原文：https://suganthan.com/blog/chatgpt-decides-before-it-searches/
挪威的 SEO 从业者 Suganthan Mohanadasan 做了一件很实在的事：不看 ChatGPT 输出了什么，而是去读 ChatGPT 联网时的网络请求。两个月下来，他得到一个结论——推荐名单在检索发生之前就已经存在。
这个发现最有价值的地方是可复现。你打开浏览器，两分钟就能自己验证一遍，不需要相信任何人的转述。
模型自己写检索词，而且这些检索词可以读
ChatGPT 联网时不是把你的问题原样丢给搜索引擎，它会先改写成自己的检索词，再去抓页面。这些检索词就在你浏览器收到的响应 JSON 里，字段名当前叫 search_queries（8 月初刚从 search_model_queries 改名）。打开 DevTools 的 Network 面板就能看到。
问它”best AI note taking app”，七个单词，一个品牌都没提。它写出来的第一条检索词是这样的：
best AI note taking apps 2026 official pricing features Granola Notion AI Otter Fireflies Fathom Mem Limitless
尾部七个产品名。用户没提，而此时还没有任何页面被抓取，所以也不可能是检索结果带回来的。随后它跑了九条 site:granola.ai pricing… 这样的检索，一个名字一条，全部指向该公司自己的官网。
也就是说，fan-out 不是在寻找候选，而是照着一份已有的名单逐个核实。
Suganthan 做了时序验证来排除干扰：只取每场对话的第一条用户消息和第一条检索词，此时没有任何东西被抓取过。27 场对话里，21 场的首条检索词含有用户从未输入的品牌。再换 13 个互不相关的品类重跑，11 个出现同样情况——语言学习是 Duolingo、Babbel、Busuu，会计软件是 Xero、QuickBooks、Zoho Books，扫地机器人直接写出了 Saros、Dreame X50、Eufy S1 Pro 这样的具体型号。
触发条件也测过。跟”best”这个词无关，只跟模型是否需要自己提供产品有关：你点名品牌，它顺着你的名字走；你不点名，它从记忆里取。有一条测试值得单独看——输入”我们的会议记录一团糟，没人整理”，这是一句抱怨不是购买咨询，它照样在抓取任何页面之前写出了 Granola official pricing AI meeting notes 2026。
在名单里和不在名单里，差 33 倍
Suganthan 把所有品牌分成两组：出现在 ChatGPT 自己写的检索词里的，和只是在检索过程中被抓取、但从未被点名的。
- 被写进检索词的：119 个，最终进入答案的比例 68.9%
- 只被抓取、从未被点名的：515 个，进入答案的比例 2.1%
另外还有 86 次，品牌被推荐了，但整场对话里它的网站根本没有被抓取过。
被推荐不需要被抓取。这一条对精力该往哪放，有直接影响。
名单从哪里来
名单来自模型参数，参数来自训练语料，训练语料里关于你的部分，是别人写的。
评测、榜单、对比文、行业媒体、社区讨论，共同决定了模型提到这个品类时会不会想起你。它有三个属性：不由你控制，写的人不是你；不即时，要等下一轮训练；不可加速，花钱能买到一部分曝光，买不到长期的书写密度。
站内工作在这一层使不上力，原因很简单——名单形成的时刻，你的服务器还没有被联系。schema、加载速度都在那条线的后面，llms.txt 更明显：那个文件要被读取，前提是有人先访问你的域名。
顺带说一个容易被忽略的数量级。互联网上有能力写下一次提及、给出一条链接的人，比想象中少得多。一家十万人级别的公司，能在官网上加一条外链的可能不超过一百人。发布权是高度集中的，链接图和提及图都由这一小撮人写成。这解释了为什么”内容好自然会有人写你”在多数领域不成立——有能力写你的人，往往不在你的读者里。
点完名之后，它去官网核实
回头看前面那几条检索词，有一个细节容易被跳过：几乎每一条都带着 official 这个词。
…official pricing features Granola Notion AI Otter…Intercom Fin Zendesk AI pricing officialsite:hostinger.com/uk wordpress hosting pricing UK official
这是个稳定的模式，Lily Ray 也观察到过同样的现象：模型在处理产品和服务类问题时，会主动往检索词里加 official 这类限定词。放到上面那个流程里看，它的位置很清楚——点完名之后，下一步是回到这个品牌自己的域名上核实，而且核实对象很具体：价格、功能、规格。
所以站内页面在整个流程里不是没有位置，位置反而很明确：**它是核实环节被指定的落点。**第一层决定要不要来找你，来了之后找的就是官方事实页。
对应到动作上：价格、参数、功能、适用范围这些事实要以 HTML 纯文本写在自己域名的对应页面上，不要只放在图片、PDF 或者需要 JS 渲染的组件里。对 B2B 站点，承载这件事的是产品页和分类页，不是博客。
这一点也顺带解释了一个常见的错觉——为什么”把站做干净、让机器好读”听起来对 AI 有用。在核实这一步，它确实有用。只是这一步发生在被点名之后，它不改变要不要被点名。
进了名单之后，还有第二道筛选
这一层的数字同样不宽松：57 场对话、3554 个被抓取的页面，最终拿到引用的是 110 个，3.1%。ChatGPT 大约读 600 个页面写出一个答案，其中给出引用的约 30 个。
但这一层和上一层性质不同，它有可操作的杠杆。
同域名分组内的位次几乎决定一切：
| 组内位次 | 被引用率 |
|---|---|
| 第 1 | 5.2% |
| 第 2 | 4.6% |
| 第 3 | 2.4% |
| 第 4 | 1.7% |
| 第 5 | 0.6% |
| 第 6 及以后 | 0.3% |
第三名往后基本是舍入误差。被抓到不等于赢，排在第九和没进去差别不大。
同一域名塞多个页面进同一组会互相稀释：1 个页面 4.0%，2 个页面 6.2%（最佳），5 个跌到 1.9%，6 个以上 1.7%。过了这条线，主要是在跟自己竞争。
还有一条：相关性只负责入围，不负责胜出。被引用的页面在相关性上处于候选池前 5%，但只有 20% 的情况下它是最匹配的那一个。写得对能让你进候选，选中你的是别的东西——这部分 Suganthan 说他看不到。
这是两层，动作不一样
第一层是进不进得了品类词汇表。路径只有一种：被写、被评测、被对比、被收进榜单，持续积累到这个关联进入训练数据。慢，不好看，但站内工程在这一层没有着力点。
第二层是进去之后拿不拿得到引用。一个意图一个页面，别让近似页互相稀释，回答问题的那句话放在页面靠前的位置，数字用 HTML 纯文本写出来而不是塞在图片或 JS 里。
这两层经常被合成一件事来处理，而多数动作落在第二层。分清楚之后，预算怎么切就清楚了：不在检索词里，钱该花在让别人写你上；已经在检索词里，页面工程才轮得到。
对 2B 站点的现实判断
第一层，多数 B2B 细分品类进不去，也不必强求。这类品类通常没有被媒体和评测反复书写的传统，模型手里没有稳定名单，写出来的往往是大平台或行业媒体。
能做的是第二层，加上一条旁路：去做那个被引用的第三方来源本身。
这件事我在客户站上遇到过。一篇制造商榜单类的文章，在品类词的 AI 概览里被反复引用，来源面板上和几个国际品牌并列——但 AI 正文推荐的全是别家，客户品牌虽然写在自己那份榜单里，也不会被正文推荐，只以引用来源的身份存在，用户点进来源才会看到这个品牌。
分界就在这里：自己说自己，换到的是引用位；要被推荐，得靠第三方跨来源提及。引用位的转化不如推荐位，但对这类客户，它是第一层之外够得着的位置
来源公众号： 中文SEO启蒙第一人（ID：ylsseo）玩LOL,做SEO,SEM
本文由 @鸭老师SEO 原创发布于奇赞平台，未经许可，禁止转载、采集。
该文观点仅代表作者本人，奇赞平台仅提供信息存储空间服务。
