[{"data":1,"prerenderedAt":64},["ShallowReactive",2],{"case-taoqiu-persimmon":3,"case-related-pool":21},{"client_name":4,"content":5,"cover_image":6,"cover_style":7,"create_dept":8,"create_time":9,"create_user":8,"created_at":9,"id":10,"industry":11,"is_pinned":12,"published_at":13,"slug":14,"sort_order":12,"status":15,"summary":16,"tags":17,"tech_stack":18,"title":19,"updated_at":20,"view_count":12},"太秋甜柿农业科技","\u003Ch2>客户与背景\u003C\u002Fh2>\u003Cp>太秋甜柿是一个由产地直达的高端水果品牌。果园里的物候、农事与采收，门店里的批零订单与库存，一度散落在不同的小程序与表格里——产地发生了什么、卖出去了多少、损耗出在哪，往往几头对不上。运营团队不大，多数经营判断依赖老师傅与创始人的经验。\u003C\u002Fp>\u003Cp>在衍数平台上，我们把「产地—批次—销售—数据」收进一套系统。下面按业务模块说明，配图为平台当前系统的真实界面。\u003C\u002Fp>\u003Ch2>基地与监测：产地先建档\u003C\u002Fh2>\u003Cp>果园以「基地」为单位圈定在地图上，登记监测点与覆盖范围：哪片园子、几个点位、当前物候，一屏可查。产地档案不再是纸面记录，而是随时可回看、可统计的数据。\u003C\u002Fp>\u003Cp style=\"text-align:center;margin:18px 0 6px\">\u003Cimg src=\"\u002Fimages\u002Fscreens\u002Fbase-region.jpg\" alt=\"基地在地图上圈定范围、登记监测点\" style=\"max-width:100%;border-radius:10px;border:1px solid #E3E9F1;box-shadow:0 14px 34px rgba(15,79,168,.12)\"\u002F>\u003C\u002Fp>\u003Cp style=\"text-align:center;font-size:.85rem;color:#5B6B7F;margin:0 0 22px\">基地在地图上圈定范围、登记监测点\u003C\u002Fp>\u003Ch2>销售与渠道：一套数据不两头对账\u003C\u002Fh2>\u003Cp>小程序商城与批零渠道的订单在同一平台管理：下单、发货、对账都指向同一份订单数据，不再像过去那样批发一份表、零售一份表、月底人工对数。\u003C\u002Fp>\u003Cp style=\"text-align:center;margin:18px 0 6px\">\u003Cimg src=\"\u002Fimages\u002Fscreens\u002Forder-list.jpg\" alt=\"销售订单统一管理\" style=\"max-width:100%;border-radius:10px;border:1px solid #E3E9F1;box-shadow:0 14px 34px rgba(15,79,168,.12)\"\u002F>\u003C\u002Fp>\u003Cp style=\"text-align:center;font-size:.85rem;color:#5B6B7F;margin:0 0 22px\">销售订单统一管理\u003C\u002Fp>\u003Ch2>库存与损耗：每一笔进出都有据\u003C\u002Fh2>\u003Cp>出入库、盘点、期初快照逐笔记账；损耗单独成账，配合经营分析能定位损耗发生在哪个环节，而不是混在成本里一笔糊涂账。\u003C\u002Fp>\u003Cp style=\"text-align:center;margin:18px 0 6px\">\u003Cimg src=\"\u002Fimages\u002Fscreens\u002Finventory-flow.jpg\" alt=\"库存流水逐笔可查\" style=\"max-width:100%;border-radius:10px;border:1px solid #E3E9F1;box-shadow:0 14px 34px rgba(15,79,168,.12)\"\u002F>\u003C\u002Fp>\u003Cp style=\"text-align:center;font-size:.85rem;color:#5B6B7F;margin:0 0 22px\">库存流水逐笔可查\u003C\u002Fp>\u003Ch2>经营分析：报表与看板不打架\u003C\u002Fh2>\u003Cp>渠道销售、损耗、毛利等分析在同一个平台同一张口径；报表、看板、AI 解读引用的是同一份定义，不再出现“零售说赚、批发说赚、财务一算没赚”。\u003C\u002Fp>\u003Cp style=\"text-align:center;margin:18px 0 6px\">\u003Cimg src=\"\u002Fimages\u002Fscreens\u002Fcockpit-channel.jpg\" alt=\"经营分析看板（渠道与损耗）\" style=\"max-width:100%;border-radius:10px;border:1px solid #E3E9F1;box-shadow:0 14px 34px rgba(15,79,168,.12)\"\u002F>\u003C\u002Fp>\u003Cp style=\"text-align:center;font-size:.85rem;color:#5B6B7F;margin:0 0 22px\">经营分析看板（渠道与损耗）\u003C\u002Fp>\u003Ch2>指标口径：一个数全平台一个定义\u003C\u002Fh2>\u003Cp>毛利、损耗等关键指标统一在指标层配置口径，前台各处界面与 AI 取数引用同一份定义，每个数都指向清晰的口径与来源。\u003C\u002Fp>\u003Cp style=\"text-align:center;margin:18px 0 6px\">\u003Cimg src=\"\u002Fimages\u002Fscreens\u002Fmetrics-semantic.jpg\" alt=\"经营指标与口径定义\" style=\"max-width:100%;border-radius:10px;border:1px solid #E3E9F1;box-shadow:0 14px 34px rgba(15,79,168,.12)\"\u002F>\u003C\u002Fp>\u003Cp style=\"text-align:center;font-size:.85rem;color:#5B6B7F;margin:0 0 22px\">经营指标与口径定义\u003C\u002Fp>\u003Ch2>AI 数字员工：重复的取数与写报告交给它\u003C\u002Fh2>\u003Cp>查数、汇总、拟稿这类可重复任务，通过对话或周期任务交给 AI 数字员工执行：取数基于统一指标口径，关键操作由负责人审批、全程留痕，越权请求被拒绝。\u003C\u002Fp>\u003Cp style=\"text-align:center;margin:18px 0 6px\">\u003Cimg src=\"\u002Fimages\u002Fscreens\u002Fdispatch-chat-task.jpg\" alt=\"对话派活 · 报告生成任务\" style=\"max-width:100%;border-radius:10px;border:1px solid #E3E9F1;box-shadow:0 14px 34px rgba(15,79,168,.12)\"\u002F>\u003C\u002Fp>\u003Cp style=\"text-align:center;font-size:.85rem;color:#5B6B7F;margin:0 0 22px\">对话派活 · 报告生成任务\u003C\u002Fp>\u003Ch2>成效：可以现场演示的现状\u003C\u002Fh2>\u003Cul>\u003Cli>产地到销售一张平台一张口径，批零账不再两头对\u003C\u002Fli>\u003Cli>出入库、盘点逐笔有据，损耗能定位到环节\u003C\u002Fli>\u003Cli>想知道的数字开口问 AI 即从系统取数作答，不必再导表手工汇总\u003C\u002Fli>\u003Cli>老师傅的农事经验逐步沉淀为可检索、可引用的业务知识\u003C\u002Fli>\u003C\u002Ful>\u003Cblockquote>\u003Cp>本文界面均取自平台当前系统，展示数据为脱敏演示示意；真实项目细节欢迎预约现场演示。\u003C\u002Fp>\u003C\u002Fblockquote>","\u002Fimages\u002Fbrand\u002Fcover-persimmon.webp","default","","2026-07-16T10:19:31+08:00","5af7f44b-0a97-466d-bfe9-b5db1a4a803a","农业",0,"2026-07-16T10:00:00+08:00","taoqiu-persimmon","published","果园物候农事、批零销售、库存损耗与经营指标在同一平台承载，AI 数字员工在授权内查数、拟稿、出报告；本文界面均为平台系统实录（数据示意）。","[\"AI数字员工\", \"农业\", \"小程序\"]","[]","太秋甜柿数字员工平台","2026-09-23T18:46:22+08:00",[22,23,37,46,55],{"client_name":4,"content":5,"cover_image":6,"cover_style":7,"create_dept":8,"create_time":9,"create_user":8,"created_at":9,"id":10,"industry":11,"is_pinned":12,"published_at":13,"slug":14,"sort_order":12,"status":15,"summary":16,"tags":17,"tech_stack":18,"title":19,"updated_at":20,"view_count":12},{"client_name":24,"content":25,"cover_image":26,"cover_style":7,"create_dept":8,"create_time":27,"create_user":8,"created_at":27,"id":28,"industry":29,"is_pinned":30,"published_at":31,"slug":32,"sort_order":33,"status":15,"summary":34,"tags":35,"tech_stack":18,"title":36,"updated_at":31,"view_count":12},"大衍智联（自测）","\u003Cp>\u003Cstrong>这是我们自己的测量记录。\u003C\u002Fstrong> 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。\u003C\u002Fp>\n\u003Ch2>这一档问的是什么\u003C\u002Fh2>\n\u003Cp>品牌词是\u003Cstrong>守门词\u003C\u002Fstrong>，不是获客词。它管的不是\"陌生人能不能找到你\"，而是\"\u003Cstrong>已经听说了你的人，去问 AI 时会不会丢\u003C\u002Fstrong>\"——防误识别、防同名覆盖、防口碑错关联。\u003C\u002Fp>\n\u003Cp>本次问了 4 条：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>#\u003C\u002Fth>\u003Cth>问题\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>1\u003C\u002Ftd>\u003Ctd>大衍智联是什么公司\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>2\u003C\u002Ftd>\u003Ctd>derivenet 是什么\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>3\u003C\u002Ftd>\u003Ctd>衍数平台是做什么的\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>4\u003C\u002Ftd>\u003Ctd>大衍智联 的口碑怎么样\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>怎么测的\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>项\u003C\u002Fth>\u003Cth>值\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>时间\u003C\u002Ftd>\u003Ctd>2026-09-21\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>引擎\u003C\u002Ftd>\u003Ctd>Kimi（k3）· 通义千问（qwen3.7-max）· 通义千问（qwen3.8-max）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>样本\u003C\u002Ftd>\u003Ctd>4 问题 × 3 引擎 = \u003Cstrong>12\u003C\u002Fstrong>（无效样本 0 条）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>结果\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>12 \u002F 12 都提到了我们\u003C\u002Fstrong>（这一点不差）。但\"提到\"和\"答对\"是两件事：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>#\u003C\u002Fth>\u003Cth>问题\u003C\u002Fth>\u003Cth>Kimi\u003C\u002Fth>\u003Cth>千问 3.7\u003C\u002Fth>\u003Cth>千问 3.8\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>1\u003C\u002Ftd>\u003Ctd>大衍智联是什么公司\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>2\u003C\u002Ftd>\u003Ctd>\u003Cstrong>derivenet 是什么\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>⚠️ 同名歧义\u003C\u002Ftd>\u003Ctd>❌ \u003Cstrong>答成别家\u003C\u002Fstrong>\u003C\u002Ftd>\u003Ctd>⚠️ 同名歧义\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>3\u003C\u002Ftd>\u003Ctd>衍数平台是做什么的\u003C\u002Ftd>\u003Ctd>⚠️ 同名歧义\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>4\u003C\u002Ftd>\u003Ctd>大衍智联 的口碑怎么样\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003Ctd>✅ 正确\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>\u003Cstrong>合计：正确识别 8\u002F12 · 同名歧义 3\u002F12 · 答成别家 1\u002F12。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2>三条要点\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>1. 唯一全军覆没的是「derivenet」。\u003C\u002Fstrong> 4 个问题里 3 个至少有两家答对，只有它\u003Cstrong>三家全错\u003C\u002Fstrong>——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`）。\u003C\u002Fp>\n\u003Cp>`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。\u003Cstrong>改不了 AI 的联想，只能改我们用它当主品牌词这件事。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>\u003Cstrong>2. AI 引用我方域名 4 次，全部指向 `17kimi.com`（我们的旧域名）。\u003C\u002Fstrong> 一次都不是现在的 `derivenet.com`。 我们换过一次域名，\u003Cstrong>AI 记住的还是旧的那个\u003C\u002Fstrong>。换域名、改品牌名、改业务方向，这类事 AI 不会自己跟上。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>3. 「口碑怎么样」三家都如实回答了，而且说得不客气。\u003C\u002Fstrong> 不是 AI 编的 —— 它说的是它找得到的材料里的事实。\u003Cstrong>这种情况改不了来源，只能改变事实本身\u003C\u002Fstrong>，这是所有品牌词里最难处理的一类。\u003C\u002Fp>\n\u003Ch2>口径与局限\u003C\u002Fh2>\n\u003Cul>\u003Cli>\u003Cstrong>采集口径：API\u003C\u002Fstrong>（非网页版）。按我们自己的诊断方法论 v0.3，\u003Cstrong>API 口径与用户实际看到的 App 口径不一致\u003C\u002Fstrong>，本组数字\u003Cstrong>对不上现行网页版标准\u003C\u002Fstrong>，读作\"API 视角下的品牌存在感\"。\u003C\u002Fli>\u003Cli>\u003Cstrong>单次采样\u003C\u002Fstrong>：每问每引擎 1 次。已知同一问题重复提问的\u003Cstrong>来源重合度只有 0.553\u003C\u002Fstrong>（45% 的来源每次都不一样），所以\u003Cstrong>单次快照不构成清单\u003C\u002Fstrong>，只作对照物。\u003C\u002Fli>\u003Cli>本档\u003Cstrong>不含\u003C\u002Fstrong>「北京大衍智联科技有限公司」那条（本次未采）。\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2>原始留档\u003C\u002Fh2>\n\u003Cp>`script\u002Fgeo\u002Fout\u002Fderivenet-web-20260921\u002F`（`raw\u002F` 逐条回答正文、`judged.tsv` 判定明细、`SUMMARY.md` 汇总）\u003C\u002Fp>","\u002Fimages\u002Fbrand\u002Fcover-tech.webp","2026-09-23T00:00:00+08:00","4015f808-3146-514e-953c-0ece0f8e85a5","品牌词",1,"2026-09-23T17:33:29+08:00","archive-brand-2026-09",10,"品牌词不是获客词，是守门词——管的是\"已经听说了你的人来问 AI 时，别丢\"。4 个问题 × 3 家 AI = 12 个样本，全部提到了我们，但只有 8 个说的是我们本身：唯一全军覆没的是「derivenet 是什么」，三家 AI 没一家认出那是我们。","[\"品牌词\", \"实体识别\", \"同名歧义\", \"自测留档\"]","2026 · 问了 3 家 AI 4 个品牌问题：12 次都提到我们，只有 8 次答对",{"client_name":24,"content":38,"cover_image":26,"cover_style":7,"create_dept":8,"create_time":27,"create_user":8,"created_at":27,"id":39,"industry":40,"is_pinned":30,"published_at":31,"slug":41,"sort_order":42,"status":15,"summary":43,"tags":44,"tech_stack":18,"title":45,"updated_at":31,"view_count":12},"\u003Cp>\u003Cstrong>这是我们自己的测量记录。\u003C\u002Fstrong> 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。\u003C\u002Fp>\n\u003Ch2>这一档问的是什么\u003C\u002Fh2>\n\u003Cp>品牌词是\u003Cstrong>身份词\u003C\u002Fstrong>，品类词是\u003Cstrong>需求词\u003C\u002Fstrong>。客户不认识你的时候，他不会搜你的名字 —— 他描述需求，让 AI 给一份候选名单。\u003C\u002Fp>\n\u003Cp>品牌词答对了，只说明 AI 知道你是谁；\u003Cstrong>不说明它会在客户找这个品类时想起你\u003C\u002Fstrong>。这两件事之间，经常差着十万八千里。这一档测的就是后者。\u003C\u002Fp>\n\u003Cp>本次问了 8 条：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>#\u003C\u002Fth>\u003Cth>问题\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>1\u003C\u002Ftd>\u003Ctd>国内有哪些低代码平台\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>2\u003C\u002Ftd>\u003Ctd>国产低代码平台推荐\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>3\u003C\u002Ftd>\u003Ctd>企业软件定制公司推荐\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>4\u003C\u002Ftd>\u003Ctd>农产品溯源系统哪家好\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>5\u003C\u002Ftd>\u003Ctd>产地直营管理系统推荐\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>6\u003C\u002Ftd>\u003Ctd>批发进销存软件推荐\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>7\u003C\u002Ftd>\u003Ctd>批发对账软件哪家好\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>8\u003C\u002Ftd>\u003Ctd>生鲜供应链管理系统推荐\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>怎么测的\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>项\u003C\u002Fth>\u003Cth>值\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>时间\u003C\u002Ftd>\u003Ctd>2026-09-21\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>引擎\u003C\u002Ftd>\u003Ctd>Kimi（k3）· 通义千问（qwen3.7-max）· 通义千问（qwen3.8-max）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>样本\u003C\u002Ftd>\u003Ctd>8 问题 × 3 引擎 = \u003Cstrong>24\u003C\u002Fstrong>（无效样本 0 条）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>结果\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>提及 0 \u002F 24。\u003C\u002Fstrong> 24 次回答，一次都没提到我们 —— 不是\"提得少\"，是\u003Cstrong>一次都没有\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>答案本身并不短（1308~1995 汉字），AI 认真给了候选名单、认真做了对比，只是\u003Cstrong>那份名单里没有我们\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>可达性 = 0。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2>三条要点\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>1. 这一档的数字要按\"当时的词\"来读，不能按今天的定位读。\u003C\u002Fstrong> 上面这 8 条是按我们\u003Cstrong>当时\u003C\u002Fstrong>的业务方向选的（低代码平台、农产品行业方案）。后来我们把主营收敛掉了，所以：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>这组 0\u002F24 读作\"我们在旧赛道上的可达性\"，不能读作\"我们在 GEO 赛道的可达性\"\u003C\u002Fstrong> —— 那是另外一组词，见「方法词」档案。\u003C\u002Fp>\n\u003Cp>这一点必须写在前面，否则这组数字会被误读成\"我们做什么都不行\"。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>2. 0\u002F24 里混着三个互不相干的身份。\u003C\u002Fstrong> 8 条词其实在问三件事：低代码平台商（1、2）、软件定制商（3）、农产品行业方案商（4~8）。所以它不是\"一件事的 0\u002F8\"，而是\u003Cstrong>三个身份各 0 分\u003C\u002Fstrong>。这不叫\"可见度低\"，叫\u003Cstrong>没有身份\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>3. 品牌词和品类词的表现天差地别，这很常见。\u003C\u002Fstrong> 同一批测量里，品牌词 12\u002F12 被提到、8\u002F12 答对；品类词 0\u002F24。\u003Cstrong>AI 知道你是谁，但不会在客户找这个品类时推荐你\u003C\u002Fstrong> —— 这是绝大多数公司第一次做这类诊断时看到的画面。\u003C\u002Fp>\n\u003Ch2>口径与局限\u003C\u002Fh2>\n\u003Cul>\u003Cli>\u003Cstrong>采集口径：API\u003C\u002Fstrong>（非网页版）。按我们自己的诊断方法论 v0.3，\u003Cstrong>API 口径与用户实际看到的 App 口径不一致\u003C\u002Fstrong>，本组数字\u003Cstrong>对不上现行网页版标准\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>\u003Cstrong>单次采样\u003C\u002Fstrong>：每问每引擎 1 次。已知同一问题重复提问的\u003Cstrong>来源重合度只有 0.553\u003C\u002Fstrong>（45% 的来源每次都不一样），\u003Cstrong>单次快照不构成清单\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>\u003Cstrong>词集已重排\u003C\u002Fstrong>：本档词集在 2026-09-23 按新定位重排过，其中 3 条（低代码\u002F定制）已移除。\u003Cstrong>组级数字不可与新旧词集横向比较，只能逐条对照。\u003C\u002Fstrong>\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2>原始留档\u003C\u002Fh2>\n\u003Cp>`script\u002Fgeo\u002Fout\u002Fderivenet-web-20260921\u002F`（`raw\u002F` 逐条回答正文、`judged.tsv` 判定明细、`SUMMARY.md` 汇总）\u003C\u002Fp>","4bd67fb9-9982-5301-b976-82f6bad4f326","品类词","archive-category-2026-09",20,"品类词是获客的入口——客户不认识你，他是描述需求让 AI 给候选名单。这份名单里没有我们：8 个问题 × 3 家 AI = 24 个样本，提及 0 次。而这一档用的还是我们旧业务方向的词，也就是说，在旧赛道我们也没进过名单。","[\"品类词\", \"可达性\", \"候选名单\", \"自测留档\"]","2026 · 8 个品类问题 × 3 家 AI：24 次回答，一次都没提到我们",{"client_name":24,"content":47,"cover_image":26,"cover_style":7,"create_dept":8,"create_time":27,"create_user":8,"created_at":27,"id":48,"industry":49,"is_pinned":30,"published_at":31,"slug":50,"sort_order":51,"status":15,"summary":52,"tags":53,"tech_stack":18,"title":54,"updated_at":31,"view_count":12},"\u003Cp>\u003Cstrong>这是我们自己的测量记录。\u003C\u002Fstrong> 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。\u003C\u002Fp>\n\u003Ch2>这一档问的是什么\u003C\u002Fh2>\n\u003Cp>品类词是\"这行哪家好\"，采购意向词是\"\u003Cstrong>我要做这件事，谁来做\u003C\u002Fstrong>\"。\u003C\u002Fp>\n\u003Cp>差别在于：问品类词的人还在比较，问采购意向词的人\u003Cstrong>已经决定要做了\u003C\u002Fstrong>。这类问题最接近成交 —— 客户问完，下一步往往就是找人聊。\u003C\u002Fp>\n\u003Cp>本次问了 4 条：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>#\u003C\u002Fth>\u003Cth>问题\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>1\u003C\u002Ftd>\u003Ctd>想做一套自己的管理系统，有什么推荐\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>2\u003C\u002Ftd>\u003Ctd>有没有能自己配置字段和表单的管理系统\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>3\u003C\u002Ftd>\u003Ctd>农产品企业怎么做数字化\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>4\u003C\u002Ftd>\u003Ctd>企业数据分散在多个系统，怎么集中管理\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>怎么测的\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>项\u003C\u002Fth>\u003Cth>值\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>时间\u003C\u002Ftd>\u003Ctd>2026-09-21\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>引擎\u003C\u002Ftd>\u003Ctd>Kimi（k3）· 通义千问（qwen3.7-max）· 通义千问（qwen3.8-max）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>样本\u003C\u002Ftd>\u003Ctd>4 问题 × 3 引擎 = \u003Cstrong>12\u003C\u002Fstrong>（无效样本 0 条）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>结果\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>提及 0 \u002F 12。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>客户在描述自己的处境、在问\"怎么集中管理\"—— 这正是我们做的东西能回答的问题。但 12 次回答里，\u003Cstrong>AI 一次都没有想到我们\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch2>三条要点\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>1. 这一档和品类词一起构成\"获客可达性 = 0\"。\u003C\u002Fstrong> 品类词 0\u002F24 + 采购意向词 0\u002F12 = \u003Cstrong>36 次回答、0 次提及\u003C\u002Fstrong>。这不是\"展现量低\"，是\u003Cstrong>客户的整条提问路径上都没有我们\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>2. 第 4 条尤其典型。\u003C\u002Fstrong> 「企业数据分散在多个系统，怎么集中管理」—— 这是一个\u003Cstrong>纯粹的问题型提问\u003C\u002Fstrong>，不带品牌、不带品类词，问的是怎么办。AI 会认真给方法论、给工具、给厂商。我们不在里面。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>3. 同样是\"当时的词\"。\u003C\u002Fstrong> 这一档里有 2 条（第 1、2 条）指向的是我们已经砍掉的业务方向（低代码采购），另 2 条（第 3、4 条）指向的行业方案也已不在主营。\u003Cstrong>读作\"旧赛道上的采购意向可达性\"\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch2>口径与局限\u003C\u002Fh2>\n\u003Cul>\u003Cli>\u003Cstrong>采集口径：API\u003C\u002Fstrong>（非网页版）。按我们自己的诊断方法论 v0.3，\u003Cstrong>API 口径与用户实际看到的 App 口径不一致\u003C\u002Fstrong>，本组数字\u003Cstrong>对不上现行网页版标准\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>\u003Cstrong>单次采样\u003C\u002Fstrong>：每问每引擎 1 次。已知同一问题重复提问的\u003Cstrong>来源重合度只有 0.553\u003C\u002Fstrong>，\u003Cstrong>单次快照不构成清单\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>\u003Cstrong>词集已重排\u003C\u002Fstrong>：本档词集在 2026-09-23 按新定位重排过。\u003Cstrong>组级数字不可与新旧词集横向比较，只能逐条对照。\u003C\u002Fstrong>\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2>原始留档\u003C\u002Fh2>\n\u003Cp>`script\u002Fgeo\u002Fout\u002Fderivenet-web-20260921\u002F`（`raw\u002F` 逐条回答正文、`judged.tsv` 判定明细、`SUMMARY.md` 汇总）\u003C\u002Fp>","f9eac06e-f82f-5b84-a6bd-c0dbfd095a07","采购意向词","archive-intent-2026-09",30,"采购意向词比品类词更靠后一步——客户已经知道自己要什么，正在找人做。这类问题最值钱，也最接近成交。4 个问题 × 3 家 AI = 12 个样本，提及 0 次。","[\"采购意向词\", \"线索\", \"候选名单\", \"自测留档\"]","2026 · 4 个采购意向问题 × 3 家 AI：12 次回答，客户在找人，AI 没提我们",{"client_name":24,"content":56,"cover_image":26,"cover_style":7,"create_dept":8,"create_time":27,"create_user":8,"created_at":27,"id":57,"industry":58,"is_pinned":12,"published_at":31,"slug":59,"sort_order":60,"status":15,"summary":61,"tags":62,"tech_stack":18,"title":63,"updated_at":31,"view_count":12},"\u003Cp>\u003Cstrong>这是我们自己的测量记录。\u003C\u002Fstrong> 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。\u003C\u002Fp>\n\u003Ch2>这一档问的是什么\u003C\u002Fh2>\n\u003Cp>前三档测的是\"我们现在在哪\"，这一档测的是\"\u003Cstrong>我们想进的赛道，现在有没有位置\u003C\u002Fstrong>\"。\u003C\u002Fp>\n\u003Cp>方法词指的是：客户在\u003Cstrong>学习一个新概念\u003C\u002Fstrong>时会问的问题。问这类问题的人，往往还没决定要做，但已经在找\"谁懂这件事\"—— 这是他第一次可能遇见我们的地方。\u003C\u002Fp>\n\u003Cp>本次问了 3 条：\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>#\u003C\u002Fth>\u003Cth>问题\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>1\u003C\u002Ftd>\u003Ctd>什么是 GEO 生成式引擎优化\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>2\u003C\u002Ftd>\u003Ctd>国内 GEO 服务商哪家好\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>3\u003C\u002Ftd>\u003Ctd>怎么让 AI 推荐我的公司\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>怎么测的\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\u003Ctr>\u003Cth>项\u003C\u002Fth>\u003Cth>值\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\u003Ctd>时间\u003C\u002Ftd>\u003Ctd>2026-09-21\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>引擎\u003C\u002Ftd>\u003Ctd>Kimi（k3）· 通义千问（qwen3.7-max）· 通义千问（qwen3.8-max）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003Ctr>\u003Ctd>样本\u003C\u002Ftd>\u003Ctd>3 问题 × 3 引擎 = \u003Cstrong>9\u003C\u002Fstrong>（无效样本 0 条）\u003C\u002Ftd>\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Ch2>结果\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>提及 0 \u002F 9。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2>三条要点\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>1. 第 2 条是我们最该在、却最不在的一条。\u003C\u002Fstrong> 「国内 GEO 服务商哪家好」—— \u003Cstrong>我们卖的就是这件事\u003C\u002Fstrong>。9 次回答里我们一次都没出现。\u003C\u002Fp>\n\u003Cp>我们后来用网页版引擎重测过这一条（2026-09-23），结论一样：\u003Cstrong>不在候选里\u003C\u002Fstrong>。不是采样偏差。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>2. 第 1 条和第 3 条是\"问题型\"提问，本来是我们有机会的形态。\u003C\u002Fstrong> 「什么是 GEO」「怎么让 AI 推荐我的公司」—— 问这类问题的人不是在挑供应商，是在找能讲清楚这件事的人。\u003Cstrong>这类问题不需要挤进榜单，只要内容被引用就够。\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>\u003Cstrong>3. 这一档和前三档性质不同，读法也不同。\u003C\u002Fstrong> 前三档的 0 分说明\"旧赛道上的可达性为 0\"；\u003Cstrong>这一档的 0 分说明\"新赛道还没进去\"\u003C\u002Fstrong> —— 前者是既成事实，后者是\u003Cstrong>还没开始的结果\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Ch2>口径与局限\u003C\u002Fh2>\n\u003Cul>\u003Cli>\u003Cstrong>采集口径：API\u003C\u002Fstrong>（非网页版）。按我们自己的诊断方法论 v0.3，\u003Cstrong>API 口径与用户实际看到的 App 口径不一致\u003C\u002Fstrong>，本组数字\u003Cstrong>对不上现行网页版标准\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>\u003Cstrong>单次采样\u003C\u002Fstrong>：每问每引擎 1 次。已知同一问题重复提问的\u003Cstrong>来源重合度只有 0.553\u003C\u002Fstrong>，\u003Cstrong>单次快照不构成清单\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>\u003Cstrong>样本量最小的一档\u003C\u002Fstrong>：3 条问题、9 个样本。\u003Cstrong>这组数字的置信度低于前三档\u003C\u002Fstrong>，请按\"最小样本\"读。\u003C\u002Fli>\u003Cli>2026-09-23 用网页版引擎复测过第 2 条，结论一致（0\u002F9 → 仍不在候选）。\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2>原始留档\u003C\u002Fh2>\n\u003Cp>`script\u002Fgeo\u002Fout\u002Fderivenet-web-20260921\u002F`（`raw\u002F` 逐条回答正文、`judged.tsv` 判定明细、`SUMMARY.md` 汇总）\u003C\u002Fp>","6c18afc7-7171-5782-bd8f-67c74c4eceef","方法词","archive-method-2026-09",40,"这一档测的是我们现在主营的方向——GEO 本身。什么是 GEO、GEO 服务商哪家好、怎么让 AI 推荐我的公司。9 次回答，我们一次都没出现。这是四档里最相关、也最难看的一组：我们卖的就是这件事，却不在这个问题的答案里。","[\"方法词\", \"GEO\", \"新赛道\", \"自测留档\"]","2026 · 3 个方法词 × 3 家 AI：问「GEO 服务商推荐」，我们一次都不在候选里",1792497133581]