新加坡国立大学等研究团队2026 ChatGPT引用研究解读：只看一次回答和一个页面，能判断海外GEO做得怎么样吗？
同一个问题可能被改写、分轮检索并选出不同来源；制造企业应同时看具体页面、官网域名和品牌产品实体，并把单次截图与稳定表现分开
给企业老板的结论是：一次问答、一个页面和一张第三方报表，都不足以单独证明海外GEO做得好或不好。研究抽取80个中英文问题，在四种ChatGPT Web设置下记录4,238次运行；其中两个可完整对照的Instant设置分别对同一批80个问题重复20次。研究观察到，ChatGPT常会改写原问题，不同模型模式的查询数量和检索轮次也不一样；Google Search与OpenAI Responses API合并后，也只覆盖了ChatGPT Web最终引用中约四分之一的具体URL，官网域名和品牌产品实体层面的对应通常更高。企业更适合固定目标市场和采购问题，重复记录具体页面、官网域名、品牌产品是否出现以及引用是否准确，再把这些结果与访问、有效询盘和订单分开判断。
先看研究的三个关键口径
抽取的中英文真实用户问题
覆盖四种意图，每类10个中文和10个英文问题；样本较小，也不是制造业采购问题专门样本。
四种ChatGPT Web设置的总运行数
各设置覆盖问题数和重复次数不同；两种可完整对照的Instant设置各为1,600次。
两类外部代理合并覆盖的被引具体URL
Google Search与Responses API合并后的方向性结果；域名和实体层面匹配更高，不能当作工具准确率承诺。
从用户问题到最终引用，中间发生了什么
把原始研究、GEO360解释和企业行动分开，不把可观察记录写成OpenAI公开算法。
01用户问的问题，不一定原样进入搜索
§3.2 · Query rewriting研究观察到四种ChatGPT Web设置会把用户问题改写成不同数量、语言和轮次的查询，Instant与Thinking设置之间差异明显。
系统可能拆解、翻译或收窄问题。一个原始关键词的排名，不能完整代表系统实际走过的检索路径。
围绕真实采购意图准备清楚的产品、应用、认证和市场边界，不把全部内容押在一句固定问法上。
02进入候选来源，不等于最终显示为引用
§3.3 · Candidate-to-citation funnel研究把检索候选池与最终引用分开观察；跨重复运行更常被检索到的来源也更可能被引用，但每次结果仍会变化。
检索和引用是两个环节。页面可能被系统找到，却没有进入用户看到的少量引用。
监测表中分别记录候选来源线索、最终引用和引用准确性，不用一个“出现/没出现”覆盖全部状态。
03外部工具只能部分模拟真实ChatGPT结果
§4 · Proxy evaluationGoogle Search与OpenAI Responses API合并后，只覆盖ChatGPT Web最终引用中约四分之一的具体URL；域名和实体层面的匹配通常更高。
代理工具适合发现线索，但具体页面、官网和品牌产品实体可能呈现不同结果。
重大改版或预算决策前，用真实产品结果抽样复核，并同时看页面、域名和实体三个层次。
真正容易漏掉的，不只是某一个页面
单页缺口：重点产品页没有出现，但官网其他技术页可能已经进入候选或引用；只监测一个URL会低估整站可见度。
实体缺口：AI找到了官网或第三方页面，却把制造商、品牌、型号和经销商关系对应错误，出现不等于被正确理解。
监测缺口：工具结果、Google结果与真实ChatGPT回答并不完全相同；单次截图也无法区分正常波动和持续问题。
页面、官网、品牌产品和生意结果要分开看
| 监测层次 | 要回答的问题 | 容易误判的地方 | 建议保留的记录 |
|---|---|---|---|
| 具体页面 | 哪一个URL出现或被引用 | 产品页可能缺席，但同站技术页可能出现 | 页面、问题、日期、引用位置 |
| 官网域名 | 企业网站是否进入来源集合 | 具体URL变化时，域名仍可能持续出现 | 主域名、子域名、来源类型 |
| 品牌与产品实体 | 企业、品牌和型号是否识别正确 | 第三方页面也可能帮助或干扰识别 | 主体关系、型号、参数、市场版本 |
| 经营结果 | 可见度是否带来有价值的行动 | 引用不等于访问、询盘或订单 | 访问、有效询盘、机会与订单 |
不是OpenAI机制公告
作者分析可观察的服务端事件记录，不代表OpenAI确认所有模型长期采用相同流程。
不是工具准确率承诺
约四分之一是特定样本和时期的URL覆盖结果，不能用作所有监测工具的固定准确率。
不是制造业效果数据
80个问题不是制造业采购样本，研究也没有测量网站访问、询盘、订单或投资回报。
三个制造业模拟场景
以下场景只用于解释监测方法，不是研究原案例、GEO360客户项目或效果证明。
团队只监测一个产品URL，没有出现就判断官网完全不可见。
模拟场景（非真实业绩案例）：补查官网域名、品牌和型号后，发现AI引用的是同站技术支持页；团队先统一页面事实和内链，再决定是否改版。
企业用中文问题测试海外ChatGPT，却只检查对应中文关键词。
模拟场景（非真实业绩案例）：为同一采购意图保留英文和目标市场语言问法，分开记录AI改写后的来源与最终引用，不假设平台始终使用某一种语言搜索。
第三方工具分数上涨，团队准备直接追加GEO预算。
模拟场景（非真实业绩案例）：先用固定问题在真实平台重复核验，再把品牌识别、引用准确性、网站访问和有效询盘分开复盘。
本篇直接研究ChatGPT Web的海外检索和引用。它补足的是结果监测方法，不把AI输出当成官网或第三方事实来源。
官网仍是企业最可控的事实基础。页面和域名监测用来判断系统是否找到资料，品牌产品实体监测用来检查关系是否正确；第三方内容只作外部补充和核验。
国内AI只承担帮助中国企业理解海外GEO的桥梁作用。执行对象仍是英文官网、目标市场语言页面、海外公开资料和全球AI产品，不建立国内平台代运营路径。
准备评估海外GEO投入的制造企业，先做这三件事
- 01 第一步
由老板或国际业务负责人选定十至二十个真实采购问题，按目标国家、买家角色和采购阶段分组；保留目标市场语言和英文版本，并写清测试日期、平台、模式与账号环境。
- 02 第二步
由网站、产品和外贸团队为每个问题建立页面—域名—品牌—型号四层记录，分别核对官网哪一页出现、企业与品牌是否被识别、型号参数是否准确以及第三方来源是否可核验；不因单个URL缺席立即改版。
- 03 第三步
由市场团队按固定节奏重复测试，把AI提及、检索线索、最终引用、引用准确性、网站访问、有效询盘和订单分开记录；第三方工具用于发现异常，重大预算和改版决定再用真实平台结果与业务数据复核。
接下来值得关注的变化
- 1.海外GEO监测会从单次答案截图转向固定问题集、重复运行和多日期记录，并保留平台、模型模式、国家、语言和账号环境。
- 2.企业会同时观察具体页面、官网域名、品牌和产品实体，不再把某一个URL的出现与否当成全部可见度。
- 3.Google排名、API结果和第三方工具仍可提供线索，但会被更清楚地标注为代理指标，并用真实AI产品结果进行抽样核验。
使用这项研究时必须保留的边界
- 1.这是尚未同行评审的预印本，不是OpenAI机制说明，也不是西安交通大学、国家电网或新加坡国立大学联合发布的官方报告。
- 2.研究只覆盖80个中英文问题和四种ChatGPT Web设置，部分模型已停用；具体比例不能外推到其他模型、账户、地区、语言、行业或未来版本。
- 3.Google、API或第三方工具只能作为代理信号；重复监测与多层记录有助于降低误判，但不能保证AI引用、品牌推荐、点击、询盘或订单。
Understanding ChatGPT Citations: Evidence from Production Web Search Across Model Generations
Yunxuan Jiang等研究人员（Xi’an Jiaotong University、SGIT AI Lab, State Grid Corporation of China、National University of Singapore） · 提交日期 2026-10-11 · arXiv:2610.15382 [cs.IR]
这是相关机构研究人员提交至arXiv的预印本，不是西安交通大学、国家电网或新加坡国立大学联合发布的官方报告，截至本文发布日尚未同行评审。所测模型设置、页面和系统会继续变化。