Skip to main navigation Skip to main content Skip to page footer
Deutsch English Français 中文
首页 / 博客 / Blog Details

为什么知识中心对B2B如此重要

大语言模型的技术根基可以追溯到近十年前——2017年谷歌发布的 Transformer 架构，但真正的爆发要等到2020年 GPT-3 问世。2022年11月 ChatGPT 发布，仅两个月后就被宣布为史上增长最快的消费级产品。

steffi展示B2B知识中心仪表盘，旁边是带有来源引用的AI回答、DE/EN/FR/ZH四种语言以及带放大镜的网页；effie用链接图标指向知识中心

为什么知识中心在B2B领域日益重要

背景：大语言模型与信息搜索行为的转变

几个月后，即2023年，如今主导市场的各大语言模型之间的竞争正式拉开帷幕；到了2024年，人工智能几乎渗透到我们数字环境的每一个角落：搜索引擎、电子邮件、即时通讯工具以及智能手机上的各类日常工具。

然而，人工智能不仅融入了我们的互动和信息系统，也融入了我们的日常生活习惯。根据路透社新闻研究所的研究（Simon et al., 2025），在一项覆盖六个国家的调查中，2025年曾使用过生成式AI系统的人群比例在短短一年内从40%上升至61%，每周使用率几乎翻了一番，从18%增至34%。此外，信息搜索已成为这类工具最主要的使用场景：以此为目的的每周使用率从11%增至24%，超过了内容创作。

大语言模型的出现并没有完全取代传统搜索引擎，但改变了用户搜索和筛选信息的方式。这一点在B2B领域尤为重要。

根据Ahrefs的数据（Stox, 2026），ChatGPT约65%的使用量来自过去本会在搜索引擎中进行的查询，相当于ChatGPT中每次此类查询约对应8.33次谷歌搜索。换言之，ChatGPT已处理了相当于谷歌约12%的搜索量。不过，谷歌的使用量并未同比例下降（搜索引擎与大语言模型的总搜索量都在增长）；真正改变的是各类工具所扮演的角色。

Semrush对美国500多名B2B专业人士开展的调查（Loktionova, 2026）显示，66%的受访者经常使用AI研究产品、供应商和解决方案，另有29%偶尔使用。但如前所述，AI并没有取代搜索引擎：75%的受访者在寻找供应商时仍会使用谷歌或其他搜索引擎。改变的是顺序：41%的人先使用AI，再通过搜索引擎核实结果；而仅有35%的人先使用搜索引擎，再借助AI进行总结或比较。Gartner（2026）从销售角度也观察到了同样的模式，我们将在后文中详细说明。那么，这些信息为什么与知识中心息息相关？

同一项Semrush调查（Loktionova, 2026）表明，买家并不会仅仅因为大语言模型提到了某家供应商就将其纳入考虑。品牌能否被纳入考虑，关键在于大语言模型的回答是否契合具体的应用场景。值得注意的是，品牌被提及并不是流程的终点：当AI提到某家供应商时，71%的买家会访问其网站，63%会在谷歌上搜索该供应商。因此，企业网站仅仅在回答中被提及或被列为引用来源是不够的。关键在于，这一回答能否在被引用的网站上得到印证，以及该网站能否满足引发这次搜索的实际需求。

信任悖论：AI是信息来源，而非真相来源

B2B买家会从大语言模型获取信息，但不会立即将其视为绝对真理。这种既使用模型、又对其保持怀疑的双重行为，解释了为什么知识中心已成为一项战略性资产，尤其是在B2B领域。

根据Gartner于2026年5月发布的调查（Gartner, 2026），69%的B2B买家更倾向于通过销售代表来验证AI生成的结论。与此同时，70%的买家表示更偏好自助式体验。TrustRadius（2026）从技术采购者的角度证实了这一模式：在其2026年1月的调查中（涉及1,862名买家和444家供应商），63%的买家在采购过程中使用过AI，但其中94%至少会偶尔核实AI给出的答案。在核实时，他们首先会使用搜索引擎（19%），其次是AI本身引用的来源（11%），最后是官方或可信来源（7%）（TrustRadius, 无日期）。因此，让买家能够获取推进采购旅程所需的详细信息至关重要——从评估产品和方案一直到最终购买。而这正是知识中心发挥作用的地方。

什么是知识中心？

知识中心是网站的内容支柱，其主要功能是解答目标受众围绕产品提出的问题，而不是推销产品。它将买家用来理解某一主题、评估某一解决方案或厘清某一具体问题时所查阅的资源，整合在统一的架构之下。知识中心的常见形式包括：

  • 常见问题（FAQ）：以用户实际提问的方式，直接回答相关问题。
  • 术语表：对行业、产品以及企业自身的关键术语进行定义——例如我们自己的术语表。
  • 技术指南：说明产品如何运作、具备哪些特性以及有何独特优势。
  • 产品对比与应用案例：可验证的内容，帮助用户判断产品是否适合其具体应用场景。

决定知识中心的不是形式，而是内容本身：知识中心始终按主题进行组织和分类，每个核心主题都可以配有进一步深化或补充内容的“卫星页面”。与博客文章或新闻稿不同，这些内容不会被替换，而是根据需要持续更新。知识中心也有别于产品页或应用页，因为它的作用恰恰是用事实和信息为这些页面的内容提供支撑。

大语言模型为什么会引用知识中心？

大语言模型引用某个页面有多方面原因：它能够找到这个页面，并且判断其内容有助于回答用户的问题、契合用户的意图。而知识中心在结构上恰恰就是为此而构建的。要理解其中的原理，需要先明白网站被大语言模型引用意味着什么：引用表明AI将该网站视为可信的知识来源——可信到足以把用户引导过去（AirOps, 无日期）。

大语言模型回答一个查询总共要经过五个步骤（AirOps, 无日期），其中有三个步骤在这里尤为关键：

  • 理解：模型解读问题，并判断能否依靠训练数据作答，还是需要进行有针对性的网络搜索。
  • 检索：模型从其索引或实时网络搜索中获取内容与问题相关的候选页面。
  • 评估与筛选：根据相关性、来源权威性和结构清晰度对页面进行排序。

知识中心的各类形式在这一过程中的不同环节发挥作用：

  • 例如，术语表以简短、独立完整的段落回应定义类意图（“XY是什么？”）——这是最容易被提取的内容形式。
  • 常见问题模拟了提问的形式，因此与第一步中对查询的理解高度契合。
  • 技术指南、应用案例和产品对比则提供了深度和权威性，这在第三步中至关重要，因为模型需要在此评估和筛选信息，并以此作为回答的依据。

为什么知识中心应成为B2B领域的最佳实践？

在B2B领域，采购不是单人决策，而是涉及多个利益相关方，且每个流程中各方提出的问题往往差异很大；此外，调研周期较长，涉及的信息来源也十分多样。Semrush在其面向B2B的答案引擎优化（AEO）指南中就是这样阐述的（Lindley, 2026）。

多个利益相关方，不同的问题：Semrush（Lindley, 2026）指出，一个典型的采购决策团队中最多可有六类角色，例如：技术评估人员关注集成、需求和实施；安全与合规审核人员关注认证和数据处理；财务负责人关注价格、总成本和投资回报等。因此，可以预见每类角色都会得到不同的AI回答。通过有策略地整合知识中心（尤其是在网站内建立良好的信息架构），可以回答这些利益相关方可能提出的每一个问题。

周期漫长：根据6sense的报告（2025，转引自Lindley, 2026），B2B买家完成一次采购平均需要10.1个月，而候选名单在调研初期就已形成。如果决策需要数月之久，而每次查询时引用来源又会重新选取，那么关键就不在于出现一次，而在于在整个周期内始终以准确的信息稳定出现。这需要持久且始终保持更新的内容——而知识中心正是最理想的内容形式。

知识中心：验证之地

AI向用户呈现“调研报告”，而知识中心则印证其准确性。如果94%的买家会核实从AI获得的答案（TrustRadius, 2026），那么当他们想要求证时，会在网站上看到什么？

他们首先寻找的是一致性。如果被引用的页面能详细印证相关表述，买家对供应商的信任就会增强。如果页面不存在、内容过时或数据不完整，买家不会认为是AI出了错，而会认为该供应商不可靠，或与其需求无关。知识中心正是确保模型回答与网站实际内容相一致、并符合用户期望的手段。

AI系统目前是否已将您的内容作为来源引用——以及竞争对手占据了哪些位置——一份aiva分析即可清晰呈现。

Gartner（2026）还指出，买家乐于自主获取信息。知识中心可以简化这一过程，因为它有潜力提供所需的全部资料：按行业划分的应用案例、技术要求、技术说明以及客观公正的对比。

总而言之：大语言模型中的引用决定了哪家B2B制造商能进入候选名单，而知识中心的内容则决定它能否留在名单上。

想了解您的内容是否已被AI回答引用，以及适合贵公司的知识中心应该是什么样子吗？

➡️ 下载aiva分析示例（PDF）
➡️ 面向决策者与AI系统的内容
➡️ 了解更多AEO与GEO

对知识中心有疑问，或希望获得专属分析？
➡️ 立即索取报价

参考文献

Back