先说身份：本文由大衍智联撰写。我们自己也做 GEO 服务 —— 是当事人，不是中立的第三方评测。 文中数据全部来自我们自己的实测，方法与样本量随文标注。
先说结论
我们把 AI 回答问题时引用的那些链接全部扒下来，一条条数。五件事和直觉不一样：
- 没有一个"权威清单" —— 249 条引用散落在 140 个不同网站上，没有任何一家占了统治地位。
- ★ 问"你是谁"和问"该怎么选"，AI 去的是两套完全不同的地方 —— 前者的头号来源是工商登记（21.8%），后者是内容社区（30.8%）。几乎不交叉。
- 换个 AI 问同一个问题，它引的来源几乎不重合 —— 重合度低到 0 到 0.21。
- 同一家 AI，同一句话问两次，引的来源也可能不一样 —— 这不是它不稳定，是它的正常状态。
- 当你问"某某公司是什么"时，AI 引的多半是工商和信用信息站，不是那家公司的官网。
第 2 条最实用："AI 怎么说你"和"AI 会不会推荐你"，根本不是同一件事，用的也不是同一批材料。 第 5 条最容易被忽略：AI 认识你，是从别人介绍你开始的。
我们是怎么测的
本文用了两套采集数据，先把口径分清楚 —— 因为它们不能混着读：
| 数据 A（发现一、二、五） | 数据 B（发现三、四） | |
|---|---|---|
| 引擎 | 一家 AI 的网页版 | 四家 AI 的网页版 |
| 问题 | 10 个（一半问公司、一半问行业） | 5 个（同一批） |
| 重复 | 每个问题各 1 次 | 其中三家各 3 次 |
| 得到 | 249 条引用 / 140 个网站 | 各家可比样本 15 条 |
| 回答的问题 | AI 读了什么 | AI 之间、以及它自己，差多少 |
⚠️ 两套数据的量纲不同，不能直接比大小。 比如数据 A 里说"某网站出现 38 次"（次数）， 数据 B 里说"某类内容占 38%"（占比）—— 这是两个不同的量，文中会分别标注分母。
口径说明：本文所有数字都标了来源和样本量。样本小的地方直接写"样本小"， 不利的数字照样写 —— 这是我们做这件事的基本要求。
发现一：AI 没有一份"权威清单"
很多人以为 AI 回答"哪家好"的时候，是去翻某个排行榜。实际不是。
249 条引用散落在 140 个网站上，出现最多的几家也只占个位数：
| 来源类型 | 实际出现的网站（举例） | 出现次数 |
|---|---|---|
| 内容社区 | 抖音 | 38 |
| 工商信息 | 企查查 | 9 |
| 技术媒体 | InfoQ | 8 |
| 厂商官网 | 畅捷通 | 8 |
| 内容社区 | 小红书 | 7 |
| 信用信息 | 水滴信用 | 5 |
没有任何一家超过 15%。 换句话说：AI 不是在一张榜单上挑，它是在一张很散的网上找。
★ 顺带一个对我们自己有冲击的发现：厂商自己的官网是会被引的 —— 上表里"畅捷通"出现了 8 次， 而且在"批发进销存"这类问题下，它的官网被反复引用。
所以"自有网站的内容 AI 看不到"这个说法不成立。真正的问题是：你官网上有什么值得它引的东西。
一个附加观察：在强监管的行业里，AI 会优先去政府网站
我们问到农产品溯源这类问题时，AI 引用的来源里出现了农业农村部官网 3 次， 以及同系统的另外两个站点各 1~2 次。
这不是个例的方向性信号：在有明确监管主体、且公开信息丰富的行业里， AI 会优先取信政府或权威机构的公开来源。
对企业的含义是：
| 你的行业 | 应对 |
|---|---|
| 有强监管主体（食品、农业、医疗、建筑…） | ⚠️ 先看你的合规信息、资质公示是不是公开、完整 —— 那可能是 AI 的第一选择 |
| 无明确监管主体 | 内容社区和厂商官网的权重更高 |
★ 这一条容易被忽略：很多企业把精力全放在"写营销内容"上， 而 AI 在回答它所在行业的问题时，先去看了资质公示页。
★ 发现二：问"你是谁"和问"该怎么选"，AI 去的地方完全不一样
这是我们这次采集里最有实操价值的一条。
我们把 10 个问题分成两组、各占一半，然后看 AI 在这两组问题下分别引用了哪些类型的网站：
| 来源类型 | 问"这家公司是谁"（119 条引用） | 问"这个行业该怎么选"（130 条引用） |
|---|---|---|
| 工商 / 信用 / 黄页 | 26 条（21.8%） ← 最大头 | 2 条（1.5%） |
| 政府 / 学术 | 18 条（15.1%） | 8 条（6.2%） |
| 新闻媒体 | 13 条（10.9%） | 9 条（6.9%） |
| 内容社区 / 短视频 | 9 条（7.6%） | 40 条（30.8%） ← 最大头 |
| 技术社区 / 媒体 | 2 条（1.7%） | 13 条（10.0%） |
| 厂商官网 | 1 条（0.8%） | 16 条（12.3%） |
| 招聘网站 | 2 条（1.7%） | 0 条 |
读一下这张表，会看到两套几乎不交叉的体系：
| 问"你是谁" | 问"该怎么选" | |
|---|---|---|
| AI 主要去哪 | 工商登记、信用信息、新闻 | 内容社区、厂商官网、技术媒体 |
| 你的官网有用吗 | ❌ 几乎没用（0.8%） | ✅ 有用（12.3%） |
| 决定因素 | 别人怎么登记你 | 你自己写了什么 |
★ 这张表推翻了一个很常见的做法： 很多公司的做法是"把官网做好，等着 AI 来读"。 但数据显示：在你自己的品牌问题上，官网几乎不起作用（0.8%） —— 那类问题 AI 去的是工商和信用信息站。
反过来也成立：你想在"这个行业该怎么选"这类问题上被提到， 工商信息帮不上忙（1.5%），得靠内容。
一句话："AI 怎么说你" 和 "AI 会不会推荐你"，用的根本是两套材料。 混在一起做，两边都会做不好。
用重合度再验一次
"两套体系"这个判断，还可以用另一个角度验证：
我们算了这 10 个问题两两之间引用来源的重合度，然后按"同类还是跨类"分组平均：
| 对比 | 平均重合度 |
|---|---|
| 同组内部（品牌问品牌 / 行业问行业） | 0.115 |
| 跨组之间（品牌问行业） | 0.042 |
跨组重合度只有组内的三分之一。
★ 而更有意思的是组内差异也很大：
| 问题对 | 重合度 |
|---|---|
| 两条低代码相关的问题 | 0.636 |
| 两条农产品相关的问题 | 0.10 ~ 0.13 |
| 品牌问题之间 | 0.02 ~ 0.18 |
⚠️ 这一格要特别小心，它很容易被过度解读。
我们只观察到"一对"问题达到 0.636。 一对样本不能说明"同类问题必然收敛" —— 而且同组平均只有 0.115，说明即使是同类问题，来源也常常很散。
所以我们不能说"细分主题下必然收敛"。 诚实的表述是：
在跨类（品牌 vs 行业）之间，来源重合度（0.042）明显低于同类之间（0.115）—— 这说明"问你是谁"和"问该怎么选"确实是两套材料。 至于同一个细分主题内部能不能摸清，我们目前的样本还不足以下结论。
这一点对行动的影响：把两类问题分开做是有数据支撑的（跨组只有 0.042）； 但"把某一类问题里的某一个主题打透就一定能摸清信源"，我们暂时不能保证 —— 它可能成立，也可能只是我们恰好碰上了一对。
⚠️ 口径说明：来源类型是我们按域名性质人工归类的（比如"某某云"归厂商官网）， 分类有主观成分；总样本 249 条，也不算大。请把这些表当作方向性证据，不是精确比例。
发现三：换个 AI 问，来源几乎不重合
（以下是数据 B）同样是那 5 个问题，我们让几家 AI 各回答一遍（其中 3 家样本量够），然后比它们引用的网站：
| 对比 | 重合度 |
|---|---|
| AI 之间互相重合 | 0.00 ~ 0.21 |
| 作为对照：同一家 AI 自己重复测 | 0.35 ~ 0.58 |
AI 之间的重合度，比它自己重复测自己的重合度还低。
这意味着两件事：
- 「AI 都推荐了谁」这个问题没有统一答案 —— 不同的 AI 生活在不同的信息世界里。 举个实测例子：在"批发进销存"这类问题下，AI 甲引了 38% 的内容来自同一类短视频社区， 而 AI 乙、AI 丙在那个问题上一次都没有引到那里。
- 想"一篇文章通投所有 AI"，从数据上看是行不通的。
★ 这一条对我们的意义：任何声称"我们能让所有 AI 都推荐你"的说法， 在数据上就站不住 —— 因为不同 AI 的取材来源本身就不重合。
发现四：同一家 AI，你问两次，它引的来源也可能不一样
我们做了重复测量：同一个问题、同一家 AI、隔开再问。
| AI | 同一问题重复提问时，引用网站的重合度 |
|---|---|
| AI·甲 | 0.576 |
| AI·乙 | 0.489 |
| AI·丙 | 0.347 |
最高也不到 0.6。
这条是最容易被忽略、但影响最大的：它决定了"监测"这件事该怎么做。
如果你今天问一句"AI 提到我了吗"，得到一个"没有"，这个结论是不可信的 —— 你只做了一次采样，而下一次结果可能就不一样。
实务建议：任何一次性的"AI 品牌体检"结果，都应当被当作一次快照，不是结论。 判断自己有没有被提到，靠的是同一问题反复测 + 看趋势，不是看某一天的一次结果。
发现五：★ AI 认识你，是从"别人介绍你"开始的
这是四件事里最能直接行动的一条。
我们问了 4 个关于我们自己的问题，看 AI 引了什么：
| 问题 | AI 引用的来源（部分） |
|---|---|
| 这家公司是什么公司 | 工商信息站、招聘网站、本地新闻 |
| 公司名 + 口碑怎么样 | 工商信息站（6 次）、信用信息站、本地新闻 |
| 这个平台是做什么的 | 信用信息站、工商信息站、省级媒体 |
出现最多的是工商信息站（9 次）和信用信息站（5 次）。
也就是说：当有人去问 AI"这家公司靠不靠谱"时，AI 递给他的第一手材料， 多半是一张工商登记页和一条招聘信息。
这不是坏事，也不是好事，它是一个事实。它带来两个推论：
- 好消息：这些页面上的信息是可以自己维护和更新的。AI 读到的关于你的第一印象， 有很大一部分来自你本来就能控制的地方。
- 要注意的地方：如果你的工商信息过期、业务范围写得太窄、 或者招聘信息和你现在的定位对不上，AI 就是在拿过时的材料介绍你。
★ 这也是"品牌被 AI 答错了"最常见的成因之一——不是 AI 编的，是它照着旧材料说的。
那"让 AI 推荐我"到底该怎么做
基于"发现二"，先分成两条线做 —— 混着做会互相拖累：
| 品牌线（"AI 怎么说我"） | 行业线（"AI 会不会推荐我"） | |
|---|---|---|
| 目标 | 说对 | 被放进候选 |
| 主战场 | 工商、信用、招聘、媒体 | 官网内容、内容社区、行业媒体 |
| 见效速度 | ✅ 快（改材料就行） | ⚠️ 慢（要时间收录） |
| 能不能承诺 | ✅ 可以 | ❌ 不能 |
两条线具体的动作如下（按"你能不能自己动手"排序）：
1. 先把"AI 现在怎么说你"测出来，而且要反复测
不是问一次，是同一批问题反复测、记录变化。 测两件事：提到了没有、说对了没有。后者往往比前者更容易出问题。
2. 把工商、信用、招聘这些"AI 的第一手材料"对齐
这是一个很少有人在做的动作，但从数据看它是 AI 认识你的起点。 不需要技巧，需要的是发现不一致然后改掉。
3. 官网上放"值得被引用的东西"
实测已经证明厂商官网能被引。但"值得被引"和"写得多"是两件事：
| 值得被引的 | 不太会被引的 |
|---|---|
| 具体数字、判断标准、可对照的表格 | 公司简介、愿景使命 |
| 回答一个真实存在问题的内容 | 产品功能罗列 |
| 说清楚"什么情况下不适合" | 只说优点 |
★ 最后一行尤其重要：承认局限的内容，反而更容易被当成可信材料。
4. 不要指望"一篇文章通投所有 AI"
发现三的数据摆在那里。先测清楚你的客户用哪几家 AI，再决定投哪里。
★ 做成了，是什么样
前面讲的都是"哪里不行、哪里不确定"。这一节说做下去会看到什么 —— 因为"一直测、一直测"如果看不到阶段性的东西，是撑不下去的。
先说清楚：我们自己就是第一个样本，目前结果还没出来。 我们的网站刚上线不久，收录需要时间。所以下面不是案例，是"可观测的标志" —— 你照着同样的方法测，就能知道自己走到哪一步了。
| 阶段 | 观测到什么 | 怎么测 |
|---|---|---|
| ① 对齐 | 问"这家公司是什么"，AI 描述的业务和你现在的主张一致 | 问品牌问题，读它的描述 |
| ② 来源进池 | 品牌问题下，AI 引用的来源里出现了你自己的材料 | 看那一问引了哪些链接 |
| ③ 行业可见 | 行业问题下，AI 引用了你的内容（哪怕没提你名字） | 看引用链接里有没有你的站 |
| ④ 行业提及 | 行业问题下，AI 的回答正文里出现了你的品牌名 | 读回答原文 |
| ⑤ 稳定 | 上面几条在多次重复测量中都能复现 | 同一问题问 3 次以上 |
★ 四个观察点，注意几个容易搞错的地方：
- ① 和 ② 是"品牌侧"，③④⑤ 是"行业侧" —— 两条线的材料不同（见"发现二"）， 别指望一条线的动作能推动另一条
- ③ 比 ④ 先到，而且 ③ 本身就很有价值 —— 被引用意味着你成了 AI 回答的素材，即使这一次没点名
- ⑤ 才是能对外说的阶段 —— 前面几条必须重复验证， 因为单次快照不算数（见"发现四"）
我们现在的状态（如实写）
| 阶段 | 我们的状态 |
|---|---|
| ① 对齐 | ⚠️ 进行中 —— 实测发现 AI 描述我们时，用的是我们已经不再主张的旧口径 |
| ② 来源进池 | ❌ 未达成 |
| ③ ~ ⑤ | ❌ 未达成 |
我们说得出上面这套阶段，是因为我们自己正在走。 等有结果了，我们会把这五个阶段的实测数据补上来 —— 不管是好的还是不好的。
我们不承诺什么
把话说在前面，免得误解：
- ❌ 不承诺"AI 一定会推荐你" —— 从上面的数据就能看出来，不同 AI 的来源几乎不重合， 这个战场上还有大量我们控制不了的因素。
- ❌ 不承诺排名、不承诺"进榜单"。
- ✅ 能承诺的是：把"AI 现在怎么说你"测清楚、把错误说法找出来、 把你自己的材料对齐、持续观测变化。
能测清楚、能说对，是能推荐的前提。反过来不成立。
小结
五个发现，一句话各一条：
- AI 没有权威清单 —— 249 条引用散在 140 个网站上。
- ★ 问"你是谁"和问"该怎么选"是两套材料 —— 品牌问题上工商/信用占 21.8%、官网 0.8%；行业问题上内容社区占 30.8%、官网 12.3%。
- 不同 AI 的来源几乎不重合 —— 重合度 0.00~0.21，比它自己重复测自己还低。
- 同一家 AI 自己也会变 —— 重复提问的重合度最高 0.576，所以"问一次"不算数。
- ★ AI 认识你，是从工商和信用信息站开始的 —— 那些材料你自己就能维护。
这份数据来自我们对自己做的一次实测。方法、样本量、口径都写在文中， 不利的数字也照写。你可以照着同样的方法，测一遍你自己的公司。
关于本文的数据来源
以上实测由大衍智联完成（我们自己做这件事，也拿自己做第一个样本）。 方法与样本量已在文中逐处标注，你可以照着重跑一遍验证。
如果你要引用本文里的数字，请连同样本量一并引用 —— 去掉样本量的数字会失真，这一点在「发现四」里已经说明。