稿子发了不少，AI 的回答里怎么就是没你？

前几天，跟一个做 B2B 市场的朋友吃饭。他给我看他们团队的外联成绩单：过去半年，谈下来的媒体报道二十多家，外链几百条，高权重的占了一大半。

我说，挺好。那我问你个问题。

你打开任何一个 AI 聊天框，输入你们客户最常问的那个问题，看看答案里提到你们了吗？

他愣了一下，掏出手机试。没有。

二十多家媒体，几百条外链，在 AI 的回答里，集体隐身。

我当时就想，这事太典型了。因为外联这套打法，从根上就是为搜索引擎设计的。

什么叫为搜索引擎设计？就是攒那几个信号：域名权重、锚文本、引用域数量。搜索引擎看这些，你攒这些，排名就往上走。这套流程全世界营销团队跑了十来年，早就跑熟了，能量产。

但答案引擎不看这些。

那它引用谁？不引用外链最多的那批，它只认一件事：对某个具体问题，谁的内容够权威、够相关。注意，权威和相关性，是它的判断，不是你的权重。

所以局面就很拧巴：你辛苦换来的报道，它不认；而真正被它翻牌子引用的那批来源，可能压根不在你的外联名单上。

这批来源都是些什么地方？论坛、点评网站、编辑类媒体、社区平台。很多跟你现在攻的名单，一个都不重叠。更要命的是，就算一家媒体给你挂了链接，也不代表它会被引用。

链接是给搜索引擎看的。引用是给 AI 看的。 这是两回事。

那怎么办？三件事。

第一件事：先搞清楚，到底是谁在被引用

别再凭感觉列外联名单了。

被引用这件事，是可以被看见的。比如 HubSpot 的 AEO 工具里有个 Citation Analysis（引用分析）功能，能直接告诉你：眼下在 AI 回答里替你说话的，具体是哪些出版物、哪些社区平台、哪类内容。

你一看数据，可能会倒吸一口气：自己花钱花人力维护的几个大刊，一次都没被引用过。反倒是某个行业论坛里的一个帖子，被 AI 翻来覆去地引。

扎心，但这就是真相。

拿到这份名单，你的外联靶子才有重新选的依据。

第二件事：按引用影响力排优先级，而不是按流量

外联的人力是有限的。一个月就那么几个人，能谈下来的合作就那么几个。

那名单排序靠什么？大多数团队靠直觉，或者靠历史习惯，我们一直投这家嘛。但直觉和习惯，从来不是「这家能不能被 AI 引用」的证据。凭感觉排，力气就花在了感觉对的地方，而不是数据对的地方。

HubSpot 的 AEO 工具里还有个 Recommendations（建议）功能。它会对照你当前的引用缺口，直接指给你看：哪类内容、哪类来源，在你的引用画像里是缺的。你的外联日历，就该围着补这些缺口来排。

说白了，就是把「我觉得该投谁」，换成「数据说该补哪」。

第三件事：让每一次投放，都能被追踪

外联的 ROI，历来是笔糊涂账。

团队花时间拿下了报道，然后呢？对品牌的实际影响隔着好几层，说不清。投了像没投，老板问起来只能含糊。

AEO 这件事，反而把账算直了：一篇报道如果真的产生了引用，它会直接体现在你的可见度数据里，藏不住。

HubSpot 的 Brand Visibility Dashboard（品牌可见度仪表盘）就在做这个追踪：品牌可见度分数、声量份额、引用数量，随时间的变化都在上面。你按建议做了一轮外联，过阵子回来看，引用画像变了吗？分数动了吗？

动了，说明路子对了，加码。没动，说明靶子选错了，换。

这才是外联该有的反馈闭环。每一轮投放，都在帮下一轮打得更准。

最后说两句

其实 AEO 外联不是什么全新的活。

它就是你现在在做的事的一个更锋利的版本。媒体还是那些媒体，人力还是那点人力，变的只有一把尺子：从「它有没有给我链接」，变成「它有没有让我被 AI 说出口」。

信号可测，名单可建，效果可追。

真正的功课，只是搞清楚该追哪些投放，以及它们有没有真的落地。

祝你下一顿饭上，朋友再掏出手机试的时候，答案里有你的名字。