文 | 刀客 doc肇庆护角胶

01

做 GEO 的主战场已经从新闻网站、问答图文社区，逐渐偏向 YouTube。

从目前来看，GEO 的引用来源做个简单的划分有几类：

类是资料，比如百科、政府与科研站点，外加各类标准文档、白皮书、产品说明书。

二类是经验社区，Reddit、Quora、StackOverflow 这类以问答、讨论串为单位的内容池。

三类是类内容：YouTube 、TikTok 这类，些拆箱、横测、教程等等。

四类是新闻媒体：主流媒体、行业媒体、公司公告、财报解读、监管与政策报道。

五类是电商内容：电商详情页、评测站、论坛测评、App Store/Google Play 评论、地图与点评。

近段时间，些公司的数据指出，YouTube 的引用得到明显提升。

根据 SEO 公司 BrightEdge 的数据，YouTube 现在已经是大语言模型（LLM）的核心内容源之：在 29.5 的 Google AI 概览中，都会引用到 YouTube 的内容；像 Gemini、ChatGPT 这样的工具使用 YouTube 的频率，已经于 Reddit。

另个做 GEO 的供应商提到，今年 1 月，在被各大 LLM 调用作为信息来源的频次上，YouTube 已经过了 Reddit。

还有为某头部提供 GEO 服务的机构发现，就这客户所在的细分品类而言，Google 的 AI 概览中，将 YouTube 作为主要信息源的比例已经接近 60。

各个机构的统计口径不，比如对度监管的行业（比如医疗、金融）以及很多 B2B 域，站点和业机构仍然占据主，YouTube 的影响多体现在怎么做、怎么买这类决策环节，而不是所有问题的起点。

不过，有个事儿是基本确定的，YouTube 在 GEO 理的重要，目前来看是逐步上升的。

02

2025 年的项基于 Semrush 关键词样本的研究统计了大模型回答里的来源引用，Reddit 在被分析样本里大约占到   40 左右的引用份额，排在前面。Wikipedia 大约 26 左右，后面才是其他来源。  

当然，这可能是由于 2024 年 Reddit 与 Google 签了每年 6000 万美元的内容授权协议，用于 AI 训练与相关用途；随后 Reddit 也与 OpenAI 达成类似的数据作。

在 GEO 这件事儿上，Reddit 确实很重要。它的特点是活人感。模型需要人话、需要真实使用情境、需要多视角争论时，Reddit 往往比任何媒体评测、官网都重要。

Reddit 上的标题往往就是自然语言提问，下面是串具体情境：预、地区、替代案、失败经历、情绪反应。对大模型来说，这比传统网页像可直接拿来回答的样本，因为它贴着用户提问的语义走。

再叠加 Reddit 的投票排序机制（赞靠前）和楼中楼对质，它等于把同问题的多种答案做了个粗糙但有的群体筛选。

模型喜欢这种既有多视角肇庆护角胶，又有用户人群评审的数据，可以用来判断哪段话像共识、哪段话可能是端个案。

关键的是这个社区有不少长尾内容。

在 Reddit ，些细碎、生活化、非主流的问题，也容易在某个小圈子里被认真讨论。很多品类的决策关键句，可能在某个帖子的三楼：用了周哪里不爽、哪个型号在北冬天会出问题、某个售后怎么扯皮、同价位有没有稳的替代。

对 GEO 来说，这些句子价值，总之 Reddit 有经验密度很的语料。

不过，在 GEO 上，Reddit 的不足也同样源于他的活人感，也就是噪音和偏见。

因为活人感太重，用户的情绪、立场、身份认同、站队经常盖过事实讨论。

用户在上面看到的是经验、观点、情绪、梗、互喷。大模型要把它变成可引用的答案，就须投入多过滤成本，平台旦在质量和安全上收紧，Reddit 会当其冲。

还有个问题是，Reddit 在做 GEO 的时候，可控差。对而言，Reddit 的内容生产权在社区用户。可以参与讨论，但你法像运营自有内容那样系统铺设问题空间，法保证讨论向不跑偏，甚至在很多内容里，商业身份不受欢迎，稍有营销味就会被群嘲、被删除、被封禁。

对 GEO 来说，这意味着 Reddit 能放大口碑，也能放大负面，而且往往不可预测。

03

大模型为什么"吃" YouTube、而不是短和播客，本质不是"流行"，而是 YouTube 把内容加工成了机器省事的那种形态：能检索、能切片、能对齐问题、还能较低风险地引用。

你看组很扎眼的数据就明白了：BrightEdge 监测了 2024 年 5 月到 2025 年 9 月之间，Google 的 AI Overviews / AI Mode、ChatGPT、Perplexity 这些产品在答案里引用内容的情况。

YouTube 平均拿走约 20 的引用份额，在 Google AI Overviews 里是 29.5 的结果会引用 YouTube，并且"被引用次数"大约是其它平台的   200 倍；对照组里，Vimeo、TikTok 这种平台的引用占比只有   0.1   左右，Twitch、Dailymotion 甚至基本不出现。

短平台内容的核心能力是情绪和节奏，泡沫板橡塑板专用胶镜头碎切、强依赖 BGM 与画面反转。对人类来说这是爽点；对模型来说，这是噪音。

因为模型真正能稳定吃到的，般还是是文本层。大部分短的问题就在于，画面大于文本：文本的作用是配画面。

很多短的内容是片段化的，缺少可索引的长文本。大模型从个 20～60 秒的字幕里拼个完整回答，它得跨很多条去拼接，比起直接拿条 10～20 分钟的 YouTube 文字稿，成本太多。

另外，播客的问题微妙：播客里有大量质量信息，甚至比 YouTube 密度，不过它在机器侧的大障碍是——文本化和结构化不统。

YouTube 的带个可抓取的全文：自动转写。哪怕里头有口头语、听写错误，但对机器来说已经足够形成份带时间戳的粗加工文稿，便按主题切片、对齐问题，再从中挑出可以引用的句子。

播客则长期缺这套工业化包装：Apple Podcasts 虽然从 iOS 17.4 开始提供自动转写，并且在 2025 年说已转写过 1 亿期节目，但它也明确了语言与系统版本等条件，并且这份转写主要服务于 Apple 自己的 App 体验，生态外部并不定可用、可索引。

Spotify 也有转写，但同样强调，转写并不是对所有创作者都开放，并且与不同托管平台的同步能力有限，还可能被自动转写覆盖。

这会致个现实：播客文本的稳定有时候也不。

大模型想引用段播客观点时，常常拿不到稳定的可引用文本片段。当然，即便拿到了，定位、对齐、验证也难。于是它愿意引用那种——就是文本、有章节、可切片的来源。YouTube 恰好满足了。

04

应该这么说，对大模型来说，YouTube 赢在了对机器友好的工业化标准上。

所谓的 GEO ，其实是让大模型在回答问题时容易捞到的内容，这个和之前基于搜索引擎的优化 SEO 在目标上是致的。

如果把大模型拟人化，GEO 就是个只看好读文本的挑剔读者。

这个读者不喜欢噪音多、没有的内容，喜欢别人提前帮它分好段、好标签、写好小标题的材料，还偏那种篇内容解决个问题的结构。

机器先看的是结构。YouTube 的内容长得都差不多：有标题、有简介、有标签，有时还有清晰的时间轴和章节。标题往往就是个问题或主题，简介相当于摘要和补充说明，标签和分类是现成的语义标记，章节和时间点把条长切成若干段。

加上自动生成的文字稿，条 10～20 分钟的对大模型来说，就是篇格式统、已经分好段的长文。模型通过读标题判断大类，扫遍文字稿理解在讲什么，再用章节时间点去对齐不同话题片段。

YouTube 的主流内容类型，比如评测、横评、教程、拆解、开箱，这些是个问题和段完整回答的形态，而且条的文字稿往往能抽出整串可以直接引用的句子。

对大模型和 GEO 来说，YouTube 在模型友好度上，已经站定了个很好的生态位。

当然，这套偏好本身也有明显的作用。

面，YouTube 的荐和创作环境，会把内容步步向 AI 友好的向上，比如结构要清楚、逻辑要顺、关键词要齐、章节要分好。

这对的现实影响是：为了让大模型容易引用，内容可能要变得规矩、像说明书；但越规矩，也越容易牺牲部分锋芒和个。

GEO 友好的内容，并不总是有记忆点、动人的那种表达，这两件事本身就有些矛盾。

所以，今天的数据看起来是 YouTube 在走，可能也只是个阶段的事实。

大模型的引用逻辑、平台之间的数据作、监管和舆论风向，随时可能改变权重。毕竟 AI 行业的发展太快了。

奥力斯    万能胶生产厂家    联系人：王经理    手机：13903175735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

谁都没有头的资格。做 GEO 真正需要的，是在多源信息栈里建立冗余和弹。同套关键信息，在资料、社区讨论、长、电商与评测页面里，都有可以被机器捞到的版本。

即便某层权重被调低，整体的可被引用也不会塌。

这样做，比单纯过度偏向个平台，要安全得多。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》肇庆护角胶，以此来变相勒索商家索要赔偿的违法恶意行为。