一、各平台引用结果差异巨大的底层原因 新榜智汇一份覆盖 4400 万 + 信源记录的监测项目，追踪 6 大主流 AI 平台、11 个细分行业，历时四个月。监测结果显示，不同 AI 平台之间引用信源重合度并不高。一份内容在 A 平台高频出现，在另一个平台很可能完全不召回。 百分点科技联合发布的 GEO 趋势报告也提到，通义千问对知乎、什么值得买这类 UGC 内容参考较多；豆包、文心一言对于近 30 天新增内容抓取灵敏度很高，短期新内容参考占比超过 60%。 二、国内主流 AI 平台引用特征（小样本实测 + 第三方监测） 豆包：支持展示完整来源 URL，内容社区来源占比 22.3%。深度绑定抖音本地生活、电商生态，对本地化地域信息敏感度高，月活 3.45 亿，属于国内体量最大 AI 原生应用。 文心一言：返回结果不展示原始 URL，仅显示媒体、文章标题，社区类内容引用占比突出，对近期新增内容抓取能力强。 通义千问：来源信息需要手动展开面板查看，倾向引用知乎、什么值得买等平台内容；深度打通阿里全域商业生态。 Kimi：高频引用站点和通义千问、元宝存在部分重合。 DeepSeek：月活 1.27 亿，用户月人均使用 41.7 次，用户深度使用特征明显。 以上为外部观测总结，并非平台官方公开文档，算法策略会迭代变动。 三、信源分析带来的实操启示：拒绝盲目铺量 不少企业做内容分发，简单粗暴执行 “全部平台全部发一遍”。但信源监测告诉我们，不同平台偏爱不同类型信源，盲目批量铺稿只会白白消耗预算。 更加务实的落地步骤可以分为四步： 第一，信源审计。批量模拟真实用户提问，记录各个 AI 平台回答是否提及品牌、引用哪些来源、事实描述是否有错。先摸清自身现状，再谈优化。 第二，竞品对标。挑选 3‑5 家直接竞品，用同一套提问清单做对照测试，观察竞品在哪些业务场景稳定出现，依靠哪类信源支撑。 第三，差异化布局。顺着平台偏好调整内容投放。比如通义千问重视知乎内容，就强化知乎端事实类内容；豆包重视本地化信息，重点打磨地域相关企业素材。 第四，持续监测迭代。AI 平台检索规则一直在迭代。部分服务商提供 7×24 小时监测看板，可视化展示品牌在 AI 生态曝光、推荐度、信源权重变化，依靠智能 Agent 跟进算法更新，动态调整内容策略。 四、容易被忽视：企业官网信源引用率正在上涨 早些年 AI 引用素材大量来自自媒体、问答社区。多家第三方抽样监测显示，企业官网被大模型引用的占比，已经从 15.06% 提升至 24.66%。（抽样统计结果，样本不同数值会浮动） 但前提条件是官网内容完成语义结构化。如果页面只是堆砌营销文案，即便权重再高，也很难成为模型采信素材。官网依旧是企业 GEO 建设的核心阵地。 五、面向品牌方的几条落地建议 不要只盯着单一 AI 平台，一个平台表现良好不等于全域 AI 生态完成布局； 重视知乎等结构化高权重信源的建设； GEO 不是一次性项目，建立常态化监测，才能对冲大模型算法迭代带来的效果波动。
分享文章