六大中文 AI 引擎信源画像与占位策略

中文主流 AI 引擎的信源偏好分化明显：豆包偏向字节生态，腾讯元宝偏向微信公众号，DeepSeek 偏向权威媒体与技术社区，文心一言偏向百度系内容，Kimi 偏向长文与知乎，通义千问与阿里电商数据联动。一份稿件全网群发的做法，在多数平台上效果很差。

一、为什么信源位置要先解决

AI 答案的引用以第三方内容为主，品牌自营内容的占比明显偏低（多伦多大学 2025 年研究口径，详见第 02 篇）。这意味着两件事需要分开处理：内容质量决定"被采用"，信源位置决定"进不进候选池"。只在官网和自有账号里做内容，触达不到引擎的主要信源池。

二、六大引擎信源画像

口径说明：以上为第三方实测与行业测评中反复出现的规律，非各厂商官方口径，抓取周期为观察值而非承诺值。用于制定投放假设时，需要用自有 Prompt Set 的监测数据校正，方法见第 06 篇。

三、两条共性规律

权威新闻媒体在所有引擎中都是高权重信源。央媒、省级重点新闻门户与头部行业媒体构成各平台共同的基础信源层，这一层的作用跨平台通用。

同一事实在多个渠道口径一致，才会被判定为可信信息。发稿数量的价值，低于口径一致性带来的价值。

四、信源梯队建设顺序

1. 权威媒体层。央媒与重点新闻门户，用于建立跨平台的基础可信度，是所有引擎的共同底池。
2. 垂直行业层。行业头部媒体与垂类专业平台，在细分问答场景中采信度较高，适合承载专业内容与数据报告。
3. 知识社区层。知乎、技术社区等，作为实操经验类补充信源。此类内容被引用时通常带"网友经验"类标注，适合辅助布局，承担不了权威背书的角色。
4. 自有阵地层。官网、公众号、官方账号，用于实体识别与深度信息核验，同时是漏斗的承接端。

五、短视频品牌的 GEO 打法

以短视频为主要内容形态的品牌，几项改造可以直接落地。

• 字幕是文本资产。视频画面无法被切块检索，字幕与文字版本可以。带字幕、带章节标题的视频更容易进入检索。
• 元信息承载可抽取信息。标题、简介、话题词、封面文字、评论区置顶，都要写清"是什么、多少钱、适合谁"。
• 一条素材承担两个角色。视频负责流量，同步产出的图文或长文负责成为信源，两者内容口径保持一致。
• 真实口碑有独立价值。部分引擎重视场景化的用户真实评价描述，自然口碑的形成比官方话术更有效。
• 品牌词跨平台统一。账号名、话题词、产品名与简称在各平台保持一致，降低实体消歧难度。
• 注意信源池差异。社交平台内容在 AI 搜索中的被引比例低于其在传统搜索中的表现，短视频流量大并不等于 AI 答案里会出现你。

六、内容形态与平台匹配

投放之前先定监测口径

信源投入无法直接看到点击回报，效果只能通过 AI 提及与引用数据来观察。先建立 Prompt Set 与基线，再决定预算分配，比先投放再找指标更省成本，方法见第 06 篇。信源矩阵的建设与分发执行属于GEO 智能营销服务的核心交付内容。