链路拆成一个可诊断的漏斗，并给出每一关的自查方法。
漏斗全景
100 篇候选内容
↓ 第一关：可抓取性 → 淘汰约一半（不可读的内容）
↓ 第二关：召回 → 淘汰大部分（语义不匹配）
↓ 第三关：重排前 N → 只留 3–8 条
↓ 第四关：上下文存活 → 被截断、被压缩
↓ 第五关：引用标注 → 被用了但没署名
最终：1–2 条获得可见引用漏斗的形状说明了一件反直觉的事：越靠前的关卡，淘汰量越大，改造成本却越低。 企业通常把力气花在第五关（想办法"被提到"），而真正的瓶颈往往在第一、二关。
第一关：可抓取性——内容存在，但机器读不到
淘汰原因：内容不是可解析的文本。
典型死法：
- 产品参数做成图片表格，规格全在 JPG 里
- 核心资料只有 PDF 下载，没有 HTML 版本
- 关键内容靠前端脚本渲染，抓取时页面是空的
- 案例和资质藏在需要留资才能看的页面后面
- 站点没有被对应平台的搜索后端收录
自查方法：把页面的纯文本复制出来（禁用样式和图片），看看剩下的文字能否独立回答问题。如果剩下一堆"了解详情""立即咨询"，这一关就没过。
为什么这关最值钱：改造成本极低——把图片表格转成 HTML 表格，这一个动作往往就能让一批产品页重新进入候选池。
第二关：召回——被读到了，但和问题对不上
淘汰原因：内容与用户实际提问的语义匹配度不足。
这里有一个被严重低估的研究结论。UC Berkeley 的 Wan、Wallace 和 Klein 在 ACL 2024 的工作中发现，模型在判断"这份材料可不可信"时，高度依赖内容与问题的相关性，而基本忽略人类看重的风格线索——比如有没有文献引用、语气是否中立。他们甚至发现，仅仅在网页开头点明"以下内容回答的是这个问题"，就能显著提升这个页面胜出的概率。
翻译成人话：AI 不是在找"最权威的网页"，而是在找"最对题的那一段"。
典型死法：
- 标题写"XX 有限公司产品中心"，而客户问的是"食品级不锈钢管件怎么选"
- 全篇讲公司实力、厂房面积、企业文化，没有一句在回答具体问题
- 用行业术语，客户用大白话（客户问"会不会生锈"，你写"耐蚀性能优异"）
自查方法：把你的 10 个核心页面标题，和客户真实问 AI 的 10 个问题并排放。如果两列文字看起来像两个行业，这关就没过。
第三关：重排——进了候选，但排不进前几名
淘汰原因：候选集里有更对题、更结构化的内容。
生成式引擎通常只把少数几条来源读进上下文。这是整条链路里竞争最激烈的一环，也是"你和竞品真正短兵相接"的地方。
好消息是，Princeton 团队在 KDD 2024 发表的 GEO 研究（Aggarwal 等，arXiv:2311.09735）用约 1 万条查询做的测试显示：排名靠后的网站从内容改造中获益明显更大。 在传统搜索里第十名和第一名是天壤之别，在生成式引擎里，只要进了候选集，差距会被大幅压缩。这是中小企业为数不多的结构性机会。
同一研究还发现，关键词密度这类经典 SEO 手段在这里几乎没有作用，真正有效的是补充统计数据、标注来源、加入权威引述、提升行文流畅度，最强的组合可带来最高约 40% 的可见度提升。
自查方法：拿你的目标问题去问 ChatGPT、DeepSeek、豆包，看引用列表里出现的是谁。如果反复出现的是行业媒体和第三方榜单而不是厂商官网，说明你需要的是站外布局而不是再改一次官网。
第四关：上下文存活——被选中了，但内容被切没了
淘汰原因：模型的上下文有长度限制，长文档会被截断或压缩。
多项 2025 年的实证研究一致发现，文档中靠前位置的内容更容易被引用，结构化的 HTML 和明确的统计数字同样会提高引用概率。这不是玄学，是截断策略的直接后果：排在后面的段落，物理上可能根本没进模型的视野。
典型死法：
- 文章前 800 字是行业背景铺垫，真正的答案在第五节
- FAQ 放在页面最底部
- 一篇文章讲三个主题，每个主题都讲了一半
自查方法：只看你页面的前 200 字。如果这 200 字里没有一句能独立回答核心问题的完整句子，这关很可能过不去。
对应动作：开头 40–80 字直接给答案；一个页面只回答一个问题；FAQ 上移或独立成页。
第五关：引用标注——内容被用了，但没提你
淘汰原因：模型综合了你的内容，却把引用标给了别人，或者干脆不标。
这一关企业能干预的空间最小，但必须知道它的存在。Stanford 的 Liu、Zhang 和 Liang 在 2023 年（EMNLP Findings，arXiv:2304.09848）人工审计了四个生成式搜索引擎，结果是：平均只有 51.5% 的生成语句能被其标注的引用完全支撑，而只有 74.5% 的引用真正支持了它对应的那句话。
这组数字有两层含义：
- 引用标注本身是不可靠的。 你的内容可能已经在影响 AI 的答案了，只是没有署名。所以只统计"品牌提及次数"会低估真实影响。
- 错误归因是真实风险。 竞品的负面信息被挂到你的名下、你的参数被写错，都属于这 25% 的范畴。这就是为什么品牌信息纠错需要被纳入常规监测，而不是等出事再处理。
唯一有效的干预：让品牌名和关键事实绑定在同一个句子里。写"该型号（品牌 A）工作温度 -40℃ 至 120℃"，而不是先介绍品牌、再另起一段讲参数。分开写，模型很容易只取后半句。
一张自查表
| 关卡 | 一句话自查 | 没过的典型信号 |
|---|---|---|
| 可抓取性 | 纯文本能否独立成立 | 参数在图片里 |
| 召回 | 标题是否对应真实提问 | 标题是公司名+产品中心 |
| 重排 | 引用列表里有没有你 | 全是行业媒体 |
| 上下文存活 | 前 200 字有没有答案 | 前面全是背景铺垫 |
| 引用标注 | 品牌名和事实同句吗 | 品牌和参数分在两段 |
按顺序做，不要跳关。第一关没过就去做站外投放，是最常见的预算浪费。
常见问题
Q1：五关中最该先修哪一关？ 第一关。可抓取性问题改造成本最低、见效最快，而且不修它，后面所有投入都无法生效。
Q2：为什么我在监测工具里看到品牌提及率很低，但客户说他从 AI 那儿听说过我们？ 很可能你卡在第五关。内容被采用了但没被署名，这种"无名引用"不会出现在多数提及率统计里。这也是为什么可见度报告需要同时看提及和信源分布两个维度。
Q3：内容写得越长越容易被引用吗？ 不是。长度本身没有帮助，位置才有。同样的内容放在前 200 字和放在第五节，命运完全不同。与其写长，不如拆成多篇各答一问。
Q4：这五关对国内和国外的 AI 平台通用吗？ 链路结构是通用的，但每一关的具体阈值差别很大——尤其是第一关（收录范围）和第三关（排序偏好）。跨平台的差异我们在另一篇文章里单独拆解。