随着 AI 搜索逐渐成为用户了解产品、比较品牌的重要途径，企业开始关注自己的内容是否会被 AI 引用。但内容被引用，是否就意味着品牌获得了曝光，甚至进入了用户的购买候选名单？
这两者之间，可能存在一个值得深入分析的差距。
一、AI 搜索中的可见性，不只有一种
对于正在投入 SEO 和内容营销的企业来说，一个值得关注的现象正在出现：网站内容已经被 AI 搜索引用，但品牌本身却很少出现在 AI 的推荐答案中。
这意味着，企业可能已经在为 AI 提供有用的信息，却没有充分获得与这些信息相对应的品牌曝光。
Contently 近期分享了一项针对一家全国性保险公司的 AI 可见性审计。研究团队选取了 40 个真实的购买问题，分别在 ChatGPT、Gemini、Perplexity 和 Google AI Overviews 中进行测试，最终分析了约 640 条 AI 回答。
结果显示，该公司的网页在约 148 条回答中被引用，约占样本的 23%；但品牌名称只在 16 条回答中出现，约占 2.5%。其中，6 次品牌提及来自一个规模较小的产品线，而该公司的两个主要产品类别甚至没有获得任何品牌提及。
换句话说，AI 已经在使用这家公司的内容回答问题，但品牌本身却很少出现在回答正文中。
这组数据来自特定企业和特定测试样本，不能直接代表所有行业或 AI 平台。不过，它揭示了一个值得企业单独衡量的问题：内容被 AI 使用，与品牌被 AI 识别和推荐，并不是同一件事。
要理解这种差距，首先需要区分三种经常被混在一起的可见性。
内容被引用（Citation），指 AI 回答引用或链接到你的网站，将网页作为支持答案的信息来源。用户可能看到你的网站链接，但回答正文并没有提到你的品牌。
品牌被提及（Brand Mention），指 AI 在回答正文中明确说出了品牌名称。它可能附带链接，也可能没有链接。品牌被提及不代表一定获得推荐，例如，AI 可能只是在描述某个品牌的背景或局限。
品牌被推荐（Brand Recommendation），则意味着 AI 在具体的选择情境中，将品牌作为值得考虑的选项，并可能解释它适合什么需求、具有什么特点。
这三种情况之间存在联系，却不能互相替代。一篇文章被引用，不代表品牌一定被提及；品牌被提及，也不意味着它一定获得积极推荐。
因此，如果企业只统计 AI 引用次数，就可能高估品牌在 AI 搜索中的实际曝光。反过来，如果只看品牌提及，也可能忽略网站内容已经成为重要信息来源这一事实。
真正值得研究的，是这些指标之间的关系，以及它们如何与网站访问、产品考虑和最终购买联系起来。
二、为什么 AI 会引用你的内容，却不推荐你的品牌？
目前，没有公开的统一规则能够解释所有 AI 系统如何决定引用哪个网页、在回答中提及哪个品牌，以及最终推荐哪些产品。不同平台、不同问题和不同回答方式都可能影响结果。
因此，我们无法仅凭最终回答还原其内部判断过程，但可以从内容类型、品牌信息、第三方来源和用户购买决策等方面入手，分析这种差距可能产生的原因。
1. 你的内容擅长解释问题，却没有参与购买决策
这是最值得优先检查的情况。
很多企业的网站内容围绕知识普及、产品原理、使用指南和常见问题展开。这些内容能够帮助用户理解一个主题，也可能为 AI 提供准确的事实和解释。
但用户询问“什么是人体工学椅”与询问“哪款人体工学椅适合每天久坐八小时的人”，实际上是在完成两种不同的任务。
前一个问题主要需要定义、原理和基础知识；后一个问题则需要比较不同产品，判断它们是否符合具体的使用条件，并权衡价格、舒适度、调节功能和长期使用体验。
假设一家独立站发布了详细的椅子选购指南，解释腰部支撑、座椅高度和扶手调节的作用。AI 可能引用这篇文章来解释这些功能，但当用户要求推荐具体品牌时，还可能参考独立评测、产品比较、用户评价和其他第三方资料。
这并不意味着原有的知识型内容没有价值。它可能帮助企业建立专业性，并让网站成为 AI 回答问题时的参考来源。问题在于，这些内容未必充分回答了用户在购买前最关心的问题。
因此，企业需要同时建设两类内容：一类帮助用户理解产品及其使用方式，另一类帮助用户比较选择、判断适用性，并了解不同方案之间的真实差异。
对于电商独立站，这通常意味着不能只发布产品知识和使用教程，还需要通过选购指南、产品比较、场景分析和充分的产品信息，帮助用户从了解问题走向选择产品。
2. AI 提取了有用的信息，却没有把信息与品牌联系起来
AI 在生成回答时，可能会利用网页中的特定段落，而不是完整地呈现整篇文章。
假设一家品牌发布了一篇关于户外面料耐候性的文章。其中一个段落准确解释了不同材料在阳光、雨水和温度变化下的表现，却没有说明作者是谁，也没有将相关观点与品牌的实际经验联系起来。
AI 可能利用这一段落回答用户的问题，但生成的回答只保留了知识内容，并未在正文中明确提及品牌。
这并不意味着只要在段落中添加品牌名称，就一定能够改变 AI 的回答。我们也不能仅凭最终答案，准确推断系统内部究竟如何选择内容和组织品牌信息。
但从内容设计的角度看，有一个可以主动改善的问题：当某段内容被单独阅读、引用或摘取时，读者是否仍然能够理解它的来源、适用范围和依据？
对于需要专业经验支撑的内容，可以使用真实的作者署名、相关资历、必要的审核信息和清楚的来源说明。在介绍自有产品时，也可以在适当的位置明确产品名称、具体特点和适用条件，而不是让重要信息与品牌身份完全脱离。
Google 的内容质量指导同样建议，在适当的页面中清楚说明内容由谁创建，并让读者能够进一步了解作者背景。不过，这属于提升内容透明度与可信度的实践，并不意味着作者署名本身就能保证 AI 推荐品牌。
3. 你的品牌缺少第三方信息支持
品牌官网通常是产品规格、功能说明、使用方法和保修政策的重要来源。但用户在比较品牌时，还可能参考专业媒体、独立评测、零售平台和消费者讨论。
这些来源提供的信息并不相同。
官网可以准确说明产品采用了什么材料、具有什么功能、尺寸是多少，以及有哪些使用限制。第三方评测和真实用户反馈，则可能提供实际使用体验、产品之间的差异，以及某款产品是否适合特定人群的证据。
当 AI 需要回答“哪几个品牌值得购买”时，这些不同类型的信息可能共同影响回答内容。
例如，一家销售户外家具的独立站拥有完整的产品规格和保养指南，但几乎没有独立评测、真实使用案例或可靠的外部产品比较信息。
AI 可能能够利用官网解释某种材料的特性，却未必有充分的公开信息来判断该品牌的具体产品是否值得推荐。
这不代表所有 AI 平台都依赖相同的第三方来源，也不意味着品牌必须通过大量外链来获得推荐。更合理的判断是：当消费者进行产品比较时，企业是否在官网和相关第三方渠道中提供了足够准确、具体且可信的信息？
如果品牌缺少这些信息，或者不同网站上的产品规格和品牌描述相互矛盾，就值得优先检查。
4. 你的内容没有回答用户真正的购买问题
内容策略经常从关键词研究开始，企业会优先选择搜索量较高的主题，例如“什么是户外遮阳帘”“如何选择人体工学椅”或“不同咖啡机有什么区别”。
这些选题可以吸引处于研究阶段的用户，但真正准备购买的人，往往会提出更具体的问题：
- 哪款产品更适合我的使用场景？
- 两个型号之间有哪些实质差异？
- 价格更高的产品究竟多提供了什么价值？
- 哪些功能值得付费，哪些可能并不需要？
- 产品有哪些限制，是否符合我的尺寸、兼容性或安装条件？
如果网站只解释产品类别，却没有充分回答这些问题，AI 即使能够引用网站，也未必能从中获得足够的信息来推荐具体品牌。
这并不意味着每篇文章都要加入产品促销内容。相反，内容应该根据用户的问题承担不同任务：知识型内容负责解释，比较型内容负责帮助判断，产品页面则负责清楚呈现产品事实、适用范围和购买条件。
当这些内容形成完整的体系时，品牌就更有机会在用户从研究到选择的过程中被考虑，而不只是作为解释某个知识点的信息来源。
三、如何判断自己的品牌属于哪一种情况？
在开始优化之前，企业需要先弄清楚问题究竟出在哪里。
如果品牌没有出现在 AI 回答中，原因可能是内容与用户问题不匹配，也可能是品牌缺乏相关的外部信息，或者产品本身没有被纳入当前问题的候选范围。不同原因需要不同的解决方法。
因此，不建议一看到品牌提及率低，就立即增加文章数量或开展外链建设。更有效的方式是先建立一套能够区分问题类型的审查方法。
1. 分别记录引用、品牌提及与品牌推荐
首先，选取一组具有代表性的客户问题，而不是随意输入几个 Prompt 就判断品牌的 AI 可见性。
对于电商独立站，可以根据产品类别、使用场景和购买阶段来设计问题。例如：
- 信息型问题：“户外家具使用哪种材料更耐候？”
- 比较型问题：“铝制户外家具和实木家具有什么区别？”
- 场景型问题：“适合长期暴露在阳光和雨水中的户外家具有哪些？”
- 购买型问题：“哪些品牌提供适合小型庭院的户外家具？”
随后，在目标 AI 平台上记录每个问题的回答，分别检查网站内容是否被引用、品牌是否被提及，以及品牌是否作为购买候选被推荐。
建议同时记录引用链接、回答上下文、提及的竞争品牌和推荐理由。仅仅记录一个品牌出现或未出现的结果，很难解释问题出在哪里。
2. 对比信息型问题与购买型问题的表现
如果品牌在信息型问题中经常被引用，却很少出现在比较型或购买型问题中，就值得检查网站是否缺少购买决策相关的信息。
例如，网站可能有大量关于材料、功能和使用方法的文章，却缺少清晰的产品对比、适用场景说明、价格差异解释和真实使用体验。
如果品牌在信息型和购买型问题中都很少出现，则需要进一步检查品牌是否具备相关的内容基础、产品信息是否充分，以及公开网络中是否存在可信的品牌资料。
这些判断都需要谨慎。某个品牌在少量 Prompt 中没有出现，并不能直接证明内容存在缺陷，也不能证明竞争对手因为某种特定优化手段而获得了推荐。
AI 回答具有波动性，测试样本也会影响结果。因此，审查的目的不是寻找一个能够解释所有结果的单一原因，而是识别值得进一步调查的差距。
3. 检查 AI 引用的页面究竟提供了什么价值
如果你发现 AI 经常引用某篇文章，可以进一步分析它被引用的原因是否与页面本身的内容特点有关。
这篇文章是否提供了清晰的事实、具体的解释、独特的研究结果，或者其他页面不容易找到的信息？它是否回答了用户问题中的关键部分？
然后再检查：页面是否清楚说明了内容来源？如果涉及自有产品，是否提供了准确的产品信息？如果文章涉及某种选择，是否解释了适用条件与限制？
这里需要避免一个常见误区：不能仅凭某篇文章被引用，就断定它已经建立了品牌权威；也不能仅凭没有品牌提及，就认定文章缺少品牌信息。
引用与提及之间的差距是一个诊断信号。只有结合页面内容、问题类型和外部信息，才能更合理地判断下一步应该优化什么。
四、如何缩小 AI 引用与品牌推荐之间的差距？
完成初步审查之后，才是制定优化方案的时候。
这里的目标不是让每篇文章都出现品牌名称，更不是让 AI 在每个回答中都推荐自己的产品。真正需要做的是，让品牌在相关的购买场景中拥有准确、充分、可信的信息，并确保网站内容能够回答用户实际关心的问题。
1. 从知识型内容扩展到购买决策内容
如果网站的优势集中在知识解释，却缺少产品比较和购买指导，首先应该补足这一部分。
例如，一家销售人体工学椅的独立站已经发布了多篇关于腰部支撑、座椅高度和坐姿的文章。它可以继续完善这些知识内容，但也应该考虑用户在购买前还需要了解什么。
不同型号的调节范围有什么区别？哪些产品适合长时间办公？身高不同的用户应该关注哪些尺寸？较高的价格是否对应更丰富的调节功能？哪些使用需求并不需要购买高端型号？
这些问题可以由产品对比文章、选购指南、产品页面和 FAQ 共同回答。
产品对比文章不应只是将自家产品放在第一位，而应该提供明确的比较依据。选购指南也不应只是不断强调某个品牌的优势，而应该帮助读者判断什么样的产品适合自己的需求。
这种内容策略有两个作用：一方面，它能让网站覆盖更多与实际购买有关的问题；另一方面，它能让用户在了解产品类别之后，更容易找到判断具体产品是否适合自己的信息。
需要强调的是，增加购买决策内容并不意味着信息型文章已经失去价值。两者承担不同任务，应该根据客户需求建立联系，而不是互相替代。
2. 让品牌身份与产品事实清楚、自然地关联
内容被单独引用时，品牌是否容易被识别，也是值得检查的方面。
对于独立站，可以从以下几个位置着手：
- 作者与品牌信息： 专业文章应有清楚的作者或审核者信息，必要时介绍相关经验和专业背景。
- 产品名称与规格： 产品页面应明确呈现品牌、型号、关键参数和适用条件。
- 内容中的事实依据： 涉及材料、性能、兼容性和使用限制时，应提供准确、可核实的信息。
- 产品与知识内容的关联： 当某款产品确实适合文章讨论的场景时，可以自然地链接到相关产品页面，并解释这种关联的依据。
例如，一篇文章介绍如何为小型庭院选择户外家具，可以解释不同家具的尺寸、材料和维护要求。如果网站确实有符合这些条件的产品，就可以在相关段落中介绍具体型号，并说明它适合什么场景、有哪些限制。
这样的关联能够帮助读者从知识内容进入产品研究，同时也让网站的信息结构更加清楚。
但不建议为了提高品牌提及率，在每个段落中重复品牌名称，或在与产品无关的知识文章中强行植入产品。这不仅会损害阅读体验，也没有可靠依据证明这种做法能够直接提高 AI 推荐概率。
3. 检查第三方信息是否支持品牌的专业性与产品价值
如果官网已经提供完整的产品资料，但品牌在购买型问题中仍然很少被提及，就可以进一步研究相关第三方来源。
首先观察目标 AI 平台在回答同类问题时经常引用哪些网站。这些来源可能包括专业媒体、独立评测、产品比较网站、零售平台和消费者讨论。
然后检查这些来源是否提及你的品牌，以及其中的产品信息是否准确。
如果某个重要评测网站已经覆盖了你的产品类别，却完全没有提及你的品牌，可以进一步研究它的选品标准和内容范围，判断是否存在合适的合作或投稿机会。
如果第三方网站已经提及品牌，但产品规格、价格或使用条件不准确，就应该优先核实相关信息，并在适当的情况下联系网站进行更正。
如果消费者反馈反复指出某项产品问题，则需要判断这是个别体验、信息误解，还是产品本身确实存在需要改进的地方。
这里的关键不是追求尽可能多的外链或品牌提及，而是让品牌在与目标客户相关的信息环境中拥有真实、准确、可核实的资料。
第三方评测和用户评价也不应被当作可以操控的 SEO 资源。企业应追求真实的产品体验和公正的信息呈现，而不是购买虚假评价、制造不真实的推荐或要求评测者隐藏产品缺点。
4. 提高产品页面的信息完整度，而不只是优化文章
对于电商独立站，产品页面往往是品牌信息最重要的落点之一。
如果 AI 或用户从外部文章了解到一个品牌，最终仍需要通过产品页面判断产品是否符合自己的要求。如果页面只有宣传语和几张产品图片，却没有充分说明规格、适用条件、限制和购买政策，品牌就很难通过页面本身提供完整的决策信息。
建议重点检查：
- 产品名称、型号、尺寸和关键参数是否明确。
- 产品功能是否有具体解释，而不只是使用“高性能”“优质”之类的笼统描述。
- 产品适合什么场景、哪些用户可能不适合，是否说得清楚。
- 不同型号之间的真实差异是否容易比较。
- 材料、兼容性、安装要求、保修及退换政策是否准确。
- 客户评价是否真实、具体，并能帮助消费者理解实际使用体验。
结构化数据也值得检查。例如，在符合适用条件时，使用正确的 Product、Offer、Review 或 Organization 等结构化数据，可以帮助搜索引擎更清楚地理解页面中的产品和组织信息。
不过，结构化数据并不能保证网页一定获得富媒体结果，也不能保证 AI 一定引用或推荐品牌。它应当与准确的页面内容、清晰的网站结构和可靠的产品信息配合使用。
5. 不要把内容优化变成单纯的 AI SEO 技巧
AI 搜索可见性受到关注之后，市场上出现了各种优化建议，包括增加特定格式的问答、重复品牌名称、添加大量 FAQ，或者为了获得引用而刻意改写内容结构。
这些做法是否有价值，取决于它们是否真正改善了信息表达和用户体验，而不能仅仅因为某个工具或案例声称有效就照搬。
如果用户确实需要一份清晰的产品比较表，那么增加比较表是合理的；如果页面中的规格信息不完整，那么补充规格是必要的。但如果某项改动没有明确的用户需求或信息缺口作为依据，就不应该仅仅为了迎合 AI 搜索而实施。
更值得持续投入的工作，是提供准确的产品事实、清晰的作者与品牌信息、真实的客户体验，以及能够支持比较和选择的内容。
这些基础工作并不保证品牌一定会获得 AI 推荐，但它们能够改善网站本身的信息质量，也更有利于用户做出购买判断。
五、如何衡量优化是否真正有效？
如果企业希望缩小内容引用与品牌推荐之间的差距，就需要建立一套能够区分不同结果的衡量方式。
只统计 AI 引用次数是不够的，因为它无法说明品牌是否在回答正文中获得了曝光，也无法判断这种曝光是否与网站访问和销售有关。
建议至少区分以下几个指标：
| 指标 | 主要回答的问题 |
|---|---|
| 内容引用率 | AI 是否引用了网站内容？ |
| 品牌提及率 | AI 是否在回答正文中提到品牌？ |
| 品牌推荐情况 | 品牌是否在具体的购买场景中成为候选？ |
| 引用与提及的重合情况 | 内容被引用时，品牌是否也被明确提及？ |
| AI 引荐访问 | AI 搜索是否带来了可识别的网站访问？ |
| 电商转化表现 | 相关访问是否产生了产品浏览、加购、订单或销售额？ |
这些指标应该分别观察，而不是简单地合并成一个分数。
例如，如果引用率较高，但品牌提及率较低，就可以优先检查内容被引用的主题、品牌身份是否清楚，以及这些文章是否主要承担知识解释任务。
如果品牌提及率较高，但推荐情况不理想，就应该进一步研究品牌在什么情境下被提及、是否存在负面或中性的描述，以及产品是否适合相关问题中的使用条件。
如果品牌被推荐，但没有产生明显的引荐访问，也不能立即认定推荐没有价值。用户可能在 AI 平台中完成了部分研究，却没有点击链接；品牌曝光还可能影响后续的品牌搜索或直接访问。这些间接影响并不容易被准确归因，需要结合实际数据谨慎判断。
建立一套可重复的测试方法
为了避免因为测试问题不同而误判趋势，建议企业建立一组相对稳定的核心问题。
例如，可以按照主要产品类别、典型使用场景、比较需求和购买意图，将问题分成几个组别。每次测试尽量保持问题表达、平台和记录方式一致，同时记录测试日期。
在一定周期内重复测试，可以帮助团队观察品牌提及和引用的变化。不过，AI 回答具有波动性，测试结果不能直接等同于真实用户的全部体验。
此外，应将 AI 搜索数据与网站分析工具中的可识别引荐流量、产品浏览、加购、订单和销售额结合起来。如果条件允许，还可以观察品牌搜索量的变化，并考虑季节性、促销活动和其他营销渠道的影响。
最终的目标不是证明某个 AI SEO 改动一定带来了增长，而是建立更可靠的判断依据，了解哪些问题值得进一步研究、哪些内容需要改进，以及这些工作是否与实际业务目标相关。
六、从 AI 可见性到品牌增长：建立持续改进的工作流程
AI 搜索中的品牌可见性，不是一次性完成的技术任务，而是需要持续观察和改进的内容与品牌工作。
对于独立站团队，可以建立以下工作流程：
识别差距 → 分析原因 → 验证假设 → 改进内容 → 观察结果
第一步，选择与核心产品和购买场景相关的问题，分别记录内容引用、品牌提及和品牌推荐情况。
第二步，检查表现差距最明显的主题。判断问题可能来自内容类型、产品信息、品牌身份、第三方资料，还是产品本身与用户需求不匹配。
第三步，结合网站内容、客户反馈、产品评价和公开资料验证原因，不要直接把相关性当作因果关系。
第四步，根据发现的问题选择改进方式。例如，补充产品比较、完善产品页面、修正不一致的公开资料，或者进一步了解客户为什么更倾向于竞争产品。
第五步，在相对稳定的测试条件下，定期复查品牌提及、引用和推荐之间的差距，并结合网站访问和电商转化数据，判断哪些改进值得继续投入。
这一流程不需要一开始就覆盖所有产品、所有 AI 平台和所有可能的问题。更合理的做法，是先从一个核心产品类别和一组有代表性的购买问题开始，建立基线，再逐步扩大分析范围。
对资源有限的独立站团队来说，优先处理已经被引用、却很少带来品牌提及的高价值页面，往往比从零开始大量生产新内容更值得尝试。但这仍然需要通过实际测试判断，而不是预先认定现有内容一定具有更高的优化价值。
七、行动建议：从一次 AI 可见性审查开始
如果你希望将这套方法应用到自己的网站，可以先完成一次范围有限、但能够产生明确行动的审查。
建议选择一个重要产品类别，围绕用户研究、产品比较和购买选择设计 15–20 个问题，并在目标 AI 平台中记录回答。对每个问题，分别记录以下信息：
- 是否引用了品牌官网或其他自有内容？
- 回答正文是否提及品牌名称？
- 品牌是否被列入推荐或比较名单？
- AI 引用了哪些第三方来源？
- 回答中的产品信息是否准确？
- 网站现有内容是否充分回答了用户的问题？
完成第一轮记录后，不要急于优化所有页面。先找出最明显的差距，再选择少量页面进行深入检查。
例如，如果一篇产品指南已经多次被引用，但品牌提及很少，可以检查文章是否清楚解释了信息来源、产品适用条件和品牌相关的实际经验。如果某个产品类别很少进入购买推荐，则可以进一步研究该类别的比较内容、产品规格和第三方信息是否充分。
接下来，选择一项最有依据的改进措施，并记录修改前的状态。经过一段时间后，在尽可能一致的测试条件下重新检查相关问题，同时观察网站流量、产品浏览、加购和订单表现。
需要注意，15–20 个问题只是适合初步审查的起点，并不是能够得出统计学结论的固定样本量。AI 回答本身存在波动，任何改进都不应仅凭一次测试就被认定有效。
如果某项调整没有带来预期变化，也不意味着它完全没有价值。你可能需要重新检查问题类型、目标客户、内容质量或第三方信息，而不是不断重复同一种优化方式。
真正有意义的审查，不是证明 AI SEO 的某个技巧有效，而是帮助团队逐步弄清楚：品牌在哪些场景中已经获得信息引用，在哪些场景中仍然缺乏认知，以及下一步最值得解决的问题是什么。
让内容被使用，也让品牌被理解
AI 搜索中的品牌可见性，不能只用引用次数或提及次数来衡量。
当 AI 引用企业的内容，却没有在回答中提及品牌时，这并不意味着内容没有价值。它可能已经帮助用户理解问题，成为 AI 回答的重要信息来源。真正需要关注的是，这种内容价值是否进一步与品牌身份、产品信息和购买决策建立了联系。
对于电商独立站而言，解决这一问题不只是增加品牌名称、修改文章结构或追求更多外链，而是需要重新审视整个内容体系：知识型内容是否足够准确，产品页面是否充分支持购买判断，第三方信息是否可信且一致，以及用户在比较和选择产品时，是否能够找到有关品牌的充分依据。
同时，企业也需要接受一个现实：AI 是否引用或推荐品牌，并不完全由网站控制。平台机制、用户问题、信息来源和回答上下文都会影响结果。任何优化措施都不应被包装成保证推荐的公式。
值得追求的不是让 AI 在每个回答中都提到品牌，而是让品牌在真正相关的购买场景中，有充分、准确、可信的信息支持。
当企业既能提供值得引用的内容，又能清楚地呈现品牌身份、产品差异和实际价值时，内容与品牌之间的联系才有机会变得更加完整。
对于营销团队来说，下一步可以从一个简单的问题开始：那些已经被 AI 引用的页面，是否也帮助用户理解了为什么应该考虑你的品牌？
如果答案是否定的，就值得进一步调查其中的差距，而不是仅仅追求更多引用。