点评站与 AI 推荐：引擎引用哪些平台，评价又该怎样合规地收集

简答：点评站从两个方向影响 AI 推荐：引擎把它们当作信息来源来引用；引擎还会在回答里直接点名，让买家「去 Zocdoc 看评价」「在 Tripadvisor 上比一比」，而不是直接推荐某一家。在我们 2026 年 9 月对 5 个 AI 模型的基准测试里，酒店、餐厅、牙科这几个品类约三分之一的回答把买家引向目录站或点评站，而护肤品和项目管理软件几乎没有。所以「哪些点评站重要」取决于你的品类，但要做的事处处相同：在引擎针对你的买家问题真正引用的那些平台上，有主页、信息准确；按每个平台允许的方式，向所有顾客收集评价；永远不买、不筛、不造。各大平台都公布了自己的规则；在美国，FTC 关于评价的规则还让最恶劣的做法直接违法。

这篇指南写给想要一个实在答案的店主和营销人员：点评站与 AI 推荐（review sites and AI recommendations）之间到底怎么连起来，该做哪些平台、怎么做——依据是引擎实际引用了什么，以及平台自己允许什么。

• 本地品类里，点评站和 AI 推荐绑得最紧。酒店、餐厅、牙科被引向目录站的回答占比最高；软件和护肤最低。
• 被引用的平台因品类而异。酒店和餐厅以 Tripadvisor 为首，牙科是 Zocdoc，律师是 Avvo，家庭维修是 Angi，健身房是 ClassPass 和 Yelp。
• 买家会核实。BrightLocal 2026 年的调查里，用 AI 找本地推荐的人有 88% 会核实 AI 引用的评价；Yext 的调查里，看完 AI 回答就直接购买的只有 5%。
• 各平台规则不同。Google 和 Trustpilot 允许你邀请每一位顾客，但禁止奖励和挑人；Yelp 要求你根本不要索要评价；G2 允许小额奖励，前提是告知 G2、不以观点为条件、上限 100 美元。
• 准确比数量重要。主页完整、信息一致、真实评价持续进来，引擎和买家才用得上。

点评站是怎样进入 AI 推荐的

人们很容易把点评站看成众多输入中的一个。实际上，它们通过三条不同的路径进入 AI 回答，每条路径对应不同的工作。

路径一：作为来源被引用

引擎联网回答「南海滩适合带孩子的酒店」时，点评页和商家主页是天然的匹配：上面有店名、位置、价位，还有几十条第一手描述。引擎检索、阅读、引用它们。于是你在这个平台上的主页成了证据的一部分，主页上写了什么——类目、位置、照片、最近的评价、店主的回复——就是引擎拿去总结的内容。

路径二：被点名为「去哪里查」

很多回答根本不点名任何商家，而是教买家怎么选、去哪里看：「看看 Google 和 Zocdoc 上最近的评价」「在 Tripadvisor 上筛选家庭房」。我们的基准测试把这类回答记为「引向目录站」，在一些本地品类里非常常见。在这类回答里，推荐这件事被「外包」给了平台。如果你没在平台上，或者主页很单薄，买家照着建议去查的那一刻，你就是隐形的。

路径三：被吸收进引擎的认知

评分、评价片段和商家信息，也会经由搜索索引、地图数据、数据授权进入引擎，而不留下可见的引用。具体怎么走取决于平台和引擎，公开资料并不完整。一个清楚的信号来自 BrightLocal 的研究：其 CEO Myles Anderson 认为，ChatGPT 等 AI 工具看不到 Google 评价这座「围墙花园」里的内容，只存在于 Google 上的口碑对它们来说等于看不见；他建议「评价无处不在」，在顾客和 AI 模型实际会去的各个网站上都经营口碑。

引擎在点评页上能读到什么

不妨用检索系统的眼光看看你自己的主页：它就是一页要拿去和问题做匹配的文字。真正有信息量的部分是可以预见的：

• 顶部信息区：店名、类目、所在街区或服务范围、价位、营业时间。它决定这一页能不能匹配上「迈阿密海滩适合家庭的酒店」这种问题。
• 评分摘要：平均分和评价数量。买家先看这个，引擎也可能复述它。
• 评价正文：提到具体东西的句子，比如某道菜、某项治疗、修好的故障、等了多久。正是这些让页面能匹配具体问题，而不只是泛泛的问题。
• 店主回复：页面上属于你的文字，往往是唯一能在旧投诉旁边写出更正和最新事实的地方。
• 问答与属性：在支持的平台上，「无障碍通道」「可直接到店」这类简短的结构化事实。

其中大部分你只能间接影响——靠服务、靠向每位顾客发出邀请。顶部信息、属性和回复你能直接控制，而大多数主页恰恰在这几处做得不够。

抓取权限由平台决定，不由你决定

各点评平台自己设定爬虫规则，差别很大。以下是 2026-10-23 读取的情况：

由此有两点结论。第一，robots.txt 并不能决定一个平台会不会被引用：在我们的基准测试里，尽管 Yelp 的规则很严，yelp.com 仍在健身房品类被引 19 次、在房产经纪品类被引 6 次，主要来自 Perplexity——引擎显然能通过搜索索引等其他途径接触这些页面。第二，正因为各平台的开放程度不同，把口碑分散在几个平台上，可以对冲「某个平台对某个引擎不可见」的风险。这些文件经常变动，下结论前先看当前版本；我们的本地 GEO 指南对任何爬虫问题都是这样建议的。

哪些品类的 AI 推荐会把买家引向点评站

我们的基准测试给出了分品类的图景。2026-09-07，我们让 5 个 AI 模型各回答 12 个品类、每个品类 20 个买家问题（本地品类指定样本城市），记录每个回答是点名了具体商家，还是把买家引向目录站或点评站，或者两者都有。目录站、电商平台和点评站从不计为「被推荐的商家」。

分界很清楚。7 个本地品类里有 6 个，每 100 个回答中至少有 17 个把买家引向目录站或点评站；5 个商品与软件品类里，只有家具和宠物用品达到这个水平，而且常常是通过零售商或 Consumer Reports。酒店 99 个回答里有 32 个这样做，餐厅 98 个里 30 个，牙科 100 个里 29 个；项目管理软件 100 个回答一个都没有，护肤只有 1 个。

各品类引用了哪些平台

第二个视角是引用：引擎链接到了哪些点评和目录域名。本地品类里，通常是一个平台占绝对优势。

有几点要注意。这里列的是每个品类被引最多的 30 个域名，更小的平台没有列出。同样的问题换一个城市，可能偏向别的平台。另外，这份数据里没有一条被引链接是 Google 地图商家页或 Google 评价页，这和上面「围墙花园」的说法吻合：尽管买家非常依赖 Google 评价，引擎却没有链接到它们。

引擎之间也不一样

Grok 在 240 个回答中有 71 个把买家引向目录站，ChatGPT 45 个，Claude 39 个，Gemini 是 228 个中的 29 个，Perplexity 28 个。Perplexity 在正文里点名目录站最少，却大量把它们当作来源引用：酒店品类里，Tripadvisor 的 49 次被引中有 28 次来自 Perplexity。所以，一个引擎可能依赖某个点评站却不叫买家去，另一个引擎可能叫买家去却不引用它。两种行为奖励的是同一件事：在那个平台上有一个完整、准确、评价良好的主页。各品类的完整数据见每个行业页，例如酒店和牙科。

你的品类不在这 12 个里，怎么读这些数字

即便你的品类不在其中，这个规律也能给你一个起点假设。买家要选一个会当面打交道的服务方、事先难以判断质量、而且有成熟点评平台的品类（诊所、维修、酒店餐饮、专业服务），表现和我们的本地品类相似：很多回答把选择「外包」给点评站。买家按参数比较商品、或者厂商发布了大量对比内容的品类（软件、化妆品、很多消费品），表现和我们的商品品类相似：回答要么直接点名品牌，要么指向媒体。家具和宠物用品介于两者之间，分别有 98 个回答中的 27 个、100 个回答中的 23 个指向目录站或点评站，常常是零售商或 Consumer Reports。把这当作需要用你自己的问题去检验的假设，而不是结论。

买家拿到 AI 推荐和评价之后会做什么

AI 回答很少是最后一步。两份独立的 2026 年调查描述了接下来发生的事，而两者都指回评价。

BrightLocal：AI 已是主流的本地工具，而且人们会核实

BrightLocal 对 1,002 名美国成年人的代表性样本调查发现：用 AI 工具找本地商家推荐的比例，从 2025 年的 6% 升到 45%，AI 成为第三常用的本地推荐渠道，仅次于 Google 和 Facebook；使用 Google 评价的比例则从 83% 降到 71%。在 455 名用 AI 找过本地推荐的受访者里，88% 会核实 AI 引用的评价，97% 有时会拿真实评价复核 AI 的推荐。过去一年里，31% 的人用 ChatGPT 找商家推荐，23% 用 Google AI Mode。

Yext：看完回答直接下单的人极少

Yext 2026 年调查了 3,848 名会搜索本地商家的成年人（自我报告，Yext 说明应视为方向性数据）：42.7% 在过去一个月用 AI 工具做过本地搜索，28% 在过去六个月因为 AI 推荐尝试了一家新的本地商家。它最有用的发现，是人们收到推荐之后做了什么。

两份调查合起来，描述的是一个循环：AI 缩小范围，买家再去核实——搜索、访问商家网站、点开被引来源、看评价。所以点评站要紧两次：一次是作为回答的输入，一次是买家确认回答的地方。一家在 AI 回答里被提到、但点评主页单薄或陈旧的商家，会在第二步输掉。

这对买家落地的那个页面意味着什么

把两份调查和基准测试放在一起，顺序就很清楚了：引擎点名你，或者把买家送到某个平台；买家接着搜索、访问你的网站、点开被引来源或者读评价。每一个落脚点都要讲同一个故事：同样的名称、同样的位置、同样的专长，最近的评价提到了买家问的那件事，回复显示问题会被解决。任何一处对不上——比如官网和点评主页上的营业时间不一样，或者置顶的差评抱怨的问题你一年前就解决了却没回复——都会在买家核实的那一刻让你失去他。这就是为什么下面的主页体检和回复，要排在「多要评价」之前。

你的品类该优先做哪些点评站

很少有商家能在每个平台上都做到最好。一个有依据、又简短的选择方法：

第一步：看引擎针对你的问题引用了哪些平台

把 20 到 30 个不含品牌名的买家问题，放到你的买家常用的引擎里跑一遍。导出被引链接，列出其中的点评和目录域名以及各自出现的次数，同时记下回答让买家去哪些平台查看。这就是你的证据清单，它通常和「你碰巧入驻了哪些平台」不是一回事。

第二步：补上买家常用的平台

引擎不是唯一的读者。买家会在自己信任的平台上核实，而各种调查一再显示，本地商家的这个清单排第一的是 Google 评价。尽管在我们的数据里，Google 之外的引擎没有引用 Google 的评价页，但 BrightLocal 发现大多数人会拿真实评价复核 AI 推荐，这让你的 Google 商家资料必不可少。

第三步：规划之前先查各平台规则

一个不允许你索要评价的平台（Yelp），和一个允许你邀请每位顾客的平台（Google、Trustpilot），需要不同的计划。规则见下一节。

按品类类型的起步地图

三十分钟做一次主页体检

在收集任何新评价之前，先把每个重点平台上已有的东西体检一遍。一份可以重复使用的清单：

1. 认领与验证。主页是不是由你认领、店主权限可用？每个门店是不是只有一个主页？重复主页会把评价拆散，买家和引擎都会被搞糊涂。
2. 顶部事实。名称和官网、招牌完全一致；类目正确；地址或服务范围；电话；网站链接指向正确页面；营业时间（包括节假日）。
3. 属性与服务。平台提供的每一个选项，只要符合实际都填上：无障碍、支付方式、服务项目、专长、接受的保险、服务语言等。
4. 照片。近期的外观、内景、产品或服务照片，让页面看起来是活的。
5. 评价健康度。最近一条评价的日期、近 90 天的评价数，以及近六个月里还没回复的评价。
6. 一致性。把顶部事实在各平台之间、以及和官网逐项对比。每一处不一致，都是引擎犹豫、买家怀疑的理由。

把结果记在一张表里，每个平台、每个门店一行。这些缺口就是你第一个月的工作，而且通常比新评价更要紧。

各平台允许你怎样索要评价

每个主要点评平台都公布了商家收集评价的规则。它们并不相同，把一个平台的做法照搬到另一个平台，可能导致评价被过滤，甚至主页被标记。

出处：Google 地图用户生成内容政策、Yelp 「不要索要评价」页面、Trustpilot 商家指南、G2 社区准则，均于 2026-10-23 读取。

美国的法律底线

平台规则之上还有法律。FTC 的《消费者评价与推荐使用规则》（16 CFR Part 465）规定，以下行为违规：商家撰写、制造或出售虚假评价；以评价表达特定倾向（好评或差评）为条件给予报酬或奖励；公司高管或经理发评价却不披露与公司的关系；用无根据的法律威胁、恐吓或不实指控压制评价。它也管你自己的网站：按评分或负面倾向屏蔽评价，却让人以为展示的是全部评价，同样违规。而向所有购买者普遍征集评价，不受「获取评价」相关条款约束——这就是为什么「对所有人、用同一种方式邀请」既是平台规则，也是法律上稳妥的做法。

平台怎么执行

执行是自动化、大规模的。Trustpilot 的《2025 信任报告》称，2024 年它移除了 450 万条虚假评价，占全部提交评价的 7.4%，其中 90% 由系统自动移除；当年共有超过 6,100 万条评价被写下。报告还说，被移除的虚假评价绝大多数是好评。Yelp 的帮助页面说，它的推荐软件可能不会推荐那些看起来是商家引导出来的评价。被过滤或被删除的评价，对买家和引擎都帮不上忙。

一套合规的评价收集流程

下面这套流程适用于 Google、Trustpilot 等允许邀请的平台。对 Yelp，跳过「邀请」的步骤，只做主页和回复。

1. 选定一个触发点，对所有人一视同仁

在客户旅程里选一个节点，比如送达两天后、就诊之后或结账时，凡是走到这一步的顾客都发邀请。Trustpilot 的指南描述的正是这一点：不管体验好坏，用同样的方式、在同一个节点邀请所有人。用订单或预约系统自动触发，是证明自己没有挑人的最简单办法。

2. 写一封中立的邀请

措辞不能暗示你期望的分数。两个模板（面向英文顾客时按英文写）：

Subject: How was your visit to [Business]?

Hi [first name],
Thanks for choosing [Business] on [date]. If you have a minute, we'd
value an honest review of your experience, good or bad:
[link to your profile on the platform]
It helps other people decide and helps us improve.
[Name], [role]

---
SMS: Thanks for visiting [Business]. We'd appreciate an honest review
of your experience: [short link]. Reply STOP to opt out.
（大意：感谢您某日光临。如果方便，欢迎就这次体验写一条真实的评价，好坏都可以；
它能帮助其他人做决定，也能帮我们改进。短信版：感谢光临，欢迎写一条真实评价，回复 STOP 退订。）

措辞里要避免：「如果您喜欢我们」「五星」，任何关于折扣、抽奖、谢礼的字眼，以及任何把不满意的顾客引到私下表单、把满意的顾客引到公开平台的分流设计。最后这种做法常被称为「评价筛选」（review gating），Google、Trustpilot 和 G2 都明令禁止。

3. 让评价容易写，但不要替顾客写

直接链接到平台上的评价表单。不要提供参考文案、星级或要点。顾客用自己的话写、带着对他们重要的细节，对下一位买家更有用，也带有引擎能抽取的具体信息：哪道菜、哪项治疗、哪间房、多久响应。

4. 每条评价都回复，差评尤其要回

回复是公开的、永久的，买家和引擎都会读。致谢，回应具体的点，说明做了什么改变，对没解决的问题给出直接联系方式。不要争辩，不要透露顾客的个人信息，也绝不要威胁评价者：FTC 规则把用无根据的法律威胁和恐吓来删除或阻止评价，明确列为违规。

一条差评，完整走一遍

假设你的主页上有一条评价说：预约好的时间被临时取消，也没人打电话通知。对评价者、对下一位买家、对读这个页面的引擎都管用的回复，有四个部分：承认、具体事实、做了什么改变、直接的解决渠道。

Thank you for telling us, and we're sorry. Your appointment on [date]
was cancelled because [brief, true reason], and we should have called
you. Since then we've [specific change, e.g. "added same-day text
alerts for any schedule change"]. If you'd like to rebook, please
contact [name] directly at [phone or email] and we'll prioritise it.
[Name], [role]
（大意：谢谢您告诉我们，非常抱歉。您某日的预约因为某个真实原因被取消，我们本该打电话通知。
此后我们已经做了某项具体改进，比如任何排班变动当天短信提醒。如需改约，请直接联系某人，我们会优先安排。）

它刻意避开的东西同样重要：不争论评价公不公平；不提顾客的私人信息；不以「改评价」为条件提供补偿（Google 政策明确把为修改或删除差评提供奖励列为虚假互动）；也不把同一段话复制到每条评价下面。如果评价确实是假的，比如对方根本不是顾客，就走平台的举报流程，而不是在公开回复里说；也不要在公开场合指责一个真实的人在撒谎。

5. 主页本身要保持准确

引擎读主页，和读评价一样认真：名称、类目、地址、服务范围、营业时间、价格、照片和商家介绍。一有变化就更新，并且在各平台之间保持一致。把买家送到一家已关门的门店，比没有推荐更糟。

6. G2 等 B2B 平台

用平台自己的活动工具。如果要给奖励，就按 G2 的准则来：奖励不能取决于评价观点，必须告知 G2 以便评价被标注，价值不超过 100 美元。邀请相关产品的所有活跃用户，而不是精挑细选的一批铁粉。

让评价对 AI 引擎更有用

在规则范围内，有几个选择能让你的点评主页对 AI 推荐更有用，又不改变顾客说什么。

新鲜度与稳定的节奏

一个两年前集中来了一批评价、之后就再没动静的主页，在会核实的买家眼里是陈旧的。靠一个自动、不挑人的触发点持续进来的评价，能让主页保持最新；这也是平台检测系统预期的真实评价节奏，而不是和刷评活动相关的那种突增。

具体的评价来自具体的问题

你不能告诉顾客写什么，但一句中立的提示可以引出细节：「您这次来是为了什么，结果怎么样？」是中立的，往往能引出提到具体服务的评价——而引擎正是拿这些去匹配「奥斯汀补裂牙的牙医」这类买家问题。

把店主回复当作结构化信息

在点评平台上，回复是少数几处你能用自己的话陈述事实的地方：现在周日也营业了、停车免费、评价者提到的问题已经解决。保持事实性、简短，并与官网一致。

从官网连向主页，而不是反过来

在官网上链接你的主要点评主页，并把它们放进 Organization 或 LocalBusiness 标记的 sameAs 列表，方便引擎把它们和同一个实体关联。不要把第三方评价搬到自己的页面上、再标记得像是自家的；在官网只挑选部分评价展示、却让人以为是全部，可能触碰上文提到的 FTC 关于压制评价的规定。关于那些你无法控制的来源，更完整的思路见我们的第三方佐证指南。

多门店的商家

对连锁和加盟品牌来说，关键单位是门店。引擎回答的是「Zilker 公园附近的牙医」，不是「牙科品牌」，被引用的通常是某个门店的主页。给每个门店一个已认领、信息完整的主页；按门店触发邀请，让每家店积累自己的评价历史；确保官网上的门店页和各自的点评主页完全一致。品牌层面的高分，帮不了一家只有寥寥几条旧评价的门店。

B2B 软件：G2、Capterra 及同类平台

在我们的数据里，软件买家很少被引向目录站，被引来源大多是厂商官网和对比类媒体，被引最多的域名里只有 capterra.com 一个点评平台。但点评平台对买家核实、以及对那些引用它们的对比文章依然重要。实际要点：类目归属和功能信息要准确，因为它们决定你出现在哪些对比里；活动通过平台自己的工具开展；邀请所有活跃用户，而不只是铁粉；如果在 G2 上给奖励，就遵守它关于披露、标注和 100 美元上限的规则。

平台上有你改不了的错误信息时

点评平台上的部分信息来自平台本身、用户建议的修改或数据合作方，而不是你。错误信息一直不改时，通过平台的「建议修改」或客服渠道提交证据，比如证明地址的水电账单或工商登记，并保留提交记录。同时，在官网上、必要时在店主回复里，把正确的事实写清楚，让引擎比对来源时，看到支持正确版本的来源比支持错误版本的更多。

点评站上不能做的事

作弊的诱惑显而易见，作弊的市场也很大。下面每一种做法，至少被一个平台禁止，多数还触碰 FTC 规则。

还有一个 AI 时代特有的理由。引擎和买家都越来越会挑剔地读点评主页；BrightLocal 发现 88% 的 AI 用户会核实被引用的评价，这意味着一个被操纵过的主页，很可能恰好在你最需要它经得起检验的时候被仔细查看。Trustpilot 主页上的消费者警示，或者一批被删除的评价，正是会被写进回答的那种细节。

如果你接手的是一段不光彩的历史

有些商家会发现，之前的代理或员工买过评价、做过筛选式调查，或者用员工账号发过评价。第一反应往往是悄悄删掉或「补」回来。更稳妥的顺序是：

1. 立即停止，并记录做过什么、什么时候、谁做的。
2. 不要用突然涌入的一大批新评价去掩盖；突增正是检测系统要找的东西。
3. 如果平台提供了举报或撤回你明知不真实的评价的渠道，就用它。
4. 用一个统一、不挑人的触发点重新开始收集，让主页按自然节奏恢复。
5. 如果做法可能触碰 FTC 规则或你所在地的类似规定，咨询法务。

评价少一些但都真实的主页，比一个可能被标记、甚至挂上消费者警示的主页更值钱；在 Trustpilot 上，消费者警示会隐藏 TrustScore，并关闭新评价。

怎样衡量点评站对 AI 推荐的作用

星级和评价数这类指标描述的是平台，不是回答。两者都要测，并通过你的问题集把它们连起来。

平台这一侧

• 每个重点平台的主页完整度和准确度，每月对照事实表检查一次。
• 每月新增评价数，以及收到邀请的顾客中留下评价的比例，用来判断触发点是不是覆盖了所有人。
• 评价回复率和回复时长中位数。
• 被过滤、删除或标记的评价数，作为早期预警。

回答这一侧

• 针对你的买家问题：每个点评平台被引用的频率，以及你在该平台的主页是否在被引页面之中。
• 回答把买家引向目录站的频率，以及买家照着建议去查时你会不会出现（在该平台上用同样的问题搜一搜）。
• 提及率，以及回答里关于你的描述是否准确：评分、位置、专长。

每月看板

接受缓慢、累积的变化

评价本来就积累得慢，引擎也按自己的节奏吸收变化。每月用同一套问题重跑，看一个季度的趋势，而不是单次结果。如果你所在品类被引用的平台变了（比如原来是点评站的位置换成了订房网站），就调整优先级清单，而不是平均用力。想了解 AI 发现如何整体改变小商家的流量，可以读AI 推荐如何重塑小商家流量；想长期追踪引擎针对你自己的问题引用了哪些点评平台，可以用我们的引用来源报告，按问题和引擎列出。

资料来源

• BrightLocal：Local Consumer Review Survey 2026 —— AI 与信任
• Yext：2026 Consumer Search Behaviors Report
• Google：地图用户生成内容政策（禁止和受限内容）
• Yelp：Don't Ask for Reviews
• Yelp：Content Guidelines（内容准则）
• Trustpilot：Guidelines for businesses（商家指南）
• Trustpilot：Trust Report 2025
• G2：Community Guidelines（社区准则）
• FTC：16 CFR Part 465《消费者评价与推荐使用规则》
• Yelp robots.txt、Tripadvisor robots.txt、Trustpilot robots.txt、G2 robots.txt（均于 2026-10-23 读取）
• InsightWonder 行业基准：12 个品类、5 个模型、每品类 20 个问题，2026-09-07 采集（第一方测量，方法见各行业页）