真正刺眼的數字不是 3.3 倍，是那個「8」。Kevin Indig 和 Amanda Johnson 在 2026 年 7 月 8 日的 Search Engine Land 上發表這份分析，看的是 Gauge 的引用資料庫：七個產業、316 組提問，AI 引擎一共給出 1,075 次引用，落在 301 個還活著的頁面上。這 301 頁裡，同時放了自己的原始數據和一段寫清楚的研究方法的，只有 8 頁。這 8 頁平均每頁被引用 11.3 次，其他頁面平均 3.4 次。而且這份紅利集中得有點誇張：90 次原始研究引用裡，有 75 次落在同一個題目上——雲端資料倉儲的效能比較；光是 Fivetran 2022 年那份倉儲標竿，一個頁面就拿走 44 次。
可信度：中。作者具名，樣本和方法都寫在文章裡，看得到來源。要扣的分也不少：樣本不大（1,075 次引用），資料來自單一廠商 Gauge 自己的資料庫，文章沒有附上可下載的原始檔或方法論文件；兩位作者本來就在賣成長顧問和 AI 能見度服務，「多做原始研究」對他們是有利的結論。
- 301 個被引用的頁面裡，只有 8 頁（2.7%）算得上原始研究：有自己的第一手數據，也有寫出來的研究方法。
- 這 8 頁平均每頁被引用 11.3 次，其他所有頁面平均 3.4 次，密度差 3.3 倍。
- 90 次原始研究引用中，有 75 次集中在同一個題目：雲端資料倉儲效能標竿。
- Fivetran 2022 年那份倉儲標竿，單一頁面就拿到 44 次引用，接近全部原始研究引用的一半。
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。
如果你正在考慮要不要編一筆原始研究的預算：3.3 倍是真的，但這筆紅利多半是先寫的人拿走。Fivetran 那份標竿從 2022 年掛到現在，還是吃掉這份資料裡將近一半的原始研究引用。時間沒有讓它折舊。引擎一旦認定某一頁能回答某個問題，下次還是回去找同一頁；你在同一個問題上再做第二份研究，撿到的只有剩下的。所以預算的第一步不是問「我們要不要做研究」，而是先弄清楚：在你這個類別裡，現在是哪一份研究在回答那個問題？如果已經有一份在那裡回答了，你得給引擎一個理由把你擺在它旁邊——更新的數據、它沒切進去的客群、它從來不公布的指標。如果那個問題目前還沒有任何一份研究在答，3.3 倍就是沒人領走的。
- 先跑一次客戶的追蹤提問清單，把每個引擎現在引用的是哪一份研究、哪一份標竿記下來；只在還沒有人做出標竿的題目上，或是你在時間新舊、客群、指標上贏得過現有那一份的地方，才花錢做原始研究。
- 請網站團隊在你們現有的數據頁面上，補一塊看得見的「研究方法」（樣本數、時間範圍、怎麼做的）。這份資料自己對原始研究的定義，就是少了這塊不算數。
- 把每個重點發現改寫成一行可以直接被抄走的數字句——數字、單位、年份——放在頁面靠上的地方。
Search Engine Land: Why most original data never gets cited, by Kevin Indig & Amanda Johnson, Search Engine Land, 2026-07-08 — https://searchengineland.com/why-most-original-data-never-gets-cited-481676