拿同一個購買問題去問 ChatGPT、Microsoft Copilot、Google 和 Perplexity，再任挑兩個引擎的答案來對，多數時候兩邊連一個共同引用的網址都沒有。這是獨立研究者 Benjamin Tannenbaum 在 2026 年 9 月 19 日貼上 arXiv（cs.IR）的一份觀察式稽核量出來的結果。他在 2026 年 6 月 6 日把 15 組固定的商業查詢丟進這四個引擎，一共記下 589 次引用觀察，涵蓋 528 個不重複網址、356 個網域。不管從哪個層次看，重疊率都貼近零。同一提問下，引擎兩兩比對的網址重疊（用 Jaccard 相似度計算）平均只有 0.0079，中位數是零。84.9% 的引擎配對，一個共同引用的網址都沒有。96.4% 的網址只出現在單一引擎，而配對過的隨機基準預測的重疊率是 12.7%。單一引擎只抓得到四引擎聯集網址的 11.4% 到 42.6%。答案最前面那幾條更是完全分家：60 組兩兩比較裡，前五名網址的重疊全部是零。另一項檢查發現，同一個引擎自己跟自己也對不上：比較 2026 年 6 月 5 日和 6 日，單一引擎的網址集合平均一天就換掉 67.0%。論文的結論對準的是一種特定工具：不連接實際引擎的「頁面分數」，只能估計頁面和查詢合不合，量不到決定一個頁面在某個引擎上會不會真的被引用的那兩步，也就是曝光和引用選擇。
來源： arXiv（cs.IR）：Tannenbaum, B.〈Scoring With the Engine: Retrieval Exposure, Cross-Engine Divergence, and the Limits of Engine-Agnostic GEO Scores〉（完整引用見下方）。
可信度：中等。 這是一篇單一作者的 arXiv 預印本，還沒經過同行評審；樣本是單日、15 組查詢的快照，另加一組兩天的同引擎比較，目前也還沒有別的媒體或研究者獨立驗證。它還是過得了可查證 artifact 的門檻，因為方法、查詢數和完整統計數字都公開寫出來，原則上誰都能重跑一次。
事實要點：
- 2026 年 6 月 6 日：15 組固定商業查詢在 ChatGPT、Copilot、Google、Perplexity 四個引擎上執行，共產生 589 次引用觀察（528 個不重複網址、356 個網域）。
- 跨引擎重疊：兩兩 Jaccard 相似度平均 0.0079；84.9% 的引擎配對零共同引用網址；60 組兩兩比較中，前五名網址重疊全部是零。
- 單一引擎只涵蓋四引擎聯集網址的 11.4%–42.6%；96.4% 的網址只出現在一個引擎。
- 另一項 2026 年 6 月 5 日到 6 日的同引擎比較發現，單一引擎的網址集合日間變動率平均達 67.0%。
掌握 AI 搜尋的每一步
會牽動你排名和 AI 引用的每個變化，加上該怎麼應對——趁還沒讓你付出代價之前。免費，每週三次。
對要把「AI 能見度」數字報給老闆或客戶的行銷主管而言，這份研究比論文標題講的範圍窄，但也更好用。它真正檢驗的，是一個頁面分數能不能預測某個引擎會不會引用那一頁。不問引擎就算出來的分數，講不出哪個引擎會引用這一頁；四個引擎被問同一個問題，交回來的是四份幾乎各自獨立的引用清單。一套逐一查詢各引擎、每個引擎各列一行的追蹤工具，做的正是這份數據要求的量法。綜合分數拿來看方向，仍然是有用的領先指標；但光靠它，撐不起「我們有被引用」或「我們沒被引用」這句話，因為 Tannenbaum 記下的引用裡，96.4% 只出現在一個引擎上。
代價更高的錯，其實出在反方向。團隊拿最重要的購買問題問一次 ChatGPT，沒看到自家品牌，就宣布「AI 能見度出問題」，這等於只在某一天抽了一個引擎。這份數據裡，84.9% 的引擎配對毫無交集，單一引擎自己的引用清單連續兩天比下來也換掉了 67.0%。那個「沒有」，只是從四份一直在變的清單裡抽出來的一次結果。（這個保留也適用在這篇快報本身：整份數據就是某個六月天跑的 15 組查詢，論文還沒有人審過。方向比小數點可信。）
建議行動：
- 翻出上一份交給老闆或客戶的 AI 能見度報告，看引用數有沒有按引擎（ChatGPT、Copilot、Google AI Overviews、Perplexity）分開列；如果只有一個綜合分數，下次報告週期前，請追蹤工具或供應商補上各引擎的拆分。
- 這禮拜請團隊把前 10–15 個核心買家意圖查詢，在四個引擎上重跑，而且不只跑一天；還沒跑完以前，別把某一次「沒被引用」當成全站的問題。
- 本月只要把綜合能見度分數交給客戶或高層，就在旁邊記下判斷依據：這是方向性指標，要跟各引擎的實際引用清單一起看。
arXiv (cs.IR): Tannenbaum, B. "Scoring With the Engine: Retrieval Exposure, Cross-Engine Divergence, and the Limits of Engine-Agnostic GEO Scores." Submitted 19 Sep 2026. https://arxiv.org/abs/2609.22655