文/刀客doc

一

品牌做GEO的主戰場已經從新聞網站、問答圖文社區，逐漸偏向YouTube。

從目前來看，GEO的引用來源做一個簡單的劃分有幾類：

第一類是權威資料，比如百科、政府與科研站點，外加各類標準文檔、白皮書、產品說明書。

第二類是經驗社區，Reddit、Quora、StackOverflow 這類以問答、討論串為單位的內容池。

第三類是視頻類內容：YouTube 、TikTok這一類，一些拆箱、橫測視頻、教程等等。

第四類是新聞媒體：主流媒體、行業媒體、公司公告、財報解讀、監管與政策報道。

第五類是電商內容：電商詳情頁、評測站、論壇測評、App Store/Google Play 評論、地圖與點評。

近段時間，一些公司的數據指出，YouTube的引用得到明顯提升。

根據 SEO 公司 BrightEdge 的數據，YouTube 現在已經是大語言模型（LLM）的核心內容源之一：在 29.5% 的 Google AI 概覽中，都會引用到 YouTube 的內容；像 Gemini、ChatGPT 這樣的工具使用 YouTube 的頻率，已經高於 Reddit。

另一個做 GEO 的供應商提到，今年 1 月，在被各大 LLM 調用作為信息來源的頻次上，YouTube 已經超過了 Reddit。

還有一家為某頭部品牌提供 GEO 服務的機構發現，就這家客戶所在的細分品類而言，Google 的 AI 概覽中，將 YouTube 作為主要信息源的比例已經接近 60%。

各個機構的統計口徑不一，比如對高度監管的行業（比如醫療、金融）以及很多 B2B 領域，權威站點和專業機構仍然佔據主導，YouTube 的影響更多體現在怎麼做、怎麼買這一類決策環節，而不是所有問題的起點。

不過，有個事兒是基本確定的，YouTube在GEO理的重要性，目前來看是逐步上升的。

二

2025 年的一項基於 Semrush 關鍵詞樣本的研究統計了大模型回答裏的來源引用，Reddit 在被分析樣本里大約佔到40% 左右的引用份額，排在最前面。Wikipedia 大約 26% 左右，後面纔是其他來源。

當然，這可能是由於2024 年 Reddit 與 Google 簽了每年 6000 萬美元的內容授權協議，用於 AI 訓練與相關用途；隨後 Reddit 也與 OpenAI 達成類似的數據合作。

在 GEO 這件事兒上，Reddit 確實很重要。它的特點是活人感。模型需要人話、需要真實使用情境、需要多視角爭論時，Reddit 往往比任何媒體評測、品牌官網都更重要。

Reddit上的標題往往就是自然語言提問，下面是一串具體情境：預算、地區、替代方案、失敗經歷、情緒反應。對大模型來說，這比傳統網頁更像可直接拿來回答的樣本，因為它天然貼着用戶提問的語義走。

再疊加 Reddit 的投票排序機制（高讚靠前）和樓中樓對質，它等於把同一問題的多種答案做了一個粗糙但有效的羣體篩選。

模型喜歡這種既有多視角，又有用戶人羣評審的數據，可以用來判斷哪段話更像共識、哪段話可能是極端個案。

更關鍵的是這個社區有不少長尾內容。

在Reddit ，一些細碎、生活化、非主流的問題，也容易在某個小圈子裏被認真討論。很多品類的決策關鍵句，可能在某個帖子的三樓：用了一周哪裏不爽、哪個型號在北方冬天會出問題、某個品牌售後怎麼扯皮、同價位有沒有更穩的替代。

對 GEO 來說，這些句子價值極高，總之Reddit有經驗密度很高的語料。

不過，在GEO上，Reddit的不足也同樣源於他的活人感，也就是噪音和偏見。

因為活人感太重，用戶的情緒、立場、身份認同、品牌站隊經常蓋過事實討論。

用戶在上面看到的是經驗、觀點、情緒、梗、互噴。大模型要把它變成可引用的答案，就必須投入更多過濾成本，平台方一旦在質量和安全上收緊，Reddit 會首當其衝。

還有個問題是，Reddit在做GEO的時候，可控性差。對品牌而言，Reddit 的內容生產權在社區用戶。品牌可以參與討論，但你無法像運營自有內容那樣系統鋪設問題空間，更無法保證討論方向不跑偏，甚至在很多內容裏，商業身份天然不受歡迎，稍有營銷味就會被羣嘲、被刪除、被封禁。

對 GEO 來說，這意味着 Reddit 能放大口碑，也能放大負面，而且往往不可預測。

三

還有個問題，為什麼短視頻、音頻播客。

大模型為什麼更「愛喫」YouTube、而不是短視頻和播客，本質不是「視頻更流行」，而是YouTube把內容加工成了機器最省事的那種形態：能檢索、能切片、能對齊問題、還能較低風險地引用。

你看一組很扎眼的數據就明白了：BrightEdge 監測了 2024 年 5 月到 2025 年 9 月之間，Google 的 AI Overviews / AI Mode、ChatGPT、Perplexity 這些產品在答案裏引用視頻內容的情況。

YouTube平均拿走約 20% 的引用份額，在 Google AI Overviews 裏更是29.5% 的結果會引用 YouTube，並且「被引用次數」大約是其它視頻平台的200 倍；對照組裏，Vimeo、TikTok 這種平台的引用佔比只有0.1%左右，Twitch、Dailymotion 甚至基本不出現。

短視頻平台內容的核心能力是情緒和節奏，鏡頭碎切、強依賴BGM與畫面反轉。對人類來說這是爽點；對模型來說，這是噪音。

因為模型真正能穩定喫到的，一般還是是文本層。大部分短視頻的問題就在於，畫面大於文本：文本的作用是配合畫面。

很多短視頻的內容是片段化的，缺少可索引的長文本。大模型從一個 20～60 秒的字幕裏拼一個完整回答，它得跨很多條視頻去拼接，比起直接拿一條 10～20 分鐘的YouTube文字稿，成本高太多。

另外，播客的問題更微妙：播客裏有大量高質量信息，甚至比 YouTube密度更高，不過它在機器側的最大障礙是——文本化和結構化不統一。

YouTube的視頻天然帶一個可抓取的全文：自動轉寫。哪怕裏頭有口頭語、聽寫錯誤，但對機器來說已經足夠形成一份帶時間戳的粗加工文稿，方便按主題切片、對齊問題，再從中挑出可以引用的句子。

播客則長期缺這套工業化包裝：Apple Podcasts雖然從 iOS 17.4 開始提供自動轉寫，並且在 2025 年說已轉寫超過 1 億期節目，但它也明確了語言與系統版本等條件，並且這份轉寫主要服務於 Apple 自己的App體驗，生態外部並不一定可用、可索引。

Spotify 也有轉寫，但同樣強調，轉寫並不是對所有創作者都開放，並且與不同託管平台的同步能力有限，還可能被自動轉寫覆蓋。

這會導致一個現實：播客文本的穩定性有時候也不高。

大模型想引用一段播客觀點時，常常拿不到穩定的可引用文本片段。當然，即便拿到了，定位、對齊、驗證也更難。於是它更願意引用那種——天然就是文本、天然有章節、天然可切片的來源。YouTube恰好滿足了。

四

應該這麼說，對大模型來說，YouTube贏在了對機器友好的工業化標準上。

所謂的GEO ，其實是讓大模型在回答問題時更容易撈到品牌的內容，這個和之前基於搜索引擎的優化SEO在目標上是一致的。

如果把大模型擬人化，GEO就是一個只看好讀文本的挑剔讀者。

這個讀者不喜歡噪音多、沒有重點的內容，更喜歡別人提前幫它分好段、打好標籤、寫好小標題的材料，還偏愛那種一篇內容解決一個問題的結構。

機器先看的是結構。YouTube的內容長得都差不多：有標題、有簡介、有標籤，有時還有清晰的時間軸和章節。標題往往就是一個問題或主題，簡介相當於摘要和補充說明，標籤和分類是現成的語義標記，章節和時間點把一條長視頻切成若干段。

加上自動生成的文字稿，一條 10～20 分鐘的視頻對大模型來說，就是一篇格式統一、已經分好段的長文。模型通過讀標題判斷大類，掃一遍文字稿理解在講什麼，再用章節時間點去對齊不同話題片段。

YouTube 的主流內容類型，比如評測、橫評、教程、拆解、開箱，這些天然是一個問題和一段完整回答的形態，而且一條視頻的文字稿往往能抽出一整串可以直接引用的句子。

對大模型和 GEO 來說，YouTube 在模型友好度上，已經站定了一個很好的生態位。

當然，這套偏好本身也有明顯的副作用。

一方面，YouTube 的推薦和創作環境，會把內容一步步推向更AI友好的方向上，比如結構要清楚、邏輯要順、關鍵詞要齊、章節要分好。

這對品牌的現實影響是：為了讓大模型更容易引用品牌，內容可能要變得更規矩、更像說明書；但越規矩，也越容易犧牲一部分鋒芒和個性。

GEO 友好的內容，並不總是最有記憶點、最打動人的那種表達，這兩件事本身就有些矛盾。

所以，今天的數據看起來是 YouTube 在走高，可能也只是一個階段性的事實。

大模型的引用邏輯、平台之間的數據合作、監管和輿論風向，隨時可能改變權重。畢竟AI行業的發展太快了。

誰都沒有永久頭牌的資格。品牌做GEO 真正需要的，是在多源信息棧裏建立冗餘和彈性。同一套關鍵信息，在權威資料、社區討論、長視頻、電商與評測頁面裏，都有可以被機器撈到的版本。

即便某一層權重被調低，整體的可被引用性也不會塌方。

這樣做，比單純過度偏向一個平台，要安全得多。