你花了很多時間在網站上發布高品質內容——產品頁、指南、案例研究、白皮書。但當你問 ChatGPT 一個關於你品牌的問題時，它的回答可能不完全準確，甚至可能遺漏了你的核心優勢。
問題不在於你寫得不夠多。問題在於：AI 模型對你品牌的認知，大部分來自別人對你的描述，而非你對自己的描述。
什麼是「參數權威」？
語言模型有兩種知識來源：
- 檢索式知識（retrieval）： 模型在回答時即時查找外部資料（如網路搜尋或知識庫）。
- 參數式知識（parametric）： 模型在預訓練過程中已經壓縮到權重中的知識——不需要查詢任何東西，模型就已經「知道」。
當模型回答「在我們已有的資料中……」時，它用的是參數式知識。這部分知識的來源，是預訓練語料庫中所有關於你品牌的文檔——而這些文檔絕大多數不是你自己寫的。
科學證據：越多樣化、越獨立，模型越準確
近期多項學術研究為這個觀點提供了堅實的證據：
Kandpal 等人（ICML 2023） 發現，模型對某一事實的準確度，與預訓練期間看到的相關文檔數量呈因果關係——不是相關性，是因果關係。他們還估計，模型需要數個數量級的擴展，才能對資訊薄弱的實體（long-tail entities）給出有競爭力的回答。換句話說，等待更大的模型不會解決你品牌在訓練資料中「存在感薄弱」的問題。
Mallen 等人 從另一個方向得出了相同結論：模型擅長處理訓練資料中充分覆蓋的實體，但在長尾實體上表現掙扎，而且擴展模型規模主要改善的是熱門端，長尾端幾乎沒有變化。
Allen-Zhu & Li 的研究對 GEO 從業者而言格外重要。他們發現，知識只有在預訓練期間以足夠多樣化的措辭出現時，才能被可靠提取。一個事實可以存在於模型內部，但在被提問時仍然返回 0% 的準確率——因為所有描述都太相似了。單一來源的重複無法替代多個獨立來源的多樣化描述。
你的內容在訓練資料中佔多少？
Elazar 等人 的「What’s In My Big Data」專案分析了訓練 C4 語料庫（Colossal Clean Crawled Corpus）的內容來源。C4 是許多流行模型的訓練資料之一，來源是 Common Crawl 的單次快照。
結果出乎意料：即使是 C4 中最常見的網域，在全部文檔中的佔比也低於 0.05%。 你的網站無論發布多少內容，在訓練資料中的份額都微不足道。
更進一步，Dodge 等人 發現 C4 中的網站並不代表網路上最受歡迎的網站——因為爬蟲尊重 robots.txt 而且不願過載伺服器，所以高流量網站往往被低估。而人們實際討論公司的地方——大型社群平台、評論網站、新聞媒體——正是爬蟲最難完整擷取的類型。
時間因素：大部分訓練資料比你想像的舊
C4 的來源快照取自 2019 年 4 月，Dodge 團隊抽樣了其中一百萬個 URL，用 Internet Archive 的最早索引日期推估文檔撰寫時間，發現 92% 的文檔寫於 2011 至 2019 年之間。而且分布是長尾的——有相當數量的材料寫於收集前的十到二十年。
Cheng 等人 的研究進一步指出，模型報告的「知識截止日期」和知識實際集中的時間往往有顯著差距——因為新的 Common Crawl 快照會攜帶一些舊材料，而且去重（deduplication）在處理語義相近的內容時會遇到困難。
實際後果： 模型對你品牌的認知，可能比它公布的截止日期還要老幾年。你現在在 AI 搜尋中被引用的基礎，是多年前建立的——那時候「GEO」這個類別甚至還不存在。
這對 GEO 策略意味著什麼？
1) 自產內容不等於參數權威
你的官網文章、部落格、產品說明——這些都是你自己寫的。它們對檢索式引用（retrieval-based citation）很重要，因為模型可以在回答時即時查找它們。但它們對參數式知識的貢獻有限，因為訓練資料中來自同一來源、同一措辭的重複，無法被模型有效利用。
2) 第三方描述才是真正的資產
新聞報導、分析師報告、客戶評論、社群討論、維基百科條目——這些來自獨立來源的描述，以多樣化的措辭進入訓練資料，才是參數權威的真正來源。而這些東西，你無法像發布部落格文章一樣按排程產出。
3) 一致性與多樣性需要平衡
你希望他人對你的描述足夠多樣化，讓模型能從不同角度理解你的品牌——但又不希望偏差太大，以至於模型對你的定位產生了混淆。這就是為什麼公關話術、品牌定位文件和媒體培訓如此重要：它們確保第三方在描述你時，用詞與你的核心定位一致。
4) 時間是無法繞過的變數
Freshpet 和 Duane Forrester 的文章都提出了一個誠實的結論：參數權威無法在一個季度內「建立」。它是數年累積的結果。但這不代表你現在什麼都不做——恰恰相反，你越早開始讓獨立來源以多樣化的措辭描述你的品牌，模型就越快「學到」關於你的知識。
給香港企業的務實建議
短期（1-3 個月）：
- 審視目前有哪些第三方來源正在描述你的品牌（媒體報導、評論網站、合作夥伴推薦）
- 確保這些描述的用詞與你的官方定位一致
- 在核心官網頁面上加入清晰、一致的品牌簡介（100-150 字），讓檢索式引用也有素材
中期（3-12 個月）：
- 主動爭取行業媒體的報導，而非只依賴廣告
- 鼓勵滿意的客戶在公開平台留下實名評論
- 與合作夥伴協調，確保他們在推薦你時使用正確的用詞與定位
長期（12 個月以上）：
- 將 GEO 的公關維度納入年度行銷計劃
- 建立每季度的「AI 品牌認知檢查」，記錄 ChatGPT、Perplexity、Gemini 對你品牌的描述是否準確
- 理解模型迭代的節奏——新模型訓練時，你過去兩年建立的第三方描述將一次過被壓縮到權重中
結語
「影響參數側」聽起來像是一個可分配的工作項目——「張三，你去影響一下參數權威。」但正如 Duane Forrester 所說，這四個字壓縮了數年、跨越多個部門、由數十個獨立來源完成的工作。真正的參數權威，不是你能「建立」的，而是你透過持續、一致的品牌表現，讓別人幫你「建立」的。
在 GEO 的世界裡，最好的內容策略不是「寫更多」，而是「讓更多人用正確的方式描述你」。