先说身份：本文由大衍智联撰写。我们自己做 GEO 服务 —— 是做这件事的人，不是中立的第三方。 下面所有数字都来自我们自己的采集，样本量与口径随文标注； 其中包含对我们不利的部分（比如我们自己也还没做到）。
先说结论
很多人的问题是："我的品牌怎么才能出现在 AI 的回答里？"
这个问题本身有个隐含假设 —— 认为"AI 的资料来源"是一个池子，挤进去就行。
我们把四家 AI 网页版回答 GEO 类问题时引用的来源两两算了一遍重合度。 这个假设是错的。 四件事：
- ★ 四家 AI 读的是四个几乎不相交的池子。 六组两两重合度（Jaccard）全部 ≤ 0.079，最低的一组只有 0.016。 含义很直接：在一家 AI 里被提到，几乎不预示你在另一家也被提到。
- 池子的边界不是"行业"，是"问题的语义"。 同一家 AI 内部，两个看似不相干的品类，重合度可以高到 0.400； 而两个听起来相关的品类，重合度可能只有 0.03~0.22。
- 同一篇文章，进豆包和进千问的难度不一样。 豆包的池子大而散（1032 条引用 / 273 个域名，前 10 名只占 49.2%）； 千问的池子小而集中（370 条引用 / 仅 48 个域名，前 10 名占 68.9%）。
- "要有大号"是错觉。 我们抽样解析了 17 个被 AI 引用的抖音账号，粉丝中位数 904， 13 个（76%）在 1 万粉以下 —— 其中一个只有 4 个粉丝、49 个赞，照样被引用。
一句话：不是"怎么挤进 AI 的资料池"，而是"怎么分别进四个不同的池子"。
我们是怎么测的
先说口径，因为不同口径的数字不能混着读。
| 采集窗口 | 2026-09-21 ~ 09-26，5 个日历日 |
| 引擎 | 豆包、千问、DeepSeek、Kimi 的网页版 |
| 问题 | 我们的 GEO 问句集 |
| 算的什么 | 每家的被引来源池，两两求 Jaccard 重合度 |
| 另有 | 抽样解析被引的抖音账号 17 个 |
⚠️ 三条必须先知道的限制：
- 这是快照，不是长期规律。 平台的信源池会变，5 天只是 5 天。
- 网页版和 API 的检索面不同，数字不可比。 本文全部用网页版。
- Kimi 样本太薄，涉及它的数字只作参照，不作为结论依据。
本文为什么不点名
和我们的其他实测文一样：点名本身就是可见度。 本文后面的结论之一就是"被引用会带来曝光"—— 既然我们自己这么主张，就不该在这里顺手给谁送一份曝光。 这份数据是公开可复算的，你用同样的问句集问四家 AI 的网页版，会得到同一批来源。
发现一：四家 AI 读的是四个几乎不相交的池子
这是本文最重要的一张表。六组两两重合度，全部 ≤ 0.079：
| 组合 | Jaccard 重合度 |
|---|---|
| DeepSeek × 豆包 | 0.079 |
| DeepSeek × 千问 | 0.076 |
| 千问 × Kimi | 0.067 |
| 豆包 × 千问 | 0.059 |
| 豆包 × Kimi | 0.028 |
| DeepSeek × Kimi | 0.016 |
怎么读这张表：Jaccard 是"两边的来源池有多相似"，0 是完全不相干，1 是完全一样。 最高的 0.079，意味着两边只有约 8% 的来源是重叠的。
⇒ 直接推论：不要问"怎么让 AI 提到我"，要问"怎么让 哪一家 AI 提到我"。 你在一家做通了，另外三家大概率一点都不知道。
这也解释了一个常见困惑：有人说"我试了，AI 根本不提我"， 而另一个人在同一行业说"AI 提我了" —— 他们很可能问的不是同一家 AI。
这张表顺手否掉了两个常见做法
① "先做通一家，其他自然会跟上"。 不会。0.079 的意思是重叠约 8%。一家做通，另外三家是独立事件， 不存在"溢出效应"。
② "同一篇稿到处贴，广撒网总有一家能捞到"。 "广撒网"在同一家 AI 内部有用 —— 对豆包那种 273 个域名的散池子确实有效。 但跨家撒网没用：四家池子几乎不相交，贴到第四家时， 边际收益不会像贴第一家那么高，因为你贴的渠道未必是那家认的渠道。
真正的问题是：每家认的渠道不是同一批。 这就要看下面的发现二和发现三。
发现二：池子不是按"行业"切的，是按"问题"切的
如果池子按行业切，那么"做 CRM 的"和"做低代码的"应该是两个池子，"做 CRM 的"和"做 ERP 的"应该很近。
实测不是这样。
同一家 AI 内部，千问的"CRM × 低代码"重合度是 0.400 —— 而其余品类之间只有 0.03~0.22。
也就是说：CRM 和低代码这两个听起来八竿子打不着的品类， 在千问的信源池里反而高度重合（0.400）； 而一些名字上更亲的品类组合，重合度低得多。
⇒ 池子的边界是"问题的语义邻近度"，不是"行业分类"。
这条对内容有直接影响： 你要写的不是"我们这个行业怎么样"， 而是"用户会拿什么句子去问 AI" —— 池子是按那个句子切的。
顺带一提，四家切得松紧也不一样：豆包和 DeepSeek 切得狠， 千问切得松（它能把 0.400 这么高的两组算作同一池）。
发现三：同一篇稿，进豆包和进千问的难度不一样
两家的池子结构完全不同：
| 豆包 | 千问 | |
|---|---|---|
| 引用条数 | 1032 | 370 |
| 去重域名 | 273 | 48 |
| 前 10 名占多少 | 49.2%（散） | 68.9%（集中） |
| 头名 | iesdouyin.com（抖音）27.9% | ithome.com 26.5% |
| 头名 ÷ 第二名 | 7.2× | 3.4× |
两个完全不同的地形：
- 豆包是"大而散" —— 273 个域名，前 10 名合起来还不到一半。 好消息是门多；坏消息是单个来源的权重低， 你进去了也未必被念到（头名抖音一家独占 27.9%，是第二名的 7.2 倍）。
- 千问是"小而集中" —— 只有 48 个域名，前 10 名吃掉近 69%。 好消息是进去就容易被念到；坏消息是门少， 它偏好的那批来源相对固定（头名是 IT 之家这样的科技媒体）。
⇒ 同一份内容，投进这两家的预期收益结构完全不同。 在豆包那边，你要拼的是覆盖面；在千问那边，你要拼的是挤进那份短名单。
发现四：不需要大号
"要让 AI 引我，我得先做个大号吧？" —— 本轮数据不支持这个想法。
我们抽样解析了 17 个被 AI 引用的抖音账号：
| 指标 | 值 |
|---|---|
| 账号数 | 17 |
| 粉丝数中位数 | 904 |
| 1 万粉以下占比 | 13 / 17（76%） |
其中一个被引的账号，只有 4 个粉丝、49 个赞。
⇒ 被引用和账号规模没有明显关系。 反过来说："等我粉丝多了再说"是一个可以一直拖下去的理由， 而数据显示它并不是前提。
⚠️ 一条必要的保留：这是 17 个样本的中位数，量级看得出， 不足以支撑"粉丝数和被引完全无关"这种强结论。 我们只主张：本轮没有观察到"必须是大号"这个门槛。
把结论翻成做法
上面是"是什么"。如果你要动手，这一段是"怎么做"。三条，按优先级排：
1. 先决定"打哪一家"，不要平铺四家。
从发现一看，四家重合度 ≤0.079 —— 平铺等于四家都做不深。 先挑一家作为主战场（比如你已经观察到有大流量入口的那家）， 把它做透，再横向扩。
2. 内容贴着"问题"写，不要贴着"行业"写。
从发现二看，池子按问题的语义切（千问 CRM × 低代码 = 0.400）。 所以选题的正确姿势是： 先把用户会拿去问 AI 的句子列出来，再针对句子写内容， 而不是先想"我们行业要写点什么"。
3. 按引擎的地形选策略，而不是一套打法用到底。
- 对大而散的池子（豆包：273 域名 / 前 10 名 49.2%）：拼覆盖面，多渠道铺。
- 对小而集中的池子（千问：48 域名 / 前 10 名 68.9%）：拼挤进那份短名单， 值得为它单独做一条更硬的内容。
★ 三条的共同前提：你得先能测。 上面每一条都建立在"知道自己在哪家的池子里、什么位置"之上。 如果测不了，三条都只是话术。 这也是我们为什么在每一篇里都带一组可复算的独占数字 —— 没有它，做了也不知道有没有效果。
具体怎么开始测
不需要什么工具，一个下午能跑完第一轮：
- 列问句。 把你希望被提到的那件事，写成 10~20 个用户真会问出口的句子。 注意是句子，不是关键词 —— 池子按问题的语义切（发现二）。
- 逐家问，逐条记。 四家 AI 的网页版分别问一遍， 把每次回答里引用的来源抄下来（URL + 标题）。 ⚠️ 一定要记哪家引擎的哪一次，否则后面算不了重合度。
- 隔几天再问一遍。 同一条问题，AI 每次给的来源会变。 只跑一轮就下结论，等于把噪声当信号。
- 看两个数：你的来源有没有进列表；进了之后名次稳不稳。 前者是"有没有"，后者才是"稳不稳"。
这四步的意义不在于得到一张好看的图，而在于： 只有先有这个基线，你投了东西之后才能回答"到底有没有变化"。 没有基线的投放，效果好坏都只能靠感觉 —— 而感觉在这件事上极不可靠。
数据边界（请连同上面结论一起读）
- 采集窗口 2026-09-21 ~ 09-26 共 5 个日历日，是快照，不是长期规律。
- 全部用网页版通道；网页版与 API 的检索面不同，数字不可直接比较。
- 重合度是观测值，不是因果 —— 我们没做受控投放， 所以不能说"按这个做法做就一定进池子"。
- Kimi 的样本太薄（30 条引用 / 16 个域名），涉及它的口径只作参照。
- 抖音账号那条基于 17 个样本，只能看量级，不能做精细排序。
- 本文不点名具体来源与账号：点名本身就是可见度， 而我们主张的正是"被引用会带来曝光"。
我们打算怎么验证
上面每一条都是"观察"。观察只能说明相关，不能说明因果。
所以我们准备做一件更笨的事：受控投放。 挑一个平台，投一篇带独占事实的内容， 在投放前、投放后第 3 天 / 第 7 天 / 第 14 天各采样一次，看两件事：
- 那篇文章的 URL 有没有进 AI 的引用列表；
- 文章里那条"别处不会出现"的事实，有没有出现在 AI 的回答正文里。
判据在投放前就写死，中途不改 —— 否则事后一定会往对自己有利的方向解释。
结果我们会照实公布，包括失败。