这条在：GEO 图书馆 · 机制：AI 怎么找、怎么挑、怎么写
AI 为什么总推荐那几家大品牌？
母本 2026 年 9 月整理的研究看下来：不点名、只问一类产品时，大品牌更常出现在 AI 的推荐里，但不是总出现，原因也还没被拆开。
Ranqo（卖 AI 可见度工具，作者持股）2026 年 3 到 5 月的预印本里，不带品牌名、只问品类，并且只算每个品牌第一次被跟踪的那一轮，11 个全球大牌平均出现在 72.9% 的回答里，中档 44%，55 个小品牌 11.4%，作者写明是观察，不是原因；西北大学和波士顿大学 2026 年 9 月的预印本则看到，老牌大牌也会整家被漏掉，问法写明用途和预算后名单还会变。
大牌确实常出现
卖 AI 可见度工具的 Ranqo，联合创始人写过一篇预印本，用的是 2026 年 3 到 5 月 Ranqo 跟踪的 102 个品牌、102025 条回答，覆盖 ChatGPT、Gemini、Perplexity、Claude、Grok 五个引擎。不点品牌名、只问这类产品时，11 个全球大牌平均出现在 72.9% 的回答里，中间一档 44%，55 个小品牌 11.4%。只算每个品牌第一次被放进他们监测时的那一轮；分档是作者自己定的，第一档只有 11 家，作者也说家数太少，细分的结论不稳。作者本人持股，也写明这是观察，不是原因。
但也会整家被漏掉
西北大学和波士顿大学 2026 年 9 月的一篇预印本，在美国市场的五个品类、六个模型上测过（英文、接口、关掉联网，每次最多给五个名字）。只问品类时，一些老牌大牌整家被漏掉：迪士尼邮轮几乎不被推荐；维京邮轮在他们用的品牌显著性调查里分数低于迪士尼邮轮（70 对 111），但这组品类题里每次都在名单上。排得靠不靠前，跟老一套的品牌名气关系弱，跟 Google 上有多少人在搜它关系更明显，这个相关是 0.63，作者说不能当成原因。
我们 2026 年 9 月 27 日夜的时尚题也有点这个意思。通过接口问「全球最好的时尚品牌有哪些」，GPT-6 Astra 三轮列出的都是奢侈和设计师品牌，耐克、Zara、优衣库一次都没有，路易威登只在第三轮出现；它第二轮写明名单「偏高端与奢侈时装」，第一轮还反问要不要看更适合自己买的品牌。Claude Sonnet 5 三轮都列了 Zara、优衣库，有两轮也列了耐克。同一种问法，两家的名单不一样。这是接口、一晚、各三轮。
同一晚问「全球最大的消费品公司有哪些」，两个模型三轮都列了雀巢、百事、宝洁、联合利华、百威英博；ADM、邦吉也在我们那份《财富》2026 子类营收前十里，三轮都没出现。但 GPT-6 Astra 写明只谈食品饮料和日化个护，ADM、邦吉是农产品加工公司，所以这组说明不了大牌是不是被偏爱。
问法会改变名单
还是西北大学那篇：只问品类时，Craftsman 电钻、L.L.Bean 冲锋衣一次都没进名单；换成写明用途、预算、使用场景（还是不点品牌名）的问法之后，Craftsman 进名单的比例到了 35.4%，L.L.Bean 到了 5.4%。写上城市有没有同样的效果，我们没找到测量。
另一篇 EMNLP 2024 的研究，比的是全球品牌和本地品牌（不是大牌和小牌）：大模型确实偏向全球品牌，但在提示词里写上国家以后，多数模型反而推荐本地品牌。
常听到的三种解释，各有多少证据
常听到的说法是：大牌赢，是因为训练材料里它们出现得多、被别人提到得多、搜索排名靠前。这三样是我们把常见说法放在一起，没有一份研究证明大牌推荐是它们叠出来的。
- 说法一：训练材料里大牌出现得多。有研究发现，模型答一个事实题答得对不对，跟训练时见过多少相关文档有关；冷门的人物、地点、作品记得差，接上检索会好很多。但这些研究测的是「答对事实」，推不到「推荐谁」。Ranqo 那篇本来打算比较联网和不联网，数据有了，分析还没做。
- 说法二：被别人提到得多。卖 SEO 工具的 Ahrefs 2025 年 5 月看了约 7.5 万个域名（先筛了域名评级大于 40、主关键词月搜索至少 800 的），网上被提到的次数，和在 Google AI 概览里被提到的次数，相关系数 0.664，外链只有 0.218。只看 Google，相关不是原因。
- 说法三：搜索排名靠前。Google 说，它搜索里的生成式 AI 功能建立在原有的排名和质量系统上。但 AI 引用的网页和搜索前十的重合，各家测出来都只是一部分（见排名和引用不是一回事）。
Ranqo 自己的数据里，在出现品牌提及的回答所引的来源中，同行业别家公司的网页占 75.2%，科技和商业媒体只占 3.8%。这个比例没有按品牌大小拆开，所以它说明不了「媒体写得多」是不是大牌更常出现的原因，只说明这批引用里媒体不是主体。
对中小品牌意味着什么
下面是我们的判断：
- 「AI 只推大牌，中小品牌没机会」说得太满。大牌出现得多，这是 Ranqo 那次观察里的平均数；老牌大牌被整家漏掉的例子也有，见上面的邮轮和电钻。相关更强的，往往是「现在有多少人在搜、在讨论你」，不是「你有多老、多有名」。小牌会不会因为问法变具体就进来，上面这些研究没有直接的例子。
- 用客户真会问的问法去测自己。写明用途、预算、场景的问法，名单会变；只测「最好的某某有哪些」，看到的只是一种问法下的名单。
- 网上被别人提到的次数，比外链更相关。这是 Ahrefs 在 Google AI 概览上的相关数据，不是保证。
也有人不这么看
中文圈常见的说法是「结构性偏好」。比如有一篇讲 AI 搜索优化的中文文章写，「AI搜索的底层机制对大品牌有结构性偏好」。上面这些研究没有一份证明品牌推荐是「底层机制」造成的；答对事实和训练文档篇数之间，Kandpal 等报告过因果，但对象是事实题，不是推荐名单。
这些结论别往外推
- 这几项研究多是预印本，Ranqo 那篇作者持股，西北大学那篇关掉了联网、只测美国英文。
- 「大模型推荐一定放大流行度偏差」也没定论。亚马逊研究员在电影推荐上测过，大模型推荐的流行度偏差反而比传统推荐系统小，没有专门去纠偏也是这样。这只对电影推荐成立。
- 我们的时尚、消费品两题，是接口、一晚、各三轮。
出处 11 条，A 级 4 条、B 级 6 条、C 级 1 条 · 展开全部
Pratyush Kumar（Ranqo 联合创始人并持股）arXiv 2606.20065，预印本，2026-06-18：Ranqo 跟踪的 102 个品牌、102025 条回答（2026 年 3 到 5 月）；不带品牌名的品类问题、每个品牌第一次跟踪时，第一档 11 个全球大牌平均 72.9%，中档 44%，55 个小品牌 11.4%。同文 AI 引用来源 75.2% 是同行业别家公司的网页，科技商业媒体 3.8%。作者说是观察性研究，非因果。 原文
Malthouse 等（西北大学、波士顿大学）arXiv 2609.16304，预印本，2026-09-14：「Category-only queries reveal substantial omission of established brands and limited evidence that recommendation prominence follows conventional brand popularity.」推荐显著度（的平方根）跟 Google 搜索热度相关系数 .63，「This association does not imply that greater search activity causes greater LLM recommendation.」写明用途、预算的问法下，Craftsman 进名单比例从 0 到 35.4%，L.L.Bean 到 5.4%。美国市场、英文、六个接口模型、不联网。 原文
Kandpal 等，ICML 2023：「a language model's ability to answer a fact-based question relates to how many documents associated with that question were seen during pre-training」。测的是答对事实，不是推荐谁。 原文
Mallen 等《When Not to Trust Language Models》（PopQA），ACL 2023：「LMs struggle with less popular factual knowledge」，接上检索后大幅改善。测的是事实问答。 原文
Kamruzzaman 等，EMNLP 2024：大模型把全球品牌跟正面属性绑在一起；但「all models except Gemma suggest local brands when the country name is included in the prompt」。 原文
Ahrefs（卖 SEO 工具）Louise Linehan，2025-05-26：约 7.5 万个域名（域名评级大于 40、主关键词月搜索至少 800）里，跟「在 Google AI 概览里被提到」相关最强的是网上品牌提及（0.664），外链 0.218；作者写明相关不等于因果。只看 Google AI 概览。 原文
Google 搜索中心 AI 优化指南（2026-07 更新）：「our generative AI features on Google Search are rooted in our core Search ranking and quality systems」。只讲 Google 自家的 AI 功能。 原文
Lichtenberg、Buchholz、Schwöbel（Amazon Music / AWS）arXiv 2406.01285，Gen-IR@SIGIR24 研讨会：在电影推荐上，「the LLM recommender exhibits less popularity bias, even without any explicit mitigation」。 原文
母本自测（2026-09-27 夜）：OpenRouter 接口，中文问「全球最好的时尚品牌有哪些」三轮，记录两个模型列了哪些品牌。 原文
母本自测（2026-09-27 夜）：OpenRouter 接口，中文问「全球最大的消费品公司有哪些」三轮，记录两个模型列了哪些公司。 原文
流传说法：一篇中文 GEO 文章，2025-12-17，更新 2026-06-02：「这不是产品不够好，而是AI搜索的底层机制对大品牌有结构性偏好」。 原文
大家也这样问
- AI为什么总推荐大品牌？
- 小公司怎么才能被AI推荐？