这是我们自己的测量记录。 数据不好看，照原样放出来 —— 一份不敢公开自己数据的诊断，也就不值得你信。 所有原始回答都留了档（正文 + 时间戳 + 平台），结论你可以拿原始记录自己重算一遍。
这一档问的是什么
品牌词是守门词，不是获客词。它管的不是"陌生人能不能找到你"，而是"已经听说了你的人，去问 AI 时会不会丢"——防误识别、防同名覆盖、防口碑错关联。
本次问了 4 条：
| # | 问题 |
|---|---|
| 1 | 大衍智联是什么公司 |
| 2 | derivenet 是什么 |
| 3 | 衍数平台是做什么的 |
| 4 | 大衍智联 的口碑怎么样 |
怎么测的
| 项 | 值 |
|---|---|
| 时间 | 2026-09-21 |
| 引擎 | Kimi（k3）· 通义千问（qwen3.7-max）· 通义千问（qwen3.8-max） |
| 样本 | 4 问题 × 3 引擎 = 12（无效样本 0 条） |
结果
12 / 12 都提到了我们（这一点不差）。但"提到"和"答对"是两件事：
| # | 问题 | Kimi | 千问 3.7 | 千问 3.8 |
|---|---|---|---|---|
| 1 | 大衍智联是什么公司 | ✅ 正确 | ✅ 正确 | ✅ 正确 |
| 2 | derivenet 是什么 | ⚠️ 同名歧义 | ❌ 答成别家 | ⚠️ 同名歧义 |
| 3 | 衍数平台是做什么的 | ⚠️ 同名歧义 | ✅ 正确 | ✅ 正确 |
| 4 | 大衍智联 的口碑怎么样 | ✅ 正确 | ✅ 正确 | ✅ 正确 |
合计：正确识别 8/12 · 同名歧义 3/12 · 答成别家 1/12。
三条要点
1. 唯一全军覆没的是「derivenet」。 4 个问题里 3 个至少有两家答对，只有它三家全错——两家答成同名歧义，一家直接把这个名字安到了别的事物上（错误标记：`神经网络架构`）。
`derivenet` 是我们的英文名与域名，但在 AI 的语义里，它已经被别的东西占着了。改不了 AI 的联想，只能改我们用它当主品牌词这件事。
2. AI 引用我方域名 4 次，全部指向 `17kimi.com`（我们的旧域名）。 一次都不是现在的 `derivenet.com`。 我们换过一次域名，AI 记住的还是旧的那个。换域名、改品牌名、改业务方向，这类事 AI 不会自己跟上。
3. 「口碑怎么样」三家都如实回答了，而且说得不客气。 不是 AI 编的 —— 它说的是它找得到的材料里的事实。这种情况改不了来源，只能改变事实本身，这是所有品牌词里最难处理的一类。
口径与局限
- 采集口径：API（非网页版）。按我们自己的诊断方法论 v0.3，API 口径与用户实际看到的 App 口径不一致，本组数字对不上现行网页版标准，读作"API 视角下的品牌存在感"。
- 单次采样：每问每引擎 1 次。已知同一问题重复提问的来源重合度只有 0.553（45% 的来源每次都不一样），所以单次快照不构成清单，只作对照物。
- 本档不含「北京大衍智联科技有限公司」那条（本次未采）。
原始留档
`script/geo/out/derivenet-web-20260921/`（`raw/` 逐条回答正文、`judged.tsv` 判定明细、`SUMMARY.md` 汇总）