中文 AI 搜索引擎的引用源生态解耦研究
跨四个行业、2,307 条品类词、六大中文 AI 引擎的实证分析——引擎间引用源高度解耦、AI 与传统搜索近乎割裂、品牌可见度的行业差异显著。
基于三大行业、六大中文 AI 引擎的跨行业实证分析。
随着 DeepSeek、豆包、通义千问、元宝、Kimi、文心一言等中文 AI（人工智能）引擎成为消费者获取信息的重要入口，品牌在这些引擎中的「可见度」已成为数字营销的新战场。然而现有研究几乎全部聚焦于英文引擎，中文 AI 引擎的引用行为特征仍是学术空白。
本研究利用 BASELINE GEO（生成式引擎优化）评估平台的实测数据，跨越四个行业（营养补剂、户外广告、OTC 药品、男士护肤），对六大中文 AI 引擎的 2,307 条品类词回答进行了系统性分析。我们严格区分品类词（不含品牌名的自然查询）与品牌词/竞品词（天然导致高提及），仅使用品类词测量可见度，避免了此前研究中的方法论陷阱。
三个核心发现：
- 中文 AI 引擎之间的引用源域名重叠极低，跨四个行业的平均 Jaccard 系数（两个集合的重叠度指标）仅 1.9%–8.7%，约 90% 的域名仅被单一引擎引用。
- 中文 AI 引擎与传统搜索（百度）的引用重叠更低（Jaccard 0.7%），远低于英文市场的 10.7%–38%。
- 在品类词口径下，品牌可见度呈现头部集中趋势，程度因行业而异，且各引擎存在系统性的选源偏好不对称。
三个研究问题
- RQ1：中文 AI 引擎之间的引用源有多不重叠？这一模式是否跨行业稳健？
- RQ2：中文 AI 引擎与传统搜索（百度）的引用源有多大程度解耦？
- RQ3：在排除品牌词污染后，品牌在各引擎中的可见度是否存在系统性不对称？
数据与方法
本研究使用 BASELINE GEO 评估平台采集的跨行业实测数据，涵盖三个独立行业。出于商业保密，品牌名称以字母匿名化表示。
| 行业 | 品牌数 | 品类词记录 | 引擎覆盖 |
|---|---|---|---|
| 营养补剂 | 5（品牌 A–E） | 1,600 | 6 引擎全覆盖 |
| 户外广告 | 4（品牌 F–I） | 320 | 2 引擎（DeepSeek / 豆包） |
| OTC 药品 | 1（品牌 K） | 225 | 5 引擎 |
| 男士护肤 | 1（品牌 J） | 162 | 6 引擎全覆盖 |
| 合计 | 11 个品牌 | 2,307 条 | 6 引擎 |
方法论关键决策： 本研究仅使用品类词（category queries，不含任何品牌名的自然查询，如「免疫力差吃什么维生素」「高铁广告投放公司有哪些」）测量品牌可见度。品牌词（如「品牌 A 怎么样」）因问句中直接包含品牌名，提及率天然接近 100%，不具信息量；混算会导致头部品牌的可见度被系统性高估。
以营养补剂数据为例，混算与品类词口径的差异巨大：品牌 A 在全查询口径下提及率为 52.9%，但在品类词口径下仅为 4.7%——前者 11 倍高估了品牌的自然可见度。更关键的是，品牌 C 在混算口径下看似强于品牌 B，但在品类词口径下远逊于后者——这一真实排序只有在品类词口径下才可见。
结果
RQ1 · 引擎间引用源高度解耦
跨四个行业的分析一致表明：中文 AI 引擎之间的引用源域名高度解耦。
| 行业 | 引擎数 | 平均 Jaccard | 独占域名占比 |
|---|---|---|---|
| 营养补剂 | 6 | 2.8% | 89.9% |
| 户外广告 | 2 | 8.7% | 91.3% |
| OTC 药品 | 5 | 2.1% | 92.4% |
| 男士护肤 | 6 | 1.9% | 90.2% |
四个行业的平均 Jaccard 系数均低于 10%，且约 90% 的域名仅被单一引擎引用。这一模式的跨行业一致性表明：引擎间引用源解耦是中文 AI 引擎生态的结构性特征，而非某一行业的特例。各引擎选源策略也差异显著——以营养补剂品类词口径计，Kimi 引用 135 个唯一域名、高度分散，而文心一言仅引用 25 个域名却覆盖同等级回答，高度依赖少数权威来源。
RQ2 · AI 引擎与传统搜索近乎割裂
将六大 AI 引擎的全部引用源域名（品类词口径，424 个）与百度搜索结果域名对比，Jaccard 系数仅 0.7%。
| 对比维度 | 重叠度 | 数据来源 |
|---|---|---|
| 英文 AI vs Google 自然结果 | 10.7%–38% | Ahrefs、SE Ranking |
| 中文 AI 引擎之间（本研究） | 1.9%–8.7% | 四行业实测 |
| 中文 AI vs 百度搜索结果（本研究） | 0.7% | 本研究实测 |
DeepSeek 和 Kimi 与百度搜索结果的重叠为零——它们的回答几乎不引用百度搜索排名靠前的内容。文心一言是唯一与百度有显著重叠的引擎（8.2%），这可能与其背靠百度搜索生态有关。
RQ3 · 品牌可见度的系统性不对称
在严格的品类词口径下，品牌可见度因行业呈现截然不同的格局。户外广告行业头部品牌（品牌 F，73.8%）与零提及品牌（品牌 I，0%）的差距极为悬殊；营养补剂行业则呈现「温和集中」——头部品牌（品牌 B）的提及率仅 11.6%，多数品牌的自然召回率低于 5%。这表明「赢家通吃」效应的强度因行业而异，不能一概而论。
同时，同一品牌在不同引擎间的可见度差异巨大（不对称度 spread 最高可达 14.3 个百分点）。文心一言在品类词口径下仍是多个品牌的最高提及引擎，而豆包的提及率系统性偏低。这一不对称暗示各引擎的检索策略存在结构性差异——优化策略应引擎差异化。
讨论
查询类型污染：一个被忽视的方法论陷阱。 本研究最重要的方法论贡献是揭示查询类型混算对 GEO 研究结论的系统性扭曲。在营养补剂数据中，全查询口径将客户品牌高估 11.3 倍。我们建议 GEO 文献将品类词口径作为可见度测量的标准做法。
GEO 的实践含义：
- 「百度排名好」≠「AI 能看到你」。 中文 AI 引擎与百度的引用重叠仅 0.7%，传统搜索引擎优化（SEO）对 AI 可见度的贡献极其有限。
- 引擎差异化是必须的。 约 90% 的域名仅被单一引擎引用——一个页面被某引擎引用不等于被其他引擎引用。
- 行业差异显著。 GEO 策略不能跨行业复制，需基于行业竞争格局定制。
结论
本研究通过跨四个行业的实测数据，揭示了中文 AI 搜索引擎引用生态的三个结构性特征：引擎间高度解耦（Jaccard 1.9%–8.7%，约 90% 域名独占）、AI 与传统搜索近乎割裂（Jaccard 0.7%）、品牌可见度的行业差异显著。同时，本研究首次在 GEO 语境中揭示了查询类型混算的方法论陷阱——品牌词查询会将客户品牌可见度高估 11–17 倍。
这些发现表明，GEO 在中文市场面临比英文市场更深层的解耦格局，且不能简单移植英文市场的策略或研究方法。品牌需要基于自身行业和目标引擎的独立生态特征，制定差异化的 AI 可见度策略。
参考文献
- Aggarwal, P., et al. “GEO: Generative Engine Optimization.” KDD 2024. arXiv:2311.09735.
- Puerto, H., et al. “C-SEO Bench: Does Conversational SEO Work?” NeurIPS 2025 D&B Track. arXiv:2506.11097.
- Ahrefs. “AI Overviews vs. Organic Search Results.” 2025.
- SE Ranking. “AI Overviews Study: URL Overlap.” 2025.
- 5W PR. “AI Platform Citation Source Index.” Meta-analysis, 2026-05.
- Broder, A. “A Taxonomy of Web Search.” SIGIR Forum, 2002.
本研究数据由 BASELINE GEO 评估平台采集。出于商业保密，品牌名称已匿名化处理。所有数值由程序从实测数据实算。