LinkedIn 官宣 AI 重塑 B2B 内容发现机制：75% 的 AI 引用源自员工个人主页，外贸人的 GEO 作业要重做了
有老板花半年把领英公司主页装修了一遍，询盘一条没多。问题可能不在主页。
Meltwater 与 LinkedIn 联合发布的研究给出了答案：在分析 950 万条 AI 引用后发现，领英内容被 AI 引用时，75% 来自个人会员主页，只有 25% 来自公司主页。
这份名为《How LinkedIn Content Wins in AI Search》的报告，追踪 ChatGPT 5、Google AI Mode、Google AI Overviews、Gemini 3.5 Pro、Copilot、Claude Sonnet 4 六个模型，覆盖 16 个 B2B 品类，研究窗口为四周。期间 LinkedIn 的整体引用份额为 0.53%，仅次于 YouTube 的 1.52%，高于 Reddit（0.44%）、Capterra（0.38%）、Medium（0.21%），四周内份额还涨了 26%。
翻译过来就是：当海外采购商问 AI"该找哪几家中国供应商"时，模型更可能引用一个具体的人，而不是一家公司的官方账号。做惯了 Google SEO 的外贸团队，GEO 这门作业得从头写。
一、950 万条引用拆出来的 75/25
先把数字摆清楚。
Meltwater 用自家的 GenAI Lens，跑了几千条测试提示词，统计哪些域名和 URL 出现在 AI 生成的答案里。结论有四条值得抄下来：LinkedIn 在 16 个品类中的 14 个进入被引用域名前五；在 AI 与数据科学、营销与广告两个品类排第一；在领导力与战略、销售与营收、供应链与物流、咨询与专业服务、金融服务与金融科技五个品类排第二；电商与零售、科技与 SaaS、HR 与人才排第三。
结构上更值得注意：用户生成内容平台占全部引用的 47.5%，而企业官网只占 18.7%。也就是说，AI 在回答采购类问题时，明显更偏好第三方和从业者的一手说法，而不是品牌自述。
75/25 这个比例，是这条大趋势落在领英上的投影。
二、模型为什么更信"人"而不是"公司"
原因不玄学，至少有三层。
第一层是身份可归属。领英个人主页的元数据里带着职位、公司、行业，模型读到的是一个有名有姓、有履历的人；公司主页读起来像市场部通稿。Meltwater 首席产品官 Chris Hackney 的原话是："AI 模型找的不是房间里嗓门最大的那个，是最可信的那个。"
第二层是产量。多数 B2B 公司一周从一个主页发三到五条；一个有 40 名活跃员工、每人每周发两条的项目，同期产出 80 条，覆盖 40 个不同的关系网、视角和专业领域。对检索系统来说，体量和话题覆盖面都是硬指标。
第三层是分发带动收录。拿到互动的帖子传播更远，被抓取也更稳定。Vulse 的统计显示，每周发三条以上的账号曝光量增长 32%，发得少的下降 6%。
还有一条对外贸团队是利好：被引用的甜区不在大 V。粉丝 1000—10000 的创作者贡献了 40% 的引用，10000—100000 的占 38%；Meltwater 给出的口径是，51% 的被引用创作者粉丝数不到 1 万。你的解决方案工程师、外贸经理、产线负责人，恰好就是模型会引用的那类人。
三、被引用内容的配方：榜单、对比、选购指南
内容形态的差距，比想象中大得多。
按内容类型排：最佳 X 类榜单占 54%，横向对比占 50%，"怎么选"指南占 33%，教育类解释占 17%，而带数据的思想领导力只占 8%。最后这一行最扎心——大多数高管代笔项目默认生产的那种观点型内容，恰恰是整套样本里最弱的一类。
按格式排：文本帖占 72%，Pulse 长文占 12%，视频占 11%。领英官方在《Unlocking AI Search Visibility》指南里给的口径略有不同：文章贡献了约 60% 的领英内容引用，帖子约 40%。两套数字打架，合理解释是统计口径不同，实操上不必二选一——长文做可被反复引用的资产，短帖做频率。
结构和时效是另一组硬指标。被引用最多的那批文章里，100% 用了项目符号或编号列表，92% 有清晰的标题层级，67% 含统计数据或其他硬数据。原创性上，72% 的引用给了原创内容而非转发；时效上，48% 的引用给了过去三个月内发布的内容，超过一年的只占 12%。
一句话：模型要的是能帮读者做决定的东西，不是姿态。
四、外贸人的 GEO 作业清单
落到动作上，这份研究改写的是三件事。
其一，从"运营一个主页"改成"运营一组人"。领英官方建议锁定 3—4 个核心话题，然后把这些话题映射到公司里真正懂的人：外贸经理、产品工程师、品控、售后。官方同时建议文章每周发、信息流帖每周至少 2—3 条，并把长文通过 Newsletter 推给订阅者。
其二，把内容写成可被引用的形状。问题式标题，开头 100 字内直接给结论，正文用编号列表和明确的小标题，点名具体的工具、公司、参数、标准，结尾给一段决策建议或检查清单。中国团队可以直接套用：把"如何判断一家光模块供应商的交付能力"写成带判定标准的清单，比发一条"我们参加了某展会"有用得多。
其三，把品牌主页和个人主页连起来，并且盯住评论区。领英中国团队在 2026 年 6 月的一场分享里明确提过 GEO 这个概念：公司主页与高管个人账号联动、评论区的高质量专业讨论，都能显著提升品牌在 AI 眼中的权重。
五、度量衡正在被改写
需要泼一盆冷水的地方也不少。
0.53% 的引用份额看着是第二名，绝对数依然很低；这份报告由 Meltwater 发布，而 Meltwater 卖的正是 GenAI Lens 这类 AI 可见性监测工具，数据由利益相关方自己出，需要留一份清醒。同期 LinkedIn 一边发指南教 B2B 品牌怎么做 AI 可见性、一边关闭特拉维夫研发中心并裁掉近 50 名员工，也说明这套叙事里夹着公司自身的资源重组。
真正的改变在度量衡。领英官方建议用四个指标替代原来的流量思维：AI 引用次数、份额（相对于竞品出现的频率）、引用位次、以及 AI 描述品牌时的情感倾向。AdLift 联合创始人 Prashant Puri 把它概括成"Share of Model Voice"，并坦率地称其为"权威税"——你要持续产出原创报道、专家验证和严格编辑，才能换来被 AI 吸收进答案的资格。
对做惯了独立站和 Google 排名的外贸团队来说，这意味着一套新的成本结构：钱不再花在关键词覆盖面上，而是花在让懂行的人持续、公开地把话说清楚。
当买家的第一站变成一句提问，你的品牌是被引用，还是被跳过？这道题，公司主页答不了。
