AI推薦車型時在引用誰？

AI在回答汽車相關問題時，究竟會引用哪些資訊來源？一份最新的研究報告指出，這類AI推薦車型的信源高度集中於汽車垂直媒體，而非綜合性網站或社群平台。根據艾瑞諮詢發布的數據，在AI回答汽車問題時，信源引用率排名前20的平台中，汽車垂直媒體就佔了高達77.0%，顯示出這類平台在AI模型訓練與即時回答中所扮演的關鍵角色。進一步觀察這20個平台可以發現，頭部集中現象非常明顯。排名靠前的幾家汽車垂直媒體，與其後的平台之間存在顯著的量級差距。換句話說，AI在回答多數車型問題時，會優先且頻繁地調用這些頭部媒體的內容，而其他類型的平台則相對被邊緣化。

這意味著，使用者在AI中獲得的車型資訊，很大程度上是由少數幾家汽車垂直媒體所定義的。然而，集中並不代表統一。研究報告指出，五個主流AI平台在信源偏好上呈現明顯差異，甚至同一平台在PC端與行動端（APP）也可能採用不同的引用策略。有些平台高度集中於單一信源，該信源對所有問題回答的貢獻率接近99%，幾乎每則回覆都會引用到它；而有些平台則相對分散，短影片類信源的貢獻率甚至超過了部分汽車垂直媒體，顯示出AI平台對不同內容形式的取捨。值得注意的是，不同平台之間的差異不僅體現在信源類型上，也反映在PC端與APP端的策略區隔。

研究發現，特定AI平台的PC端與APP端，其各自的頭部信源並不相同，這意味著同一家AI公司可能針對不同使用場景或設備，調整了後端調用內容的權重。這種動態調整，讓使用者即使在同一公司旗下，也可能獲得來自不同來源的車型資訊。為了更精準衡量AI引用信源的實際影響力，報告特別區分了「引用率」與「貢獻率」兩個概念。引用率反映的是信源被AI調取的頻次與觸達強度，也就是說，某個平台被AI「提起」的次數有多少；而貢獻率則衡量該信源能夠覆蓋多少用戶問題場景，即它是否能在不同類型的問題中都提供有效資訊。兩者放在一起看，可以幫助識別單純刷量所帶來的數據泡沫。

舉例來說，一個平台可能因為被大量重複調用而擁有很高的引用率，但如果它的內容只能回答少數特定領域的問題，貢獻率就會相對偏低。反之，另一個平台也許引用率不高，但卻能在多種車型、配置、價格等問題中提供關鍵資訊，貢獻率就會更高。對消費者而言，這項發現具有實際意義。當使用AI來查詢車型推薦、性能數據或比較時，所得到的答案其實背後隱藏著一整套由少數平台決定的資訊篩選機制。如果這些平台本身存在偏見或資訊不完整，AI的推薦結果也可能受到影響。對汽車產業來說，這也意味著垂類媒體在數位時代的影響力依然強大，甚至因為AI的引用而進一步放大。

品牌與車廠在進行行銷溝通時，除了傳統的媒體合作，也需考慮如何讓自己的產品資訊出現在這些被AI高頻引用的信源中。研究同時提醒，隨著AI技術持續演進，信源選擇的邏輯可能還會發生變化。目前頭部集中的現象，未來是否會因為多模態資料、即時爬蟲技術或政策監管而鬆動，仍值得持續觀察。而對於AI開發者而言，如何確保信源的多樣性與公正性，避免過度依賴少數內容供應商，也將成為提升回答品質的關鍵課題。總體而言，AI推薦車型時的信源引用，呈現出高度集中但平台間差異鮮明的特徵。使用者若要更全面掌握車型資訊，或許可以交叉比對不同AI平台的回答，或直接參考原始信源，以避免落入單一資訊管道所帶來的認知偏誤。