5W Communications发布的《AI平台引用来源指数2026》综合了六项主要研究、超过6.8亿次引用数据后发现,排名前15的域名吸收了68%的AI引用份额。而前50个域名则占据了超过80%的份额。
换个角度看:在互联网上大约11亿个网站中,仅仅15个网站就决定了每天数十亿用户从AI引擎那里获得的信息来源。这种集中度比Google PageRank在其25年统治时期所产生的影响更为极端。
以下域名在ChatGPT、Google AI Mode、Gemini、Perplexity和AI Overviews的引用排名中始终位居前列:
| 排名 | 域名 | 关键数据 |
|---|---|---|
| 1 | 在所有主要引擎中均排名第一;部分研究中引用份额高达约40% | |
| 2 | Wikipedia | 稳居第二,仅次于Reddit;在Similarweb数据中占ChatGPT引用的约13% |
| 3 | YouTube | 在Peec AI基于3000万来源的分析中位列前三 |
| 4 | 在ChatGPT、Google AI Mode和Perplexity上均位列前五 | |
| 5–10 | Fandom, Amazon, Forbes, Healthline, Mayo Clinic, WebMD, GitHub, Stack Overflow, CNN, NYT, BBC | 排名因引擎和研究而异 |
Peec AI对3000万个来源的分析发现,所有平台引用最多的前10个域名为:Reddit、YouTube、LinkedIn、Wikipedia、Forbes、Facebook、Yelp、Amazon、TechRadar和Healthline。
Reddit上用户生成的讨论和论坛内容,为AI提供了海量、多样化的对话式和问题解决型数据。在Statista 2025年6月的一项研究中,Reddit占据了40.1%的引用份额,远高于第二名Wikipedia的26.3%。在Perplexity上,Reddit的引用占比大约能达到五分之一。
分析人士指出,Reddit擅长回答长尾、基于观点以及“如何做”类的问题,而这些正是传统百科全书式来源难以应对的,这使得它对对话式AI特别有价值。
尽管Reddit整体领先,但各AI引擎的内部排名揭示了重要区别:
在ChatGPT、Perplexity和Google AI Overviews三大引擎中,只有7个网站同时出现在各自的前50个引用域名中;同时被ChatGPT和Perplexity引用的域名比例仅为11%。
区分大语言模型在输出中引用的内容和它们被训练的内容至关重要。就训练数据而言,按体积计算的最大来源是Common Crawl——一个开放的网络爬虫数据存储库,为GPT-3、LLaMA和T5等模型提供了PB级别的原始网页数据。例如,OpenAI的GPT-3,其60%的训练token来自Common Crawl的过滤版本。
上述的引用列表反映的是大语言模型在生成回复时所参考的来源——这是一个更小、更精炼的来源集合,是模型学会将其视为权威的资料来源。
如果你的目标是让你的内容被AI引擎引用,数据很明确:你需要跻身于那少数几个受信任的域名之中。对于大多数AI输出而言,长尾网站除了针对极少数专业问题外,几乎是不可见的。
有效的策略包括:为Wikipedia贡献内容、争取在Forbes或Healthline等网站上的报道、在YouTube和LinkedIn上建立影响力,以及在Reddit上赢得引用。同时,采用列表文章(listicle)格式(约占顶级AI引用的50%)以及在页面上使用有序或无序列表(出现在80%被AI引用的页面上)也有助于提高被引用的几率。
简而言之:Reddit、Wikipedia和YouTube是当今主流大语言模型引用最多的三个域名,加上一小部分权威的媒体、健康和参考类网站,构成了AI引用的顶级梯队。要想被AI引用,首先要争取被这些顶级域名引用。
5W Communications发布的《AI平台引用来源指数2026》综合了六项主要研究、超过6.8亿次引用数据后发现,排名前15的域名吸收了68%的AI引用份额。而前50个域名则占据了超过80%的份额。
换个角度看:在互联网上大约11亿个网站中,仅仅15个网站就决定了每天数十亿用户从AI引擎那里获得的信息来源。这种集中度比Google PageRank在其25年统治时期所产生的影响更为极端。
以下域名在ChatGPT、Google AI Mode、Gemini、Perplexity和AI Overviews的引用排名中始终位居前列:
| 排名 | 域名 | 关键数据 |
|---|---|---|
| 1 | 在所有主要引擎中均排名第一;部分研究中引用份额高达约40% | |
| 2 | Wikipedia | 稳居第二,仅次于Reddit;在Similarweb数据中占ChatGPT引用的约13% |
| 3 | YouTube | 在Peec AI基于3000万来源的分析中位列前三 |
| 4 | 在ChatGPT、Google AI Mode和Perplexity上均位列前五 | |
| 5–10 | Fandom, Amazon, Forbes, Healthline, Mayo Clinic, WebMD, GitHub, Stack Overflow, CNN, NYT, BBC | 排名因引擎和研究而异 |
Peec AI对3000万个来源的分析发现,所有平台引用最多的前10个域名为:Reddit、YouTube、LinkedIn、Wikipedia、Forbes、Facebook、Yelp、Amazon、TechRadar和Healthline。
Reddit上用户生成的讨论和论坛内容,为AI提供了海量、多样化的对话式和问题解决型数据。在Statista 2025年6月的一项研究中,Reddit占据了40.1%的引用份额,远高于第二名Wikipedia的26.3%。在Perplexity上,Reddit的引用占比大约能达到五分之一。
分析人士指出,Reddit擅长回答长尾、基于观点以及“如何做”类的问题,而这些正是传统百科全书式来源难以应对的,这使得它对对话式AI特别有价值。
尽管Reddit整体领先,但各AI引擎的内部排名揭示了重要区别:
在ChatGPT、Perplexity和Google AI Overviews三大引擎中,只有7个网站同时出现在各自的前50个引用域名中;同时被ChatGPT和Perplexity引用的域名比例仅为11%。
区分大语言模型在输出中引用的内容和它们被训练的内容至关重要。就训练数据而言,按体积计算的最大来源是Common Crawl——一个开放的网络爬虫数据存储库,为GPT-3、LLaMA和T5等模型提供了PB级别的原始网页数据。例如,OpenAI的GPT-3,其60%的训练token来自Common Crawl的过滤版本。
上述的引用列表反映的是大语言模型在生成回复时所参考的来源——这是一个更小、更精炼的来源集合,是模型学会将其视为权威的资料来源。
如果你的目标是让你的内容被AI引擎引用,数据很明确:你需要跻身于那少数几个受信任的域名之中。对于大多数AI输出而言,长尾网站除了针对极少数专业问题外,几乎是不可见的。
有效的策略包括:为Wikipedia贡献内容、争取在Forbes或Healthline等网站上的报道、在YouTube和LinkedIn上建立影响力,以及在Reddit上赢得引用。同时,采用列表文章(listicle)格式(约占顶级AI引用的50%)以及在页面上使用有序或无序列表(出现在80%被AI引用的页面上)也有助于提高被引用的几率。
简而言之:Reddit、Wikipedia和YouTube是当今主流大语言模型引用最多的三个域名,加上一小部分权威的媒体、健康和参考类网站,构成了AI引用的顶级梯队。要想被AI引用,首先要争取被这些顶级域名引用。