LEARN

怎么判断一家服务商的说法可信

四个带独特孔洞的倾斜多孔板,致密粒子穿过所有孔洞后在下方形成发光簇,象征通过四个问题筛选出可信信息
判断说法可信度需通过四个问题筛选:证据出处、样本规模、平台官方相反表述及口径可核对性

一句话说明

判断一个说法可信度靠四个问题:证据出处、样本规模、平台官方有没有相反表述、口径是否可核对。

这个领域除 Google 外机制不公开,导致说法的门槛很低。判断一个说法值不值得信,靠的是四个问题:证据出处、样本规模、平台官方有没有相反表述、以及口径是否可核对。

我们的判断

把这四个问题当成筛子用。不是要求对方什么都能证明 —— 这个领域没人能 —— 而是看对方能不能说清哪些是实测、哪些是推断。分不清这两者的,风险更高。

01

四个问题

证据出处是什么:具体到研究名称、发布方与日期。「业内普遍认为」不是出处。

样本规模多大:跑了多少题、多少平台、多少天。n=1 的自报案例在这个领域泛滥。

平台官方有没有相反表述:例如 llms.txt —— Ahrefs 对 137,000 个域名的研究显示 2026 年 5 月 97% 零请求,Google 明确表示不用。仍在把它当核心杠杆卖的说法就有问题。

口径是否可核对:数字有没有带工具、日期、地区、判定规则。

02

三类需要警惕的表述

「独家算法 / 专属收录通道」:平台侧没有为任何服务商开放专门通道。

「保证排名 / 保证提及率达到某个数」:AI 答案没有稳定位次结构,提及率取决于问题集口径 —— 不给口径的数字承诺没有意义。

具体的转化倍数承诺:公开研究给出的幅度从 4.4 倍到「无显著差异」(p=0.794),分歧极大。在这种分歧下承诺具体倍数没有依据。

03

反过来,什么算好信号

能说清哪些是实测、哪些是推断,并且愿意标注不确定性。

承诺分层:验证阶段只承诺被提及,正式阶段才承诺流量,而且每个承诺指标在报表里有同名列。

愿意先给一份带口径的基线,暂不提供目标数字。

本页用到的数据

97%

已发布 llms.txt 的域名中 2026 年 5 月零请求的比例

出处Ahrefs,137,000 个域名,2026

4.4× / 无显著差异

AI 访客价值相对自然搜索(方向一致、幅度分歧极大)

出处Semrush(2025-06)与 Amsive 统计分析(p=0.794)结论相反,2025

资料出处

  1. [1]Optimizing your website for generative AI features on Google Search.Google 搜索中心.2026-05-15
  2. [2]GEO: Generative Engine Optimization.Aggarwal 等,KDD 2024.2024

更新于 2026-08-10