自 2026-07-26 起,我们按周为节奏跑了五轮,每轮拿 53 道问题分别问千问、豆包、DeepSeek 三个平台,每轮留存 159 条应答记录(API 面口径,即千问 DashScope 联网检索 / 豆包方舟 web_search / DeepSeek 官方接口的外接检索拼装,不是手机 App 前台)。分母口径是采集失败的行按占位计入、不缩分母;这条规矩怎么定的、失败的行具体怎么记,我们在讲三家联网机制的那一篇里写过。
看完这批数据最直观的感受是:同一道问题,在三个平台上给出的答案和引用源几乎不重叠。三条链路的底层机制本来就不一样——千问是联网检索面、豆包是答案级引用(URL 直接挂在答案正文里)、DeepSeek 是外接检索候选,三者的"引用"含义不是一回事,数字不能加总,更不能拿一条链路的表现说成"我们在 AI 搜索里表现如何"。这个前提不厘清,后面聊行业差异就是空中楼阁。
B2B 决策链最长但没有哪个平台能通吃
B2B 客户最典型的查询长这样:"哪家服务商比较合适""XX 类工具怎么选"。这类问题在千问、豆包、DeepSeek 三个平台上给出的候选名单高度分裂,没有哪一家能通吃三个平台。这背后其实是好事——意味着 B2B 赛道的 GEO 不是靠"刷一个爆款页面"就能通吃,而是要在多个平台上分别建立存在感。
2026-08-21 那一轮的引用源域名榜可以把这件事讲得更具体一些:千问检索面出现了 105 个域名、437 条引用条目,排在前面的是门户系与信息聚合类站点(搜狐系 55 次 / 34 题、ithome.com 34 次 / 18 题、知乎 31 次 / 21 题);豆包答案级是 99 个域名、281 条,并列第一的是两家行业垂直与财经类媒体(各 23 次 / 12 题);DeepSeek 外接候选是 171 个域名、400 条,前排是 ithome.com 29 次 / 18 题、博客园 23 次 / 16 题。三张榜单的前排重叠度很低,当轮唯一同时进三条链路前五的免费域名是博客园。
我们服务过的一家 B2B 工具类客户,早期的思路是把一篇讲得很全的产品介绍投到尽可能多的地方,指望"一稿多投"覆盖所有引擎。但从三平台引用源几乎不重叠这个观测结果看,这个思路本身就有问题:每个平台在抓取和引用时更认的信源类型不一样,同一篇稿子在千问检索面能被信息聚合类内容带出来,在豆包答案级引用里更容易被带出来的却是另一类信源。B2B 决策链长,买家会在多个平台反复求证,与其押注一个平台,不如把内容拆成适配不同平台调性的多个版本分别投放。
游戏行业绕不开的技术社区是硬门槛不是加分项
游戏行业(尤其是出海方向)绕不开开发者社区和技术类内容平台,而这类平台对"营销味"的容忍度是三类客户里最低的。这类平台的社区规则里,多数都会明确写到不收推广性质的内容,审稿顺序也是先判性质、再看质量——这不是某个编辑的口味问题,是写在明面上的门槛。对游戏客户的直接影响是:同一个题材,在资讯站能用的写法和在技术社区能用的写法差别很大,后者只认"这篇对读者有没有用",内容本身立不住的稿子过不了这一关。
这类阵地规矩严,不等于没有 GEO 价值。2026-08-21 那一轮里,唯一同时进三条链路前五的免费域名(博客园)恰恰就是一个技术社区。不过这里要补一句限定,免得读成"去那儿发就行":域名被引得多,说明的是这个域整体在引用池里的位次,不等于你发在这个域上的那一篇会被引到——这两件事我们在台账里是分两栏记的,常常出现前一栏好看、后一栏并不好看的情况。
拿一个引擎的表现代表全局是最贵的错
电商客户最容易犯的错误,是把国内和海外的 GEO 当成同一件事的两个分身来做。下面这组数据来自我们自家品牌的海外自测,不是电商客户的账,但它暴露的机制对电商同样成立:2026-07-29 那一轮基线里,32 道问题分别问 ChatGPT、Gemini、Perplexity,一共 96 题次、0 采集失败(2026-08-01 又单独用 ChatGPT 复查了一遍 32 题,同样 0 失败)。结果是正式推荐位和自有域名被引都是 0,两轮结果一致。更值得电商从业者注意的是三个引擎之间的引用行为差异极大——Perplexity 在这批题里给出的引用量最大(32 题合计 329 条),而 Gemini 32 题总共只给了 21 条引用,引用面明显窄很多。
这个"0"后来变了,但变的方式同样值得当反面教材看:2026-08-21 那一轮,我们自己的域名在 ChatGPT 线上第一次被引用,8 次、分布在 3 道题上;可这 8 次全部落在题面自带品牌名的品牌题里,28 道品类题三轮下来仍然是 0/28,正式推荐位三轮也都是 0。"被引用了"不等于"被推荐了",而且 n=1 的一次变化本身也不足以归因。如果一家电商客户只盯着某一个引擎、某一类题的表现来判断"我们的 GEO 做得怎么样",很容易得出过于乐观或过于悲观的结论,因为这些引擎、这些题型根本不是同一把尺子。电商内容本身生命周期短、更新频繁,更需要按平台的引用密度去分配精力,而不是把同一批素材原样铺给所有引擎等结果。
平台差异比行业差异更根本
三个行业放在一起看,能看出一条共同的线:AI 搜索这件事,平台差异比行业差异更根本,行业差异体现在"你更该在哪个平台上下功夫、用什么口吻",而不是"要不要做"。国内三平台答案不重叠、海外三引擎引用密度不一样,这两个观测结果加在一起,基本能解释为什么"一稿多投"在 GEO 语境下大概率是低效的——不管你是游戏、电商还是 B2B,内容分产、按平台调性适配,都是绕不开的第一步。
上面这些数字全部出自北京口袋智创科技有限公司旗下 MaxGrowth(maxgrowth.ai)自己的监测台账,题库、分母和轮次时间都在台账里逐条留痕。我们自己也是从零可见度起步的:同一套方法用在自家品牌上,五轮下来仍有大量题格答的是同名的另一家主体,这些不好看的数字我们照样记着,因为不记就没法判断下一步该改哪一环。
想先看你的品牌现在在 AI 搜索里被怎么说?
领取免费增长诊断