做GEO先别只改官网：一个90天实验里，视频让AI提及率从20%升到40%｜答案针AI

一家公司的90天实验里，视频让品牌被AI提到的比例从20%升到40%。真正值得学的，是怎样把视频变成可引用的答案。

文章封面

很多老板做 GEO 的第一反应，是回去改官网。

加一页问答，改几个标题，多写几篇文章，然后每天打开 ChatGPT、豆包或元宝问一句：“推荐这个行业的公司。”结果一个月过去，AI 还是不提自己的品牌。

问题可能不在于官网改得不够多。你漏掉的，也许是视频。

2026 年 9 月，企业位置营销公司 Uberall 在 brightonSEO 圣迭戈大会分享了一项 90 天实验。按照现场分享者的说法，在他们持续追踪的一组问题里，品牌被 AI 提到的比例从 20% 升到 40%，回答附上品牌来源的比例也从 4% 升到 8%。

数字很诱人，边界也必须先说清楚。这是一个品牌、一组问题、几个 AI 产品上的实验。原始问题清单、样本量和每次测试结果没有完整公开。它能给我们一个值得复测的方向，不能直接变成“发视频就能让 GEO 翻倍”的承诺。

最有意思的一步：他们先发视频，官网不动

根据 Search Engine World 对这场分享的报道，实验第一阶段刻意没有同步修改官网。

Uberall 先围绕 GEO 和 AI 搜索中的具体问题制作视频。标题直接对准用户可能会问的问题；开头大约 30 秒交代这条视频要回答什么；中间用 5 到 10 分钟解释概念、例子和依据；结尾再把重点收回来。

也就是说，它们不像传统品牌片，不先讲公司多厉害，也不靠一连串空镜和口号制造高级感。每一条视频都更像一位业务负责人坐下来，把客户会追问的一件事说清楚。

分享者称，大约 48 小时后，一些被监测的问题开始出现变化，Gemini 已经能找到 Uberall 的 YouTube 频道和播客。实验初期，YouTube 在 Uberall 的来源监测里大约排在第 30 位，期间最高升到第 2 位。部分问题中，视频平台甚至比公司官网更常被引用。

这里的“AI 提及率”，可以理解得很简单：固定问一组问题，AI 的回答里有多少次说到了你的品牌。40% 不代表市场上每十个人有四个人买你，也不代表网站流量翻倍。它只说明，在这组被反复测试的问题中，品牌出现得更频繁了。

引用率又多一道门槛。AI 不但提到品牌，还把某个页面或视频列成了来源。提及和引用都离成交很远，却比“我们感觉品牌声量不错”更容易记录和复测。

Uberall 官方 GEO Studio 指标界面

图：Uberall 官方产品页面中的监测界面，用于说明提及率、引用率等指标。图中演示数字不是本次 90 天实验结果。

AI看到的可能不是镜头，而是你说清楚的话

为什么视频会有用？最容易被误解的答案是：AI 越来越喜欢视频。

这句话说得太粗了。

对很多能联网找资料的 AI 来说，视频真正有用的部分，往往是标题、简介、字幕和文字稿。它们把一段十分钟的视频，变成机器可以检索和比较的文字。视频里如果有清楚的问题、明确的主张、具体案例和稳定说法，就更像一份公开答案。

反过来，一条画面很漂亮、配乐很热闹、整段都在喊品牌口号的视频，对人可能有情绪价值，对 AI 却未必有足够信息。它知道你拍了一条片，不一定知道你能解决什么问题。

Uberall 第二阶段做的事很能说明这一点。团队把视频嵌入官网，同时发布完整文字稿，补上清晰标题、重点摘要和时间节点。原来只存在于 YouTube 的一份口头解释，变成平台视频和品牌官网都能读到的内容。

这比“只改官网”多了一层公开证据。客户可以看视频，搜索引擎可以收录网页，AI 也有机会在不同来源看到同一套稳定说法。

我更愿意把视频理解成“会说话的答案页”。它既要照顾人，也要留下可读取的文字。镜头让人建立信任，文字让内容更容易被检索、核对和引用。

一条适合被引用的视频，通常还有一个很朴素的特点：它允许别人核对。

假设一家工业软件公司要回答“老工厂换系统，最容易在哪一步停工”。视频里只说“我们经验丰富”，几乎没有可引用的信息。若负责人把三个常见停工点讲清楚，说明各自发生在什么环节、怎样提前排查，并在简介或官网文字稿里放上产品文档、客户可公开案例和更新时间，这条内容就更像一份能被查证的答案。

这里不需要把口播写成论文。观众要听得懂，机器也需要抓得到。人名、产品名、地点、时间和数字说完整；字幕别让自动识别把专业词写错；同一个事实不要在官网、视频和销售材料里出现三个版本。很多所谓“视频 GEO 技巧”，最后拼的仍是这些基本功。

品牌也要接受一个现实：视频被 AI 读取，不等于一定被引用。平台可能收录了字幕，却认为另一家来源更可靠；也可能今天引用，模型更新后又消失。能控制的是答案质量、公开可访问性和复测，不能控制某个 AI 永远把你排在固定位置。

但别急着把预算全搬去视频

另一些数据提醒我们，视频的作用会因 AI 产品和问题类型而变化。

Meltwater 在 2026 年 6 月公布了一组覆盖 8 个主要 AI 系统、超过 800 万次引用的数据。它的统计里，YouTube 在五月获得 188,863 次引用，比四月增长 56.4%，并且在 Google AI Mode、Google AI Overviews、Gemini 和 Perplexity 等产品中表现突出。

可 Ahrefs 研究 140 万个 ChatGPT 问题时发现，在它单独划出的 YouTube 来源通道里，真正被展示为引用的比例只有 0.51%。Ahrefs 也提醒，普通网页搜索结果中仍可能包含 YouTube 页面，因此这个数字不能简单理解为“ChatGPT 只在 0.51% 的回答里用视频”。

两个研究看起来打架，其实共同提醒了一件更重要的事：不同 AI 找资料的方式不一样，统计口径也不一样。

健康问题、软件教程、本地消费、企业服务，对视频的需求不同；ChatGPT、Gemini、Perplexity 也不会永远偏爱同一批来源。一个美国公司的 YouTube 实验，更不能直接推导出“中国品牌在视频号发十条就有效”。

因此，企业真正该复制的不是 20% 到 40% 这个结果，而是它的实验方法：先记录基线，只改变有限变量，再问同一组问题。

放到中国，别照抄YouTube，照抄测试方法

国内企业的内容环境更碎。

同一段内容可能发在视频号、抖音、B站、小红书，也可能同步到公众号和官网。每个平台对外开放的页面、字幕和搜索方式不同；豆包、元宝、DeepSeek 等产品能看到哪些内容，也会随着产品更新变化。

所以，先不要争论“哪个平台最适合 GEO”。拿自己的业务问题测，比听一个行业答案更可靠。

假设你是一家连锁口腔机构。别先拍“我们有多专业”的品牌片，可以从客户真正在做决定时会问的问题开始：儿童第一次矫正几岁合适，隐形矫正和钢牙套怎么选，异地复诊麻不麻烦，哪些情况不适合马上做。

先选 10 个这样的问题，在目标客户常用的两三个 AI 产品里各问几次，记录品牌有没有出现、出现在哪句话、引用了谁。测试时固定地区、日期、提问方式和登录状态，至少让前后结果能够比较。

接着选其中一个问题，做一条真正回答问题的视频。开头直接给结论，中间解释适用情况、成本和风险，最后告诉用户下一步怎样判断。把字幕校对好，再把同一份内容整理成官网文章或公众号长文，保留医生、门店、日期和依据。

发布后别第二天就庆功。连续观察 30 天，用原来的问题再测。你要看的不只是品牌有没有被提到，还要看 AI 说得对不对、引用的是你还是第三方、不同城市的结果有没有差异，以及这些变化有没有带来搜索、咨询和到店。

记录时别只截一张对自己有利的图。每次至少留下提问原文、日期、产品名称、是否登录、地区、完整回答和来源链接。同一个问题分几天重复问，避免把一次偶然回答当成趋势。

如果 10 个问题里，品牌从出现 2 次变成 4 次，这就是 20% 到 40%。听起来翻倍了，实际只多了两次。样本越小，百分比越容易显得夸张。因此，汇报时要把分子和分母一起写出来，也要保留没有出现品牌的回答。

更关键的是正确性。AI 提到了品牌，却把价格、门店、适用人群说错，这种“被看见”可能比没出现更麻烦。团队应把结果分成正确提及、错误提及、带来源引用、无来源提及几类，再看哪些内容变化真的改善了答案。

一个月后，如果视频平台始终没有进入来源，但官网文字稿开始被引用，也不算失败。它说明视频帮助团队把问题讲清楚了，而真正被 AI 采用的载体是网页。反过来，如果视频被频繁引用、官网毫无变化，就继续研究该平台和该类问题，别急着宣布所有业务都该复制。

这套方法同样适用于制造业、教育、软件服务和本地生活。问题越接近客户决策，测试越有商业意义。泛泛地问“什么是某行业”，就算品牌出现了，也未必带来一笔生意。

Uberall 官方 Audika 客户案例题图

图：Uberall 官方 Audika 客户案例题图，用于说明多门店品牌的应用场景。该案例与本文 20% 到 40% 的视频实验不是同一组数据。

真正该改的，是内容预算的分工

很多公司把官网、视频、公众号和销售资料分给不同团队。每个团队都在生产内容，却没有人负责让同一个客户问题得到一致回答。

官网写得很正式，短视频为了流量说得很夸张，销售又给出第三个版本。人看了会困惑，AI 也很难判断哪个说法可信。

视频带来的机会，是迫使企业把抽象卖点变成口头能讲清的答案。但视频做完还不够。它需要一份准确字幕、一份可访问的文字稿、清楚的出处，以及与官网和销售说法一致的事实。

这时，GEO 才不只是“给官网加几个关键词”。它变成一次内容协作：客户问题由谁收集，专业答案由谁审核，视频由谁讲，文字稿由谁整理，发布后由谁用同一组问题复测。

Uberall 的 90 天实验最值得记住的，也许不是数字翻倍。它让我们看到，品牌可以把一个问题讲清楚，再让这份答案出现在人会看的地方和 AI 能读的地方。

别再猜 AI 怎么说你的品牌。全网搜索「答案针 AI」，免费查看 8 大 AI 平台是否提到你、引用谁、哪里答错。先看清问题，再决定怎么优化