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
同一个问题问不同的 AI，答案对不上，多数人的解释是"模型不一样"。
但我们实测下来，更根本的原因在前面一步：它们读的资料，几乎不重合。
| 对比 | 重合度 |
|---|---|
| 不同 AI 之间，引用的网站重合度 | 0.00 ~ 0.21 |
| 同一家 AI 自己重复测（作为对照） | 0.347 ~ 0.576 |
AI 之间的重合度，比它自己重复测自己还低。
这句话值得再读一遍 —— 两家不同的 AI 在同一个问题上找到的材料， 比同一家 AI 两次找到的材料，差异还要大。
我们是怎么测的
| 项 | 说明 |
|---|---|
| 对象 | 4 家 AI 的网页版（不是接口），但只有 3 家样本量够 |
| 问题 | 同一批 5 个问题，全部是首次提问（不是追问） |
| 重复 | 甲 / 乙 / 丙各测 3 次（各 15 条可比样本）；第 4 家只有 3 条，本文结论不依赖它 |
| 采集 | 每一问记录 AI 答案里实际点到的链接 |
| 得到 | 三家合计 501 条引用（251 + 152 + 98） |
| 对照 | 每一家自己重复测自己，作为"噪声基线" |
⚠️ 本文的采集批次，和我们另一篇《怎么让 AI 推荐我的公司》不是同一次。 | | 本文 | 《怎么让 AI 推荐我的公司》 | |---|---|---| | 问了几个问题 | 5 个 | 10 个 | | 几家 AI | 3 家可比 | 1 家 | | 重复次数 | 每家 3 次 | 每个问题 1 次 | | 引用条数 | 501 条 | 249 条 | | 回答什么 | AI 之间差多少 | AI 读了什么 | 两篇的数字不能直接对照着读。 我们在这篇里把口径写清楚， 就是因为混着读会得出错误的印象。
★ 为什么要设"噪声基线"：因为 AI 的答案本来就在波动， 如果只看"两家不一样"，你分不清这是平台差异还是随机波动。 只有拿每一家自己的波动幅度当尺子，才能判断差异是不是真的。
发现一：差异是真的，不是随机波动
把跨 AI 的重合度，放在各自平台的噪声基线旁边看：
| 引擎 | 自己重复测自己（噪声基线） | 它和别家之间的重合度 |
|---|---|---|
| 甲 | 0.576 | 0.00 ~ 0.21 |
| 乙 | 0.489 | 0.00 ~ 0.21 |
| 丙 | 0.347 | 0.00 ~ 0.21 |
跨 AI 的重合度（0.00~0.21）低于每一家的自身波动下限。
结论：不同 AI 读的资料确实不一样，而且差异明显超出随机范围。 这不是"模型性格不同"，是它们看的东西不同。
发现二：★ 有一家的信源，别家完全没有
这是本次采集里最清楚的一个现象。
同一批问题下，某一类短视频社区的内容在四家的分布：
| 引擎 | 采集样本 | 引用条数（去重） | 来自该短视频社区 | 占比 |
|---|---|---|---|---|
| 甲 | 15 | 251 | 95 | 38% |
| 乙 | 15 | 152 | 0 | 0% |
| 丙 | 15 | 98 | 0 | 0% |
甲引了 95 次，乙和丙一次都没有。 而乙、丙各有 15 条样本、三次独立采样。
但这里要说清楚一件事：不是"回避字节"
我们一开始以为是"某些 AI 不用字节系的内容"。核对后发现不对：
| 域名 | 甲 | 乙 | 丙 |
|---|---|---|---|
| 短视频分享页 | 95 | 0 | 0 |
| 今日头条（图文） | 1 | 7 | 0 |
乙引了今日头条 7 条，但一次都没引短视频。
所以准确的结论是：不是"回避某家公司"，而是"短视频这个内容池，只有甲在用"。 图文它照样引，视频它不引。
★ 这个区分很重要 —— 如果误判成"回避字节"， 策略会变成"别在某家公司身上花功夫"，而正确的策略是"看你的客户用哪家 AI，再决定投不投视频"。
发现三：每家 AI 都在吃自家生态
同一类现象，我们还观察到了第二个实例：
在某一类健康相关的问题上，乙引用的内容里有相当高的比例来自它自己生态内的站点， 而甲在同样的问题上是 0%。
两个实例、不同平台、同一规律。 这让我们倾向于认为：这不是偶然，而是结构性现象 —— 每家 AI 都优先/更容易取到自己生态内的内容。
⚠️ 但这里必须标注不确定性：我们也做了一个判别检验 —— 在同一个问题上，甲取到了权威的行业来源、且完全没有取自家内容。 这说明它并非"只用自家内容"，而是"在那类问题上，自家内容恰好更多"。
两种解释我们目前分不开：可能是平台偏好，也可能是内容生态现状（那些内容本来就长在那儿）。 本文不下这个结论。
为什么"平台偏好"和"内容现状"我们分不开
这一节专门讲我们的不确定性 —— 因为它决定了你能拿这些数据做什么。
看到"某家的信源里，自家生态占 38%"，有两种完全不同的解释：
| 解释 | 含义 | 应对 |
|---|---|---|
| A · 平台偏好 | 它主动偏向自家内容 | 换平台就得换投放策略 |
| B · 内容现状 | 那些内容本来就长在那儿 | 不用特殊对待，正常投就行 |
这两种解释指向完全相反的行动，所以必须分清。我们做了两个检验：
检验一：换一个品类再看 在另一类问题上，该平台的自家生态占比掉到了 0%，而另一个平台升到了 73~83%。 → 如果是"平台偏好"，它应该在所有品类上都偏高。 这个结果不支持 A。
检验二：看它有没有取到外部权威源 在同一个问题上，该平台取到了外部的权威来源，且完全没有取自家内容。 → 如果是"平台偏好"，它应该宁可用自家的。 这个结果也不支持 A。
所以我们的倾向是 B（内容现状） —— 但那类内容恰好长在那家平台上。
⚠️ 但我们不做结论。 原因是：
- 只测了两个品类，样本量不足以排除"某些品类偏好、某些不偏好"
- 平台的内容策略会随时间变化，我们测的是当时的快照
- 我们看不到平台的检索逻辑，只能从结果反推
★ 写这一段的意思是：如果你看到有人拿"某平台只用自家内容"下结论， 先问他是怎么排除"内容本来就长在那儿"这个解释的。 这个问题能筛掉大部分想当然。
这对企业意味着什么
1 · "一篇文章通投所有 AI"行不通
跨 AI 重合度 0.00~0.21。同一批内容，在不同 AI 那里被读到的概率差异极大。
2 · 先搞清楚你的客户用哪家 AI
不要默认"AI 都差不多"。 数据不支持这个假设。 如果你的客户集中在某一类平台，投放在那里才是有意义的。
3 · 内容形态要跟着平台走
短视频池和图文池是分开的。 一条素材能不能复用，取决于目标平台吃哪种形态，不是"发出去就等于覆盖"。
4 · 别用一家的结果推断另一家
在一家 AI 那里没被提到，不代表在另一家也没有。 这是两件需要分开测的事。
如果你只做一件事：先搞清楚客户用哪家 AI
前面都是分析，这一节说明天就能做的动作。
已经知道用哪家 → 直接测那一家，重复 3 次以上。
不知道用哪家 → 按这个顺序问：
| 问谁 | 问什么 |
|---|---|
| 销售 / 客服 | "客户提过他们用哪个 AI 助手吗？" |
| 成单客户 | "你当初是怎么找供应商的？" |
| 官网 / 小程序后台 | 看访客来源里有没有 AI 助手的跳转 |
| 自己的团队 | 你们自己遇到问题先问哪个 |
★ 第一条通常最有效 —— 客户主动提到"我问了 AI 说你们……"，就是最直接的信号。
一个反直觉的提醒：不要根据"哪家 AI 用户最多"来选。 你的客户是谁，决定了该测哪家 —— 一个面向特定行业客户的 B2B 企业， 和一家面向普通消费者的小程序，答案可能完全不同， 而数据已经证明这两家的信源几乎不重叠。
一个必须说清楚的边界
上面的数据能说明"不同 AI 读的资料不一样"， 但不能说明"我们能让某家 AI 一定读到你"。
- ❌ 不承诺"投到某平台就会被某家 AI 引用"
- ❌ 不承诺跨平台统一的可见度结果
- ✅ 能承诺的是：把每一家的信源分别测出来，告诉你差异在哪
★ 还有一个诚实的限制：样本量。 我们每家测了 3 次、共 15 条样本。这足以看出"差异很大"， 但不足以支持"精确到百分点的占比结论"。 文中的占比都标了分母，请连分母一起看。
小结
- 不同 AI 的差异是真的 —— 重合度 0.00~0.21，低于各自自身波动的下限
- 有一家的信源，别家完全没有 —— 同一类短视频，一家 95 次，另外两家各 15 样本 0 次
- 要区分"回避某公司"和"某个内容池" —— 图文照引、视频不引，是两件事
- 每家都在吃自家生态 —— 观察到两个实例，但平台偏好 vs 内容现状，我们分不开
- ★ 实操结论：先确定你的客户用哪家 AI，再决定投什么形态
关于本文的数据来源
以上实测由大衍智联完成，采集的是 AI 助手网页版的首问结果 （不是接口，也不是追问），每家各 3 次、共 15 条可比样本。
样本量不大，这是本文所有结论的强度上限。 我们把不够确定的地方都标了出来（比如"平台偏好 vs 内容现状分不开"）， 不希望读者把弱证据读成强结论。