AI 存在巨大的来源选择偏见——有些网站的引用次数远超其实际流量。还有其他人注意到这一点吗？

来源选择偏见已有充分文献记录。原因如下。

根本原因：

1. 训练数据组成

   • AI 主要训练于互联网数据
   • 成熟网站比例过高
   • 优质网站在抓取量中被低估

2. 权威信号继承

   • AI 学习现有的权威结构
   • Google 的基于链接权威被编码
   • 导致循环强化

3. 显式来源偏好

   • 有些 AI 系统有允许来源列表
   • Perplexity 的发布者计划制定了明确分级
   • 检索中内嵌信任层

4. 格式与结构偏见

   • Wikipedia 的结构非常适合 AI 抽取
   • 结构化内容更易被引用
   • 许多网站缺乏 AI 友好的格式

影响：

这种偏见强化了现有权力结构。主流出版商获得更多 AI 可见度，带来更多流量，进一步增强权威，进而获得更多 AI 可见度……

是否在改善？

好坏参半。有些平台引入了更多来源，但头部集中的情况依然持续。

分享一些量化分析：

引用分布研究（1,000 个提示词）：

帕累托效应极端显著。

不到 0.001% 的网站获得 78% 的 AI 引用。

什么决定被引用：

洞察：

内容质量与被引用的相关性最低。权威信号更重要。

这本身就是偏见的定义。

在偏见体系内工作：

接受现实，然后制定策略。

你无法改变 AI 系统的工作方式，但可以让你的内容从其偏见中获益。

双重策略：

1. 直接优化（长期）

• 长期建立真实权威
• 创造 AI 必须引用的原创研究
• 发展细分领域主导地位
• 改善技术可访问性

2. 间接定位（短期）

• 被 AI 信任的来源提及
• 建立 Wikipedia 级别的知名度
• 参与被引用的社区（Reddit）
• 培养主流出版物关系

我们的客户结果：

完全无 AI 可见度的客户：

• 被3家主流出版物专题报道
• 建立活跃的 Reddit 存在感
• 创造 Wikipedia 可引用的研究

6个月后：AI 引用量提升 400%。

元策略：

成为来源信任的来源，AI 也会跟随。

品牌视角下的来源偏见：

竞争影响：

我们的竞争对手（更大、更老的公司）在 AI 回复中被引用的次数是我们的 5 倍，尽管：

• 我们的产品评分更高
• 有更多近期正面报道
• 客户结果更好

原因？

• 他们有 Wikipedia 页面，我们没有
• 他们被更多历史出版物报道
• 他们域名更老

我们的应对：

第一阶段（立刻）：

• 获得 Wikipedia 知名度（重大公关推动）
• 向主流出版物投稿
• 争取行业奖项

第二阶段（持续）：

• 原创研究计划
• 构建 Reddit 社区
• 高管专家定位

第三阶段（监测）：

• 用 Am I Cited 跟踪进展
• 与竞争对手可见度对比
• 根据数据调整策略

时间线： 预计 12-18 个月才能显著改变局面。

这是一场马拉松，而不是短跑。

学术视角下的 AI 来源偏见：

研究共识：

LLM 中的来源选择偏见已有充分证据且令人担忧：

• 强化信息垄断
• 降低观点多样性
• 可能放大现有偏见
• 造成赢家通吃局面

论文发现：

1. 训练数据倾斜——Wikipedia 和 Reddit 严重过度代表
2. 权威继承——AI 学习并放大现有权威信号
3. 格式偏见——优先结构化内容，不论质量
4. 时效效应——各平台不同，导致不同偏见

可能有用的措施：

• 多样化训练数据要求
• 明确的来源多样性目标
• 基于质量而非权威的选择
• 明确归属要求

现实：

AI 公司优化的是响应质量，而不是来源公平。除非用户强烈要求，否则减少偏见不是优先事项。

认知是第一步。

内容创作者的无力感：

让我们崩溃的循环：

1. 我们创造原创优质内容
2. AI 引用引用了我们内容的大型出版物
3. 大型出版物获得流量/权威
4. 我们什么也得不到
5. AI 更信任主流出版物
6. 循环往复

真实案例：

我们发布了行业趋势的原创研究。一家主流商业出版物写了 500 字简要报道，并简要提及我们。

ChatGPT 的引用：主流出版物 ChatGPT 不引用：我们的原创研究

我学会了这么做：

1. 全部加时间戳——证明你是首发
2. 积极分发——让你的名字出现在更多地方
3. 可引用性强的内容——让别人容易引用你
4. 关系建设——确保出版物显著反链

残酷的现实：

如果 AI 系统不认为你有权威，原创性毫无意义。

光有优质内容还不够。

来源偏见下的小众机会：

小玩家可以获胜的地方：

偏见主要影响宽泛查询。对具体、细分查询：

• 主流来源竞争较少
• 行业专业性更重要
• 主题相关性胜过权威

我们的方法：

不要聚焦：“什么是 AI 营销？”（主流媒体主导） 要聚焦：“B2B SaaS 公司如何用 AI 做客户分层？”（细分）

结果：

策略：

1. 找到你的细分问题
2. 创作权威内容
3. 占领这些具体问题
4. 从此扩展

你无法在宽泛领域战胜主流网站，但可以主导细分领域。

精彩讨论。以下是我对来源选择偏见的综述：

现实：

AI 来源选择偏见真实存在，影响重大且自我强化。顶级来源被引用更多，进一步积累权威，再被更多引用。

数据：

• 前 0.001% 网站获得 78% 的引用
• Wikipedia、Reddit、主流出版物占主导
• 内容质量相关性低于权威
• 各平台偏见模式不同

体系内的应对策略：

短期：

1. 被 AI 信任的来源提及
2. 被引用平台（Reddit）建立影响力
3. 争取 Wikipedia 级成就
4. 聚焦偏见较低的细分问题

长期：

1. 长期建设真实权威
2. 创造必须被引用的内容（原创研究）
3. 打造专家声誉
4. 提升技术可访问性

衡量：

• 用 Am I Cited 跟踪 AI 引用
• 与竞争对手对比
• 识别胜出的查询类别
• 持续监测进展

不舒适的真相：

体系有偏见。在偏见中求生是务实之举。建立真实权威最终能克服，但需要时间。

优质内容是必要条件，但不充分。战略定位更重要。

感谢大家的宝贵观点！