渥合數位 › 文章 › 被 ChatGPT 引用不代表被 Gemini 引用：三份研究的重疊率都不到兩成

被 ChatGPT 引用不代表被 Gemini 引用：三份研究的重疊率都不到兩成

2026年9月13日SEO/GEO/AIO 優化· Howshin Wang

深藍底橫條圖：三條長度不一的藍色長條分別標示 Writesonic 11.9%、MentionBird 12.7%、搜霸 SEOBAR 17.8%，左側標題為「被 ChatGPT 引用不代表被 Gemini 引用」

TL;DR

三份獨立研究分別量到 ChatGPT 與 Gemini 的引用來源重疊率為 11.9%、12.7% 與 17.8%，樣本規模相差三個數量級，結論一致
兩個引擎對同一個問題各自產生一份名單，被其中一個引用不代表會被另一個引用
Gemini 確實比 ChatGPT 更常去查資料，但落差集中在特定問題類型，並非全面
同一個「ChatGPT 引用率」指標，用 API 量到 79.8%、用消費者介面量到個位數，兩者不能互相推論
判讀任何 AI 能見度數字之前，先確認它測的是哪個引擎、哪種介面、哪一類問題

引言

把品牌名丟進 ChatGPT，看它有沒有提到自己，這是多數人檢查 AI 能見度的方式。問題在於這個動作只測了一個引擎。

2026 年下半有三份規模與方法都不同的研究，各自測量了同一件事：ChatGPT 與 Gemini 回答同一個問題時，引用的來源有多少是重疊的。三份的答案落在同一個區間，而那個區間比多數人預期的低很多。

三份研究的數字：11.9%、12.7% 與 17.8%

研究	重疊率	樣本	取樣方式
Writesonic（2026-07）	11.9%	88,969 組提問	四個引擎，以 Jaccard 相似度計算
MentionBird（2026-09）	12.7%	517 題、17 週、70,596 則回答	使用 API 模型
搜霸 SEOBAR（2026-09）	17.8%	36 題、216 次取樣	台灣問句，未登入的消費者網頁介面

三者都以「兩個引擎都引用過的網域數，除以兩者引用過的全部網域數」計算，口徑一致。樣本規模從 216 次到近九萬組提問，相差三個數量級，結果卻收斂在 12% 到 18% 之間。

Writesonic 那份另外指出，所有被引用的網域中有 72% 到 73% 只出現在單一引擎；四個引擎都引用的比例僅 3.8%。搜霸那份的樣本較小且限定台灣問句，候選網域的母體本來就窄，重疊率偏高並不意外——台灣談 SEO 的網站數量有限，兩個引擎撞在一起的機會自然比全球樣本高。

重疊率偏低的原因：兩份名單而非一份排名

搜尋引擎時代的心智模型是一份排名：大家搶同一個位置，名次有高低，但清單是同一份。三份研究指向的結構不同——兩個引擎各自產生一份名單，彼此交集不到兩成。

Writesonic 的結論寫得直接：沒有任何一組引擎組合，能讓「在其中一個被引用」可靠地預測「在另一個也被引用」。這句話對經營者的意思是，在 ChatGPT 上查到自己被提及，並不能推論 Gemini 那邊的情況，反過來也一樣。

這與另一個已知現象疊在一起會更麻煩：AI 回答本身帶有隨機性，同一個問題連問數次，名單就會換一批。相隔 28 天重測的實測顯示，前次被推薦的店家只有約三成仍在名單上。單次、單引擎的檢查同時承受兩種變異，得到的結論相當脆弱。

查資料的比例：Gemini 高於 ChatGPT，但看問題類型

「Gemini 比較常去查資料」這個說法在三份研究裡都成立。MentionBird 量到 ChatGPT 在 79.8% 的回答中引用了頁面，Gemini 是 99.8%；每則回答的來源數是 6.21 對 11.36。

搜霸那份把問句分成三組，結果顯示落差並非全面，而是集中在特定類型：

問句類型	ChatGPT	Gemini
推薦型（找可委託的對象）	96.3%	92.6%
知識型（詢問操作方式）	3.7%	59.3%
比較型（詢問差異與取捨）	3.7%	74.1%

問「有沒有推薦的公司」時兩個引擎行為幾乎一致，都會去查——使用者要的是具體名單，模型內部知識提供不了可驗證的業者資訊。問「canonical 標籤設錯會怎樣」時兩者分道揚鑣：Gemini 多半仍會列出來源，ChatGPT 多半直接以既有知識作答。

對內容配置的影響是不對稱的。教學型內容在 Gemini 有明確的引用路徑，在 ChatGPT 幾乎進不了那則回答。

API 與消費者介面：同一個指標的兩種答案

前一節的兩組數字放在一起會看到矛盾：MentionBird 說 ChatGPT 有 79.8% 的回答帶來源，搜霸說知識型問句只有 3.7%。差距二十倍。

兩邊都沒有測錯，差異來自測法。MentionBird 使用 API 模型而非消費者應用程式，題目全部是商業意圖；搜霸使用未登入的網頁介面，題目涵蓋三種類型。把搜霸的推薦型單獨拿出來看是 96.3%，與 79.8% 屬於同一個量級——真正分歧的是商業意圖以外的問題，而那類問題不在 MentionBird 的樣本裡。

這對判讀市面上的 AI 能見度數字有直接影響。多數工具透過 API 取樣，因為那是唯一能穩定大量執行的方式，但 API 與消費者看到的介面是兩條管線，系統提示、檢索管線與個人化都不相同。工具報出來的數字描述的是 API 的行為，不必然是你的客戶打開 App 時看到的東西。

要比較不同來源的數字之前，至少要先確認三件事：測的是哪個引擎、哪種介面、哪一類問題。三者任一不同，數字就不可比。

對經營者的三項判斷

能見度要分引擎記錄。 重疊率不到兩成，代表單一引擎的觀測沒有代表性。要當經營指標就至少涵蓋兩個引擎，並分開記錄，不要合併成一個總分。

要分問題類型看。 同一個引擎在不同問句類型下的行為差很多。用品牌詞查到的結果，不能推論客戶用「有沒有推薦的公司」問時會看到什麼。

看數字之前先問它怎麼測的。 樣本數、引擎、介面、問題類型、取樣次數，任何一項沒交代的數字都難以判讀。願意寫清楚方法與限制的來源，比只給結論的來源可靠。

這三件事都不需要工具就能做，只是要固定條件、記錄下來、重複執行。單次查詢得到的是一個印象，不是一個指標。

參考來源

Do AI Engines Cite the Same Sources? A Study of 161,286 Prompts，Writesonic，2026 年 7 月
ChatGPT and Gemini Overlap on 12.7% of the Domains They Cite for the Same Question，MentionBird，2026 年 9 月
AI SEO/GEO 實測：ChatGPT 與 Gemini 引用來源重疊 17.8%，搜霸 SEOBAR，2026 年 9 月（原始資料以 CC BY 4.0 公開）

常見問題

被 ChatGPT 引用，Gemini 那邊也會引用嗎？

不一定。三份獨立研究分別量到兩者的來源重疊率為 11.9%、12.7% 與 17.8%，樣本規模相差三個數量級，結論一致。Writesonic 的研究明確指出，沒有任何一組引擎組合能讓「在其中一個被引用」可靠地預測「在另一個也被引用」。檢查 AI 能見度時，兩個引擎要分開記錄。

Gemini 真的比 ChatGPT 更常引用來源嗎？

整體上是。MentionBird 量到 ChatGPT 在 79.8% 的回答中引用頁面、Gemini 是 99.8%，每則回答的來源數為 6.21 對 11.36。但落差集中在特定問題類型：問「有沒有推薦的公司」時兩者都會查（96.3% 對 92.6%），問操作方式與觀念差異時才拉開（3.7% 對 59.3%）。

為什麼不同工具報出來的 AI 引用率差這麼多？

多半是測法不同。用 API 取樣與用消費者網頁介面取樣是兩條管線，系統提示、檢索管線與個人化都不相同；題目類型也會大幅影響結果。比較不同來源的數字前，先確認三件事：測的是哪個引擎、哪種介面、哪一類問題。任一項不同，數字就不可比。

那實務上該怎麼追蹤自己的 AI 能見度？

至少涵蓋兩個引擎並分開記錄，不要合併成一個總分；依問題類型分開觀察，品牌詞查到的結果不能推論客戶用「有沒有推薦的公司」問時會看到什麼；同一問句重複取樣數次，因為 AI 回答帶有隨機性。固定條件、記錄下來、重複執行，單次查詢得到的是印象不是指標。

看完文章想動手實作？